基于多关联动态优化模型的企业信贷管理决策分析

建立多关联动态优化模型,提出最佳信贷策略.采用灰色关联法分析企业关联度,建立关联度模型,优化模型中参数的选择,从多角度提高风险因子提取的精度,增强模型的通用性和适应度,使模型所涵盖的因素更加广泛.利用Logistic回归信贷风险评估模型量化分析企业信贷风险具有很高的阻滞性和实际性,符合经济发展规律.     

金川公司二矿区网络优化改造研究

金川公司二矿区是一个国有特大型的镍生产基地,由于近年开采的不断延伸,二矿区通风网络的一些弊端也逐渐暴露出来.金川二矿通风网络中风机效率较低,内部漏风较大;循环风严重;风机有效能力低下,通风系统不稳定.本文以通路法为原理,利用矿井通风仿真系统软件对该矿的1150水平通风系统进行调节和改造.     

多惯性权重的自适应粒子群优化算法

惯性权重是粒子群优化算法重要参数之一,它能够平衡算法的全局搜索能力和局部搜索能力.为了利用已知惯性权重解决某些问题的优点,提出一种多惯性权重的自适应粒子群优化算法.首先定义了K步进化度的概念,然后基于进化度,从惯性权重集中随机选择惯性权重,使得适合解决某一问题的惯性权重在迭代过程中能够多次被使用,从而提高算法性能,把该...     

卧螺离心机进料分布器的流场模拟与结构优化

为了解决卧式螺旋卸料离心机(简称卧螺离心机)进料分布器在处理含硬质颗粒物料过程中存在的磨损问题,提高其使用寿命,采用数值模拟方法研究进料分布器内的速度矢量、流线变化及剪切力特性,分析了导致分布器磨损的原因,对分布器结构进行了优化设计.数值模拟结果表明,流体流出时颗粒对分布器造成的剧烈碰撞是磨损的主要原因,碰撞主要发生在...     

利用Fisher函数解约束优化问题的广义梯度投影算法

通过引入一个辅助优化问题,将广义投影与罚函数技巧和F isher函数(a,b)=a2 b2-(a b),a,b∈En的特殊性质:a2 b2-(a b)=0 a≥0,b≥0,ab=0结合起来,给出处理非线性等式、不等式约束问题的广义梯度投影算法,并证明该算法是全局收敛的.该算法不仅保持文献[6]的优点,而且还扩大了初始点的选择范围.     

可重构智能表面辅助大规模MIMO通信波束成形设计

可重构智能表面(reconfigurable intelligent surface, RIS)在无线通信系统中能够提高信道性能。为了降低传统波束成形方案中功率分配的复杂度,结合毫米波(millimeter wave, mmWave)特点建立信道模型,提出一种基于正交匹配追踪(orthogonal matching pursuit, OMP)和统一信道分解(uniform channel decomposition, UCD)的RIS辅助mmWave多输入多输出(multiple input multiple output, MIMO)系统混合波束成形设计方案。利用视距(line of sight, LoS)信道的到达角(angle of arrival, AoA)和离开角(angle of departure, AoD)设计了RIS的反射矩阵。该方法不需要复杂的功率分配,能够使得多个并行数据流具有相同的信道增益。仿真结果表明,该混合波束成形方案具有更好的误比特率(bit error rate, BER)性能及频谱效率。     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

失匹配因子和调谐因子对强流离子束的影响

运用P IC多粒子模拟程序,采用延迟反馈控制法,对初始分布为K-V分布的强流离子束研究了其在加速器通道中运行时受失匹配因子和调谐衰减因子的影响程度。得到了失匹配因子某些取值范围可导致束晕无法控制,但对于各种取值,对径向密度分布均影响不大,以及调谐衰减因子对径向密度分布曲线的形状有明显的影响等结果。     

一种新的伪并行遗传算法

利用混沌序列的伪随机性,将混沌引入伪并行遗传算法,提出了伪并行混沌遗传算法。对3个检测函数的仿真实验表明该算法能较好地克服早熟现象及收敛速度慢的问题,优于伪并行遗传算法、显著优于标准遗传算法。     

一种新颖的多目标优化算法

粒子群算法的特性使得其在解决多目标优化问题时具有很强的竞争性,提出了一种结合小生境思想和在线归档策略的多目标粒子群优化算法,该算法能够在进化过程中保持优良种群。通过3个测试函数来评价算法性能并将算法与NSGA-II做比较,结果表明提出的算法的时间耗费明显小于NSGA-II算法且解集沿着Pareto非劣最优目标域有很好的扩展性。