一类仓库作业优化问题的混合遗传算法研究

针对自动化立体仓库固定货架系统中拣选作业优化问题的特点, 分析并设计了一种新型高效混合遗传算法。提出了多起点2-最近点搜索算法进行初始种群的构造,采用了一种新的自适应启发式变异方法,显著改善了原有遗传算法的搜索能力。仿真结果表明该算法从执行时间和优化效果两方面均能够很好地满足作业要求。     

目标规划模型的知识表示与XPGP搜索算法研究

针对目标规划问题的建模与求解的问题，通过剖析目标规划数学模型的结构特征及其模型求解过程的状态转移规律，以及目标规划的求解原理与人工智能的状态空间理论分析对比，扩展人工智能状态空间三要素表示体系，提出了一种基于状态空间理论的目标规划模型的知识表示方法——Mpsp法；根据线性目标规划模型的结构和求解特点，提出了线性目标规划知识化模型改进的宽度优先搜索算法——XPGP搜索算法。本项研究使目标规划的应用研究朝着知识化、智能化方向迈进一步，充实了智能运筹学这一新学科的研究基础。     

SAR原始数据压缩的快速矢量量化器

回顾了矢量量化的各种快速算法,指出其在应用到SAR原始数据压缩中的局限性。为了将矢量量化应用到SAR原始数据实时压缩,提出一种基于查表的矢量量化器的设计方案,其中整合了其他的矢量量化算法。最后用各种快速算法以及BAQ算法进行了对实际数据压缩的实验比较,证明本算法在不降低量化速度的基础上,提高了原始数据量化信噪比。     

约束可满足问题求解策略的改进和实验结果

通过对那些属于ＮＰ－Ｃｏｍｐｌｅｔｅ的约束可满足问题（如图着色，规划、ＳＡＴ问题等）的求解实验，指出了局部搜索算法的局限性，由此给出改进的搜索策略，实验结果表明，应用改进的搜索策略使算法效率明显提高。     

瓦斯突出等级预测模型

针对瓦斯突出等级评判方法预测准确度低的问题，提出一种基于拉普拉斯特征映射算法（LE）和改进的乌鸦搜索算法（ICSA）优化核极限学习机（KELM）的瓦斯突出预测模型。利用LE算法对瓦斯突出数据进行非线性降维，消除变量间的相互重叠；引入Tent扰动序列、自适应步长和自适应感知概率改进传统的乌鸦搜索算法（CSA），有效避免算法陷入局部最优，提高算法的收敛性能；采用ICSA算法对KELM的相关参数进行寻优，建立基于LE和ICSA-KELM的瓦斯突出等级评判模型。经过对比试验表明，该模型能够有效提高预测准确率。     

基于PCA-SSA-PNN的齿轮故障诊断

齿轮在工作过程中故障发生率高是造成传动机械设备故障的主要原因。通过对齿轮故障进行正确的特征提取和类型辨识，可实现对齿轮故障的有效识别。以齿轮箱9种不同的齿轮状态振动加速度信号为研究对象，我们提出一种利用主成分分析法降维，基于麻雀搜索算法优化概率神经网络特征参数的齿轮故障诊断模型，以提升概率神经网络模型的正确识别率。本文将该模型与传统概率神经网络模型、主成分分析-概率神经网络模型的正确识别率，以及改变样本数据量和添加不同噪声系数对正确识别率的影响进行对比试验，证明了该模型对齿轮故障诊断的有效性。     

探索曲面结构的小生境遗传算法

提出了具有适应值曲面结构自学习能力的多区域并行局部搜索算子PLS和约束交叉算子GC，定性地分析了它们的作用机制，给出了基子仿真实验数据的遗传算法收敛速度和全局收敛可靠性的定量计算方法。仿真实验数据表明，PLS能有效地提高搜索速度并维持足够的种群基因多样度，GC可有效地微调解的质量，使改进的遗传算法的全局收敛速度和收敛可靠性均显著地优于标准遗传算法，并具有良好的鲁棒性和稳定性．     

QRS波群检测中的二次B样条小波变换算法

针对目前心电信号检测中准确度不高以及适应性不强的问题,提出了一种基于二次B样条小波,结合二分搜索算法和圆弧逼近曲线算法的QRS波群检测算法。首先对心电信号用二次B样条小波经Mallat算法分解,在二分搜索法调整阈值和模极大值检测R波的基础上,再用基于最小二乘圆弧逼近曲线算法检测T波与P波。最后用MIT-BIH数据库的数据验证了该改进算法增强了R波检测的适应能力,提高了T波与P波的检测准确度。仿真实验表明该改进算法可以有效地提高心电信号自动检测能力。     

面向钢铁制造流程的合同计划组合优化

从钢厂整体流程的层次上研究了合同计划优化问题.首先在分析某钢厂生产流程特点的基础上讨论了铁钢界面、精炼设备和铸轧界面的生产组织,研究了铁水供求节奏的协调.提出了表征铁钢界面铁水供求节奏协调程度的δ因子,并讨论了δ不同取值范围与铁水包备包和等待数目的关系.之后,建立了面向钢铁制造流程的合同计划优化数学模型,并采用禁忌搜索算法对模型进行求解.最后,从钢厂中随机选取3组不同规模的实际生产合同,并对其进行合同计划优化仿真实验.实验结果表明,所建立的合同计划优化模型和求解算法能够较好地解决面向钢铁制造流程的合同计划优化问题.     

搜索算法有助发现肿瘤标志物

肿瘤临床治疗和肿瘤研究过程要找到肿瘤标志物需要经过大量的实验,不但费时而且费力。同时还存的另外一个问题是,在不同的研究中所发现的标志物总是各不相同,无法相互印证。最近,德国德累斯顿工业大学的研究人员发现这与搜索引擎在处理大量重复网页和超链接时所遇到问题颇有几分类似。