汽提塔塔底氨含量的软测量模型

针对常规偏最小二乘算法(PLS)难以适用实际工业过程的时变特性、固定长度窗口PLS可能导致数据样本丢失信息问题,提出了基于变滑动时间窗口长度的PLS软测量建模算法。算法思想是设定时间窗口内样本数据长度不是固定的,建模的样本数据随新样本数据加入而逐步舍去。算法应用于煤气化废水处理流程中加压汽提塔塔底氨含量的工业软测量建模,仿真研究表明:相对于简单的PLS方法和固定滑动时间窗口长度的PLS方法,模型的预测平均相对误差分别减少约43%及13%,模型具有精度高、外推能力好等优点。另外,针对案例,讨论了最佳的窗口可变长度。     

Twyman－Green型电光双稳系统的非稳边界、混沌区窗口及输出振荡

通过线性稳定性分析和数值模拟计算，系统地确定了一个Ｔｗｙｍａｎ－Ｇｒｅｅｎ型延时反馈电光双稳系统输出振荡的非稳和混沌边界．采用李亚普诺夫指数分析的方法，找出了混沌区内的周期窗口，并讨论了周期窗口内的一些输出振荡特性．     

基于Windows Media技术的流媒体系统的设计与实现

在简介流媒体技术及Windows Media技术的基础上，结合实际简述了Windows Media服务器的安装、ASF文件的制作以及“点播单播发布点”、“广播单播发布点”、“多播广播站”的创建方法，并通过网页链接等方式进行了相关测试，从实践角度阐述了在网络中实现流媒体服务的技术和方法．     

在湖南省推广节能窗的可行性

有效增强窗的节能效果是提高建筑节能水平的重要环节.根据湖南地区建筑节能的现有特点和调查结果分析,节能窗的设计应该多方面综合着手,从材料、窗型选择、遮阳措施等方面进行优化.     

水果运输调度问题的优化

针对带硬时间窗的水果运输调度问题(Fruits in Vehicle Routing Problem with Hard Time Windows,FVRPHTW),联系实际应用中水果易腐的特性及运输途中的路况因素,采用蚁群算法、模拟退火算法和禁忌搜索算法来对FVRPHTW求解,并分析3种算法的优缺点。实例证明,这些算法对求解水果运输调度问题是可行的,模拟退火算法略优于其他两种算法。     

时间窗下集装箱船配载和航线网络联合优化

集装箱船配载和航线网络具有很强的经济性,对集装箱运输费用也有着非常大的影响.因此降低集装箱船运输的总费用,实现对集装箱船配载和航线网络的联合优化,首先引入软时间窗,建立混合整数规划模型.然后集装箱船舶在7个港口之间的运输为例,并且以CPLEX为计算工具,分别计算在设置软时间窗前后的集装箱船的最小运输费用,以及考虑航线经济下的综合最小费用.计算结果表明,在引入时间窗前后,如果不考虑航线经济,最小航行费用很接近,仅相差6.1%,但是在考虑航线经济之后,两者相差近11.1%,表明设置时间窗具有较强经济性和实际操作意义值.     

带时间窗车辆路径问题的混合蚁群算法

为解决有时间窗的车辆路径问题,提出了一种基于进化规划和最大一最小蚁群算法相融合的混合蚁群算法,并与最大一最小蚁群算法作了比较。实验结果表明,混合蚁群算法可以、快速有效求得带时间窗车辆路径问题的优化解,是求解带时间窗车辆路径问题的一个较好方案。     

基于Markov模型的改进型疑错窗口算法

提出了一种改进型疑错窗口方法,同时基于该方法提出了一种新的中文文本校对方法。该方法预先用窗口技术初步定位可能存在错误的语段,然后再在各个疑错窗口内运用Markov模型进行定错和校对。由于该新方法较大程度地减小了校对候选矩阵的维数,因而相比传统的Markov模型,该方法有更小的计算复杂度。试验结果表明,相比传统方法,新方法在时间复杂性和空间复杂性上得到了明显降低,而纠错效果基本不变。     

一种移动机器人动态环境下的路径规划

一种动态环境下自主机器人路径规划的方法由趋于目标的全局运动规划和躲避障碍物的局部运动规划两部分组成.首先通过栅格法建立机器人的工作环境,利用蚁群算法初步规划出机器人的全局优化路径;在此基础上,采用滚动窗口的方法进行局部环境探测和碰撞预测,对动态障碍物实行局部避碰,使机器人安全顺利地到达目的地.该方法适用于环境中同时存在静止和动态障碍物的情况.仿真结果证明该方法有效.     

一种改进粒子群优化算法在车辆路径问题的应用研究

基于集合的粒子群优化算法(set-based particle swarm optimization,S-PSO) 主要用于解决离散域的组合优化问题。但S-PSO只考虑了当前粒子的最优对速度更新的影响,易陷入局部最优解。提出ES-PSO (enhanced S-PSO)算法,重新设计速度更新策略。在速度更新策略中加入了全局最优和邻域最优的影响,同时,修改权重系数,使粒子在更新时优先考虑服务时间较早的粒子,更加合理地安排了节点的服务顺序。使用ES-PSO算法求解带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW),提出了ES-PSO-VRPTW算法。实验结果表明,基于Solomon数据集,ES-PSO-VRPTW算法在最优路径数目(number of vehicle-route,NV)和总里程(total distance,TD)上的表现比S-PSO-VRPTW更加优越。将ES-PSO-VRPTW用于求解带时间窗的垃圾回收车辆运输问题,得到的路径数目NV和总里程TD相对于S-PSO-VRPTW以及传统的遗传算法(genetic algorithm,GA)和蚁群算法(ant colony optimization,ACO)均有大幅度降低。