考虑碳排放和预约机制的送箱集卡多码头调度问题

考虑送箱集卡多码头调度的低碳、高效化要求,及为解决集卡不规律到达导致码头拥挤问题而提出的集卡预约集港机制,以单一外堆场调用送箱集卡数量最小及多集装箱码头调度方案碳排放总量最小为目标,构建了单堆场多码头送箱集卡调度模型.设计了改进的蚁群算法对该模型进行求解,得到按时间段划分的港外堆场多码头集卡低碳送箱方案,通过算例验证了所构建模型和算法的有效性.结果表明,考虑碳排放和预约机制的送箱集卡多码头调度方案所需集卡数量少,工作时间短,兼顾了集装箱码头集卡送箱作业低碳和高效的要求.     

国外典型河流生态流量管理实践及启示

 生态流量是河流开发与生态环境保护协调发展的关键指标和难点问题。目前,河流生态流量理论方法体系尚不完善,不足以全面指导生态流量管理实践,导致部分河流、河段的生态系统服务功能退化。虽然生态流量的理论体系和计算方法已开展了较多研究,中国学者对国外生态调度也做了回顾和梳理,但是对生态流量的管理目标仍未形成统一认识。通过梳理国外7条典型河流的生态流量管理实践,从珍稀濒危洄游性鱼类、国际重要湿地、珍稀濒危鸟类等多种生态保护目标,以及流域综合管理机制、水权交易、国际投资等政策管理的多个方面,分析了不同河流的生态流量实施过程和效果,归纳总结了7条典型河流生态流量管理实践的成功经验和不足,进而提出了对政府、管理部门、研究机构、水电企业和非政府组织等多个利益相关方在生态流量研究与管理方面的启示。     

免疫粒子群算法及其在水库优化调度中的应用

免疫粒子群优化算法(IA-PSO)是将免疫系统的免疫信息处理机制引入粒子群算法(PSO)中,利用其特有的浓度选择机制以及免疫接种功能的原理,改进粒子群优化算法的全局寻优能力,提高收敛速度.在分析水库优化调度的数学模型和IA-PSO算法特点的基础上,提出了基于IA-PSO算法的水库优化调度的方法,建立了数学模型,给出了具体求解步骤.经实例验证,IA-PSO得出的水库优化调度方案优于传统动态规划算法的计算结果,而且算法收敛速度快,为水库调度问题提供了一条新的有效求解途径.     

煤矿无人工作面开采技术研究

为解决中国煤矿开采技术装备普遍落后,煤炭资源回收率低、死亡率高以及"数字矿山"发展缓慢的问题,基于科学采矿理念,分析煤矿开采现状,研究存在的问题,提出高度自动化与传统综采工艺相结合的无人工作面的概念和系统模型,构建了无人工作面的技术框架,分析了需要解决的关键技术,包括采煤机自动调高、采煤机自主定位与导航系统、煤岩界面自动识别、井上-井下双向通讯、采煤工艺智能化、工作面组件式软件和模型及数据库技术,指出了应用状况。     

关于图书馆总分馆自动化管理平台的搭建

介绍了图书馆如何利用现代网络建立总分馆的自动化管理平台,论证了丹诚DataTrans图书馆集成系统在总分馆自动化管理平台中的可行性。     

铁路行车实训教学改革探索

实训教学的目的在于培养学生的自主创新能力和动手操作能力,不断探索改进实训教学方法是提高实训教学质量的重要手段。本文主要通过对兰州交通大学博文学院轨道交通调度与行车实训室教学改革的论述,为高校轨道交通调度与行车实训室教学改革与创新工作提供参考。     

针对电力新技术与新设备在变电站的分析及探讨

随着电力建设的快速发展,目前面对电网建设和改造日益增长,如何运用新技术,选用新设备,合理使用资金,对电力工程的规划设计、订货、施工、监理、投产、结算等流程进行科学管理,是当务之急的问题。     

小议供电企业电力调度与市场营销

供电企业努力拓展电力市场,成为适应市场的法人实体和竞争主体,这是推进经济体制和经济增长方式根本转变的必然要求。本文主要分析了供电企业电力调度管理与电力市场营销,可供大家参考！     

MIMO广播信道下的低复杂度多用户调度算法

为了解决多输入多输出(MIMO)广播信道存在大尺度衰落条件下的多用户调度问题,将zero-forcing dirty-paper(ZF-DP)发送方案和最大权重匹配方法相结合,给出了一种时分的调度算法。在此基础上,采用用户排序和减小匹配搜索范围的方法,给出了2种简化算法,并且分析和比较了它们的复杂度。仿真结果表明:与相同发送方案下的线性最优调度相比,这2种简化算法的性能差距不超过15%,而且它们的复杂度较低,易于实现,具有较高的实用价值。结果还为调度间隔、匹配搜索范围等参数的选择提供了参考。     

基于增强拓扑神经进化的等效并行机动态调度

针对工件动态到达、处理时间不确定且机器须要弹性预防维护的等效并行机调度问题,以平均流程时间最小化为目标,提出了基于强化学习的动态调度方法．将调度过程作为马尔可夫决策过程,通过定义状态空间、行为空间、奖励函数与适应度函数,提出基于增强拓扑神经进化(NEAT)算法的动态调度方法．设计三种规模问题的实例,将基于NEAT的方法与最短路径树(SPT)、先装先卸(FIFO)调度规则及基于深度Q网络(DQN)的方法进行比较,结果表明：基于NEAT的方法相比基于DQN的方法能够以更短的训练时间获得更优、更稳健的调度方案,相比SPT和FIFO调度规则能够获得更优的目标值,利用训练好的NEAT模型对随机生成的大规模问题实例的快速高质量求解结果表明,基于NEAT的调度方法具有更好的泛化性能．