基于PSO-GA-ANN的铁矿采选品位与投资策略优化

在构建非线性多目标优化模型的基础上,集成粒子群(PSO)、遗传算法(GA)与人工神经网络(ANN)等智能优化算法,来确定实现铁矿资源减损和节能降耗的采选品位与投资策略。根据采选生产流程,建立以采选品位与投资策略为决策变量,计划精矿产量为约束条件,资源利用率、总电耗以及经济效益为目标的非线性多目标约束优化模型。将PSO、GA的高效搜索能力和ANN的建模功能相结合,构成PSOGA-ANN算法来寻找最优采选品位和投资策略。在PSO-GA-ANN算法中,进化个体采用二进制0-1编码和实数编码相结合,适应度函数为3个目标函数的加权和,各个目标的权重采用均匀设计的思想得到,采用基于可行性规则的约束处理技术引导搜索方向。最后,以D铁矿为例进行了研究,得到了其最优采选品位及投资策略。该方法为新时期铁矿应对资源利用和节能降耗难题提供了科学可行的思路。     

基于创新应用型人才培养的实验教学改革研究与实践

从广东工业大学实验教学中心的实际情况出发,针对国家教育部和当前广东省对经管类人才培养提出的新要求,进一步强调对创新型、应用型和复合型人才的培养。在创新应用型人才培养过程中,树立先进的教育理念和教学观念、建立符合创新型人才培养要求的实验教学体系、改革和创新实验内容与实验教学方法、依靠结构合理的实验队伍和新的运行机制等措施保证实验教学和改革的顺利实施,促进学生知识、能力和综合素质的协调发展,使实验教学真正达到支撑人才培养的目标。     

基于PSO和ANN的采选品位智能约束优化

根据铁矿采选生产过程,建立了以经济效益为目标函数,资源利用率和精矿产量为约束条件,截止品位和入选品位为决策变量的非线性约束优化模型,将粒子群算法和神经网络集成构成PSO-ANN算法来搜索最优品位组合。PSO-ANN算法包括内外两层:外层采用PSO作为搜索算法,采用基于可行性规则的约束处理技术,更新粒子群个体最优位置和全局最优位置,引导粒子朝最优解方向进行搜索;内层是REG模型、BP神经网络及RBF网络,实现粒子(截止品位和入选品位)到损失率、选矿金属回收率和采选成本之间的映射关系,进而计算资源利用率、精矿总量和净收益。以大冶铁矿为例,研究表明:2008-01~06,最优截止品位为17.5%,入选品位为45.4%,与现行方案相比,其资源利用率提高2%,精矿量增加1.34万t,总现值增加1 125万元。该方法为金属铁矿的品位优化提供了一个全新的思路,具有广泛的应用前景。     

培训式教学法在管理学教学中的应用

管理学是经济管理类专业的重要基础课程,其教学存在与实践脱节、不能及时反映最新理论前沿和互动性差等问题。本文在分析了培训式教学方法的优点和缺点后,针对管理学教学存在的问题提出了培训式教学的建议。