气体变压吸附非等温非绝热非平衡模型计算

分析了固定床吸附过程中流动、传热和传质过程,将多孔介质内传输模型应用于吸附过程研究,建立了大含量强吸附的非等温非绝热非平衡模型,传质过程采用线性驱动力模型.应用有限体积差分法对方程进行离散,使用SIMPLE法进行压力一速度修正.使用迭代法进行方程求解.采用此新模型计算了定壁温条件下圆筒形沸石13X吸附床对质量浓度为0.176 kg/m2的二氧化碳/氮气双组分气体的吸附过程,并对结果进行了分析.模型可以合理地计算吸附传质与传热之间的耦合关系,结果符合前人的实验结果.计算结果表明:吸附过程中温度变化非常显著对吸附量的增大和处理周期的缩短都是不利的,对吸附过程温度的变化进行抑制是提高吸附分离效果的有效途径.     

基于多种群共生进化的RFID网络优化

在RFID(radio frequency identification)网络实际大规模部署与应用方面,如何有效地进行RFID网络规划,使网络资源得到优化分配,在保证高读取率和网络负载平衡的前提下,减少读写器冲突,提高标签读取率是决定RFID系统服务质量的关键问题.分析了RFID网络规划和RFID网络环境下的读写器防冲突问题,对两类问题分别建立了相应的数学优化模型.基于生态系统中的不同物种间的互利共生现象,提出了一种多种群共生进化优化算法SMSO(symbiotic multi-species optimization).试验结果表明,将该算法应用于RFID网络规划与防冲突问题,体现了进化的多样性和多层次性,在寻优能力、收敛速度以及克服早熟收敛等方面均具有很好的性能.     

网格环境下基于免疫克隆策略的资源分析和任务调度

网格将多种资源组织在一个统一的框架下,为各种复杂的计算任务提供资源.因此计算任务在各种资源之间的调度成为了一个关键的问题.将遗传算法和免疫克隆算法结合起来,充分发挥各自的优势,先通过克隆操作来产生一组新的个体,然后再独立地对所产生的各个体进行克隆变异,克隆交叉操作,从而求得问题的最优解.实验结果表明,这种并行遗传免疫克隆算法全局寻优能力强,能有效地实现资源的负载均衡,可以成功地应用于网格任务调度中.     

基于混沌噪声的抗功耗攻击技术

讨论了利用细胞神经网络产生混沌的基本原理,给出基于混沌噪声的防护技术的实施方法及实现结构,并分析了其安全性.实验结果表明,混沌噪声技术具有良好的抗功耗攻击能力,且具有可行性和普遍适用性;不仅易于集成和控制,而且可以保护多个不同密码算法模块免受功耗攻击.为防止攻击者采用诸如滤波和模式识别等信号处理技术消除功耗样本中的噪声提供了有效技术手段.     

基于改进粒子群算法的超超临界燃煤机组负荷系统建模

针对超超临界机组负荷系统因耦合度高导致的建模困难问题及基本粒子群算法存在的缺陷,提出了一种用于负荷系统建模的改进粒子群算法,通过引入自适应、柯西变异以及梯度指导交叉思想,改善了粒子群算法容易产生早熟收敛、局部寻优能力较差等问题.将自适应柯西变异和梯度指导交叉粒子群算法与电厂的实际运行数据结合进行负荷系统建模和校验.仿真...     

基于零相关区序列的MIMO-OFDM信道估计

针对传统的基于隐训练序列的信道估计性能受直流偏移的影响严重,且去除直流偏移非常复杂的问题,提出了一种基于零相关区训练序列的MIMO-OFDM信道估计方法.该估计方法采用具有平衡性的零相关区序列作为训练序列叠加在数据信息上,利用接收数据的一阶统计特性进行估计.序列的平衡性使得接收端直流偏移的作用为零,从根本上解决了直流偏移的问题;零相关区序列良好的相关性也使得该估计方法实现起来非常简单.仿真结果表明了该方法的有效性.     

基于双群体伪并行GA-DE多目标算法的动态环境经济调度

针对电力系统动态环境经济调度高纬度、强耦合、非线性、非凸等特点,提出一种双群体伪并行GA-DE(genetic algorithm-differential evolution)多目标算法.该算法基于外部精英存档和Pareto占优概念,利用差分进化算法和遗传算法构成双种群协同进化模式;采用平均熵及立方混沌映射初始化策略,增加种群多样性;根据相邻解的分布情况,改进Pareto解集的裁剪方式.与传统模型不同,将线损作为优化目标加入模型,采用动态松弛约束机制处理模型的复杂约束.经典10机组系统的验证结果表明:该算法在解决电力系统调度问题上具有可行性.     

不可约非负矩阵谱半径的数值算法

用矩阵的对角相似变换和Perron Frobenius定理, 给出了不可约非负矩阵谱半径的简单数值算法, 该算法类似于求矩阵按模最大特征值的经典算法-幂法, 适用于任何不可约非负矩阵, 并且通过适当选择参数, 算法具有简单、 快速的特点.     

惯性权重线性调整的局部收缩微粒群算法

针对微粒群优化算法存在陷入局部极小点和搜索效率低的问题, 给出一个新的速度更新策略局部收缩策略, 并提出一种改进的微粒群优化算法, 该算法保持微粒群优化算法结构简单的特点, 改善了微粒群优化算法的全局寻优能力, 提高了算法的收敛速度和计算精度. 仿真计算结果表明, 改进的算法性能优于混沌微粒群优化算法、 微粒群优化算法和带有收缩因子的微粒群算法.     

基于用户等级的协同过滤推荐算法

提出一种基于用户等级的协同过滤推荐算法, 解决了传统协同过滤推荐算法的扩展性问题. 该算法首先定义用户等级函数, 依据用户所评价的项目数确定用户等级; 并通过仅在用户等级的邻域内查找近邻的方法, 提高协同过滤推荐的效率. 实验结果表明, 该算法与传统协同过滤推荐算法相比, 在不影响推荐质量的前提下, 极大地提高了推荐效率.