基于数据融合与单纯形遗传算法的管道损伤识别

为了提高管道损伤识别的准确率,提出了基于数据融合和单纯形遗传算法的两段式的管道损伤位置和程度的识别方法。首先将管道的柔度差曲率矩阵与广义残余力向量差两种信息源通过D-S证据理论融合算法初步判定管道损伤位置,然后通过单纯形遗传算法精确识别管道损伤位置与程度。考虑到基本遗传算法局部搜索不强、易发生早熟的缺点,提出了与局部搜索算法(单纯形搜索算法)相结合的改进策略。数值计算结果表明,考虑2%随机噪声影响情况,采用数据融合进行初步定位的方法大大缩小了可疑损伤区域范围,通过单纯形遗传算法能够进一步精确识别管道损伤位置及程度。本文提出的方法提高了管道损伤位置与程度识别的效率与准确率。     

集装箱港口装卸作业设备集成调度

为提高集装箱港口的装卸效率,采用混合Flow Shop调度理论,将集装箱任务的装卸过程看作岸桥装卸、集卡运输和场桥装卸的三阶段混合Flow Shop调度问题,建立装卸任务完工时间最小化为目标的集成调度混合整数规划模型.使用矩阵编码方式的遗传算法对模型和算例进行求解,结果表明:集成调度方法比岸桥、集卡、场桥协调调度方法更具有现实意义,通过扩大任务规模,遗传算法求解结果与模型下界进行比较,当集装箱任务规模在100个以上时,求解结果与模型下界之间差距都在5%以内,证明了算法有效性.     

启发式教学在《果蔬采后生理学》课程中的应用研究

启发式教学是教师在教学过程中依据学习过程的客观规律,引导学生积极主动地掌握知识的教学方式.该文将启发式教学思想运用于《果蔬采后生理》专业课中,根据不同的教学内容与学生的不同情况,探索了运用几种启发式教学方法通过教与学的互动作用优化教学过程,使学生在教学过程中发挥主体作用,激发学生的学习热情,调动了学生的思维主动性,提高了学生分析、解决问题的能力,取得了良好的教学效果,对于培养高素质综合能力的人才具有重要意义.     

基于递阶遗传算法的智能跟车控制

简单回顾了智能控制以及相关技术,采用一种递阶式遗传算法,对需要控制的跟车距离的相关模糊逻辑系统隶属度函数和规则库进行寻优,其中跟车距离模糊逻辑输入隶属度函数采用三输入模型,即基本规则包含45条,然后对所采用的遗传算法的初始种群和交叉、变异率等进行了设置,最后给出仿真结果.     

变化环境下乌伦古河径流序列变异特征诊断

研究变化环境下干旱区内陆河流以径流为主要指征的水文循环过程及其变化,对于认知水文机理,应对径流变化意义重大。选取乌伦古河二台水文站1959~2015年57年长系列实测月径流资料,采用年内分配完全调节系数C_r、年内分配不均匀系数C_n、相对变化幅度Cm、集中度Cd、集中期D、年际(年代际)径流均值、最大流量、最小流量、年际极值比以及C_v等多指标,运用Mann-Kendall法、累积距平法、R/S法等多方法,在揭示叶尔羌河径流长期演变规律基础上,采用非线性分析方法——启发式分割算法进行径流序列的变异特征诊断,并进行归因分析。结果显示:(1)乌伦古河径流受冰川融水影响年内分布呈"单峰型",主要集中于夏季5~8月,占年径流总量的70%,反映年内分配特征的各指标,如C_r、C_n、C_m、C_d和D,均呈下降趋势,特别是进入2000年后下降趋势较为明显,其中,C_r、C_d和D指标下降趋势显著,表明径流序列年内分配特征趋于均匀化;(2)乌伦古河径流序列年际变化趋势呈减少趋势,减少趋势不显著,且呈负持续性(Hurst=0.35),具有两个明显的丰枯交替周期,即1961~1973年及1974~1994年;(3)针对传统检验方法——Mann-Kendall法诊断乌伦古河二台站长系列(1959~2015年)径流突变点时出现多个虚假变异点的缺陷,采用非线性方法——启发式分割算法(BG法)诊断乌伦古河二台水文站长系列(1959~2015年)径流序列变异点,得出乌伦古河径流序列变异点为1962年。成果有助于了解变化环境下流域尺度的水文过程演变和水文响应规律,指导流域水资源规划与管理。     

一种改进的PCB板缺陷检测分割算法

针对PCB板缺陷检测分割中存在分割效果差、运行速度慢以及适用范围小的问题,提出一种改进的基于遗传算法的二维最大类间方差法的快速迭代算法。首先利用改进的遗传算法来确定分割中的最优阈值,再将这个最优阈值应用到二维最大类间方差法快速迭代算法中来确定最终的阈值最优解,从而完成分割。仿真实验表明,该算法分割的PCB图像,更加接近于人工标注的结果,最终的精度和Kappa系数达到了98.68%和0.9706。具有广泛的应用前景。     

基于遗传算法的分数阶锂电池模型参数辨识

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法,在求解非线性参数的复杂优化问题上极具潜力.在建立锂离子电池的分数阶等效电路模型之后,通过不断调整其电路模型的参数,使得模型的阶跃响应u_m与锂电池阶跃响应u的和方差的函数值逐渐向0逼近,直到在一定误差精度内,近似认为二者相等.在此基础上,采用遗传算法,在阶跃电流信号激励条件下,对锂离子电池Randle分数阶电路模型完成参数辨识.实验仿真结果显示：分数阶模型参数{R₀,R_p,Q₁,α,Q₂}辨识值分别为{7.33,6.18,3.049,0.76,608.6},误差均值为4.796×10^-5,误差率为1.143×10^-3,拟合度为98.90%.     

面向多目标柔性作业车间调度的强化学习NSGA-II算法

针对非支配排序遗传算法 (NSGA-II, non-dominated sorting genetic algorithm II)在求解柔性作业车间多目标优化调度问题中多样性不足、易于早熟与局部收敛的缺点,提出一种基于强化学习的改进NSGA-II算法(RLNSGA-II, reinforcement learning non-dominated sorting genetic algorithm II)。为避免NSGA-II陷入局部收敛问题引入双种群进化策略,利用性别判定法将种群拆分为两个种群,并在进化过程中采用不同的交叉变异算子,增加算法的局部和全局搜索能力;为解决NSGA-II精英策略造成多样性不足的问题,融合多个多样性度量指标,利用强化学习动态优化种群迭代过程中的拆分比例参数以保持多样性,改善算法收敛性能。最后通过Kacem标准算例进行了仿真实验与性能分析,验证了RLNSGA-II的有效性与优越性。     

考虑能耗优化的多目标原油短期调度问题研究

针对在原油管道运输过程中的能耗优化问题,该文提出了一个以最小化管道转运能耗、供油罐使用个数、蒸馏塔使用供油罐的切换次数、原油在供油罐和管道中的混合成本为目的的多目标优化模型.然后,针对原油短期调度问题的特点,提出了一种改进的交叉和变异算子.最后,该文对比分析了8种综合性能较好的多目标进化算法.实验结果表明:NSGA-III算法在求解该问题时的性能较优.与现有研究对比,该算法在减少调度过程中的能耗和原油混合成本方面具有显著效果.     

时变路网下异型车辆动态配置与路径优化

针对配送中心车型多样、客户需求动态变化且车辆行驶时间依赖配送区域路网速度变化特征的动态车辆路径问题,基于先预优化后动态调整的思想建立了以配送成本最小化为目标的两阶段优化模型.在预优化阶段,设计改进自适应遗传算法获得初始配送方案;在动态调整阶段,综合考虑客户需求变化和配送路网速度的变化,制定连续性和周期性相结合的优化策略,将问题转化为多中心车辆路径问题进行求解.通过实验分析验证了模型与算法的有效性,研究成果可丰富车辆路径问题的相关研究,为物流企业优化决策配送方案提供理论依据.