基于启发式算法对木板切割方案的优化模型设计

针对尺寸固定的木板的切割下料、利用率最优和求总利润最大求最优解等问题,可以通过建立整数规划、最大利润等模型,幵基于启发式算法中的GA遗传模型算法和蚁群算法,综合使用MATLAB、LINGO等软件编程进行求解。在原有数据的基础上,最终的模型结果显示了单块木板利用率最高的设计方案以及利用率最高所需要的板块数。基于前两者的结论进而利用蚁群算法寻求仸务确定条件下木板切割全局最优解以及依赖木板成本构建出最大利润模型。     

Regional Merge K-means图像分割算法及其质量评价

K值是基于K-means聚类算法进行图像分割效果的关键因素,为了解决K值过小,图像分割不明显,K值过大,图像分割信息过于碎片化的问题,提出一种Regional Merge K-means(RMK)算法.首先对图像运用K-means算法进行聚类,然后运用区域合并(Regional Merge)优化图像分割效果,最后利用不同图像进行图像分割试验,并选用不同的质量评价指标对试验结果进行评价.结果表明,该算法能显著优化图像分割效果.     

引入全局算法的小批量K-Means

提出一种引入全局算法的小批量K-means.算法应用全局搜索算法,解决在大数据情况下运算耗时问题和传统K-means对初始中心点敏感的问题.实验结果表明,该方法在获得最佳结果的前提下可以节省大量的计算时间.     

基于数字图像的大空隙沥青混凝土离散元模型

为了从细观角度深入分析大空隙沥青混凝土性能,利用CT扫描获取PAC-13大空隙沥青混凝土内部图像,将三维重构的切片图像和CT横向扫描图进行阈值分割,通过体视学理论选取与真实级配最相近的图像作为集料、空隙结构提取对象,建立了像素边长为0.5 mm的离散元模型,并进行单轴压缩虚拟测试.结果表明:三维重构切片图的级配误差比横向扫描图级配误差小了约20%,重构的切片图级配更具代表性;该模型实现的虚拟单轴压缩试验强度值与室内单轴压缩试验强度值相差小于3%,该模型具有很好的可靠性,这种数字图像建模的方法为研究大空隙沥青混凝土内部细观结构提供了参考.     

舰载机出动离场调度优化算法

出动离场调度是舰载机起降作业中关键一环, 可抽象为NP(non-deterministic pdynoial)难问题的混合车间调度问题。首先，在传统数学规划模型基础上, 引入逻辑约束及间隔变量, 建立了约束规划模型。然后，通过调度分解技术构建多机调度转化为单机调度的启发式规则, 并提出了单机约束引导启发式搜索与约束规划二分法迭代算法, 给出了问题的求解流程。算例仿真表明, 约束规划可有效解决不同规模下的离场调度, 并快速收敛到阈值内; 在中小规模出动时, 所提算法效率比传统智能方法提升约2个数量级, 具有较强实时规划能力, 但随着实验规模增大算法收敛时间呈线性变化趋势, 而在本文研究范围内仍优于传统智能算法, 具有良好实用价值。最后，用起飞位数量对出动效率进行灵敏度分析, 发现C2起飞位对出动效能贡献最大。     

人造购物狂欢节现状调查——以蚌埠市为例

为探究人造购物狂欢节在三线城市的现状,以安徽省蚌埠市为例,对蚌埠市4个城区(龙子湖区、蚌山区、禹会区、淮上区)的消费者进行问卷调查,运用假设检验、列联分析等统计方法对问卷结果进行探究,发现女性比男性购物要频繁;中、高收入的中年群体属于"经常购物类型";"双十一"的主要消费人群为中、低收入居民,而"节假日购物节"的主要消费人群为高收入居民;服装配饰、日用百货和护肤彩妆更受消费者青睐,可能为连带销售商品;性别对消费结构、购买力度有影响等.基于此,针对商家提出政策性建议.     

北京市碳排放强度预测研究——基于离散二阶差分方法分析

碳排放强度的降低是当前我国低碳行业研究的重点.在系统总结国内外碳排放研究现状的基础上,分析碳排放的影响因素,随后详细论述本文所运用的碳排放预测方法——离散二阶差分方程预测模型(DDEPM).随后应用DDEPM方法,针对1990—2013年北京碳排放强度的相关数据进行预测分析,并且利用两种模式对北京2020年碳排放强度进行对比预测分析,通过所得数据,为北京市节能减排提供数据支持与参考.     

仿生智能优化算法及其在盲源分离中的应用

传统盲源分离(Blind Source Separation,BSS)采用梯度方法对目标函数进行优化来确定最优解,但梯度算法无法解决收敛速度和稳态精度两者之间的矛盾,而且可能落入局部最优.为了解决上述问题,仿生智能优化算法逐渐被引入到BSS中,取得了传统优化算法无法比拟的优良特性,为BSS问题优化求解提供了一条全新的途径.介绍了几种仿生智能优化算法,描述了BSS的基本概念和数学模型,最后对几种仿生智能优化算法在BSS的应用情况进行了总结.     

信号设备故障诊断和智能分析系统

正卡斯柯信号有限公司开发的信号设备故障诊断和智能分析系统(SIDS)的主要研究内容及关键技术包括:(1)首创了基于信号设备的智能诊断关键技术,主要包括:故障推理演绎技术,该技术基于推理机的推理演绎技术,通过对故障二叉树的深度遍历算法来实现,其中推理机扮演了遍历过程的执行者的角色。隐患预警分析技术,通过提前发现     

使用王朗道蒙特卡罗算法和机器学习研究伊辛模型相变

文章以伊辛模型为例，首先利用王朗道蒙特卡罗算法构建了完备的数据集，相较于常用的Metropolis算法，避免了在相变点处的临界慢化效应和在低温下无法遍历到所有重要构型的不足。然后运用非监督机器学习方法进行研究：采用主成分分析法与K-means算法处理数据集，采用Calinski-Harabasz指标分析模型相变。最终得到伊辛模型的相变点，与传统方法结果一致。本文方法为使用机器学习研究统计物理中的相变现象提供了一种可行的解决途径。