基于模糊遗传算法的工业过程控制参数优化研究

针对复杂工业过程控制要求多样性、控制参数难调整的问题,提出了一种控制参数优化方法.其中,利用模糊评判方法设计了模糊适应度函数以改进标准遗传算法,把控制要求分解成多个对控制结果模糊评判的因素,由于其具有不同权重,因此控制结果与控制要求的接近程度就转化成了对遗传算法中个体(控制参数)的适应度.应用该算法优化了生物发酵罐温度控制器的控制参数,实验表明,控制器的控制精度、温度变化平稳性、能耗、电磁阀开关频率等指标均得到了改善,能够较好地解决复杂工业过程中控制参数优化的问题.     

一种基于Lagrange神经网络的盲多用户检测器

提出了一种基于Lagrange神经网络的盲多用户检测器，该检测器以最小平均输出能量为准则，把盲检测问题转化为优化问题，利用神经网络进行有效求解。理论分析和仿真结果表明，该检测器在性能上优于传统的检测器，且计算量少，收敛速度快，便于实时处理。     

黄孢原毛平革茵产锰过氧化物酶培养基优化

黄孢原毛平革菌(Phanerochaetechrysosporium)5.776在限氮高锰培养基中产生较高的锰过氧化物酶。通过对初始发酵培养基的优化条件研究,对原培养基进行优化/g·L-1):葡萄糖,10;酒石酸铵,0.37(2mmol);吐温80,1;Mn2+,9.9×10-6;于34℃静置培养5d;产MnP活力达1200U·L-1,比优化前提高了近17倍。     

可执行代码级优化器生成框架

编译基础设施生成的编译器对与目标机特征相关的优化支持不足 ,同时嵌入式应用系统的发展要求高质量的目标代码 ,为此 ,提出一种可执行代码级优化器生成框架EOGF (executable optimizer generation framework) ,以及该框架的关键支撑技术。与现有的编译器生成工具相结合 ,如 GCC(GNU com piler collection) ,可以实现高质量编译器的快速开发 ,并可以方便地充分利用目标机特点进行相关优化 ,提高目标代码质量。实验结果证明 ,EOGF是一个简便、灵活且有效的可执行代码级优化器生成工具     

新型乙烯裂解炉的温度控制

采用温度支路平衡技术，实现了对从国外引进的GK-6型乙烯裂解炉裂解深度和转化率的优化控制，经在齐鲁乙烯裂解炉改造应用表明提高了乙烯收率和选择性、延长了炉管的使用寿命，达到了节能降耗的目的。     

一类矩形切割的优化模型

研究了工业中常遇到的先将原料板切割成加工拼板后，再将拼板切割成单元板的一类矩形板材切割问题，此类问题归结为二维排布的双层优化，针对单元板在拼板上和拼板在原料板上的4种不同排布情形，建立了统一的非线性整数规划模型，根据问题的特点，给出了该模型的一个化双层优化为单层优化的求解算法，实际应用中，该算法能在数秒钟内按工艺要求给出最优切割方案，与传统方法相比，料板利用率常可提高5％～10％．     

基于改进的遗传算法求一元非线性方程的根

对求优化问题的标准遗传算法加以改进，并利用改进后的遗传算法求一元非线性方程的根，数值模拟表明，在染色体的长度控制在6-8的情形下，不仅不依赖函数的性质和初值的选择，而且可快速求出方程的高精度的根。     

森林救火的优化模型

在文[1][2]的基础上建立并讨论了有风和无风两种情况下的优化模型．     

区域覆盖星座结构与参数同时优化的进化算法

针对区域覆盖卫星星座的优化设计问题,设计了一种能同时优化星座结构和参数的进化算法。算法采用固定长度的染色体编码,由星座可能的最多轨道面数和各轨道面内最多卫星数目确定的最多变量个数决定染色体编码长度。根据个体星座的轨道面数和各轨道面卫星数的实际值确定染色体中哪些基因是冗余的,并将这些冗余的基因设为隐性,达到可变维数优化的目的,从而实现星座结构的优化。染色体采用二进制/实数混合编码的方式处理同时具有整数/连续变量的星座优化问题,二进制编码部分采用二进制的进化算子,实数编码部分采用一组星座设计专用的进化算子。在一个虚拟的区域海洋监视卫星星座优化设计中的应用显示了该算法的有效性。     

基于多级优化的真核生物基因结构预测

基因结构预测对于发现新基因、了解基因组结构规律具有重要作用, 是各类基因组计划的重要内容. 但对于真核生物, 现有基因预测方法的效果仍不理想. 为探讨多级优化的真核生物基因结构预测方法, 在将复杂的多基因结构预测问题划分为基因级(单外显子基因、多外显子基因)、元件级(外显子、内含子等)和特征级(功能位点信号、密码子使用偏好等)等多个层次上的一系列较简单子问题的基础上, 通过从简单到复杂进行逐级优化的策略, 建立了基因结构预测的多级模型, 设计了基因结构寻优的动态规划算法, 开发了真核生物基因结构预测系统GeneKey(1.0). 用广泛采用的数据集对该系统进行测试的结果表明, GeneKey(1.0)的预测精度在核苷酸、外显子和基因水平上均高于著名系统GENSCAN. GeneKey(1.0)已提供网上服务(http://infosci.hust.edu.cn).