工矿企业厂外道路纵断面优化设计研究

厂外道路纵断面优化设计是在平面线形已定的基础上,用数学方法优化纵断面线形,提高选线设计质量,降低工程投资.采用多项式曲线拟合能反映地面的起伏趋势,在反弯点附近利用最小二乘法拟合坡线,并根据约束条件调整变坡点的位置从而自动得到初始可行的纵断面方案.在初始纵断面方案的基础上,通过划分网格的方式实现了遗传算法在纵断面优化设计中的应用,为遗传算法中初始种群的选取奠定了基础.论文对某热电厂厂外道路的一部分路线进行了实例研究,用网格法与遗传算法对纵断面变坡点进行了联合优化,结果表明该算法优化效果良好,能为前期设计提供参考,减轻劳动强度,降低建造费用.     

基于KNN算法的配电网单相接地故障选线研究

小电流接地系统单相接地故障选线是配电网领域的一个难题,针对传统的采用单一判据的故障选线方案适用性差、选线精度低的问题,提出了一种基于K近邻(K-nearest-neighbor,KNN)算法的多源信息融合的单相接地故障选线方法,通过对故障数据处理选取故障特征量,结合KNN算法进行故障线路选线. 算例仿真研究表明,该选线方法与逻辑回归算法、BP神经网络算法相比,在获得较高的准确率的同时可缩短选线时间,具有较好的应用前景.     

长白山不同海拔湿地植物群落结构及其物种多样性研究

以长白山自然保护区为研究对象,对不同海拔湿地植物群落结构及其物种多样性进行研究.调查研究发现:长白山北坡湿地有植物37科83属142种,南坡湿地有植物33科71属103种,西坡湿地有植物37科83属132种,其中西坡和南坡的植物科、属相似性较高.通过实地调查记录和重要值的计算,对长白山北坡、南坡、西坡不同海拔湿地植物群落结构名称及其湿地类型进行了判定和划分,并根据3个坡向上不同海拔湿地样方中的植物种数,探讨了长白山湿地植物多样性随海拔梯度变化的趋势.     

基于改进PSO-BP网络的配电网故障选线与测距

针对人工智能算法在解决配电网故障选线和测距问题时容易陷入局部最优解并难以满足精确性和鲁棒性要求的问题,提出了一种基于改进粒子群优化神经网络的配电网故障选线与测距算法.该算法结合混沌优化算法和粒子群优化算法得到收敛能力更强的粒子群优化算法,通过提取配电网的零序电压与电流的暂态及稳态特征来构成特征向量,并分别使用训练集训练改进粒子群优化神经网络算法,从而能更精确地预测配电网的故障线路及其距离.仿真测试结果表明,所提出的算法能获得更精确的选线和测距结果,具有一定的实用性.     

卫星网络中面向任务的资源优化算法研究

针对卫星网络中面向任务的资源优化问题,在资源和任务偏序顺序双重约束下,以完成所有任务时间最短为目标,设计了一种基于遗传算法的资源优化算法,主要针对侦察、计算、存储资源进行优化,能当用户提出任务请求时给出上述三种资源的合理分配方案和任务执行顺序以实现优化。通过实例验证了算法,实验结果表明算法能够在较短时间内求得卫星网络中面向任务的优化问题的近似最优解,性能良好.     

基于多目标决策的山区灾害多发地段公路选线优化

公路多方案研究、论证和比选是合理确定路线方案的前提,是公路总体设计的关键.针对山区地形的特点,根据山区公路选线的基本原则,建立了山区选线方案的评价指标体系,并求解出了各评估指标的权重,借助模糊数学理论,建立了基于多目标决策的山区公路选线优选模型,提高了解决山区选线问题的科学性.以某山岭重丘区二级公路的选线问题为例进行了分析和计算,验证了基于多目标决策的山区公路选线优选模型的合理性与有效性,证明了该模型在实际应用中具有较强的可行性.     

融合语义知识库的流程匹配算法

为在流程相似度计算中加入流程间深层语义关联的度量,同时在流程节点较多的情况下,实现流程匹配算法在寻优时间复杂度和相似度匹配输出值两方面的综合优化,提出一种面向流程的遗传匹配算法,将遗传算法引入并应用在流程语义和结构的相似度计算寻优过程中.确定遗传算法的参数编码方式,并利用贪婪算法进行初始种群的设置,定义各个遗传算子,提出有效的简化策略,解决了流程节点较多时流程匹配过程寻优问题.实验研究表明,在流程节点数较多时,本文算法在寻优时间花费和相似度值两方面的折中优化性能明显优于其他两种算法.将遗传算法应用到流程的相似度计算及其寻优过程,可以有效地控制时间复杂度并保证较好的匹配输出结果.     

基于粒子群优化算法的Hadoop调度算法研究

为提高Hadoop平台性能,提出一种基于粒子群优化算法的Hadoop调度算法。以粒子位置代表可行的资源调度方案,以任务完成时间及资源负载均衡度作为目标函数,通过粒子群优化算法,找到最优的资源调度方案。实验结果表明,该算法能够很好的平衡资源负载,减少任务完成时间,有效的提高了Hadoop平台的性能。     

一种多目标蚁群优化的虚拟机放置算法

已有对数据中心虚拟机放置的研究大多为优化数据中心能源消耗和物理机资源浪费等,很少考虑数据中心网络流量的优化,有可能影响数据中心网络的扩展性.为了兼顾考虑物理机资源浪费和网络总流量两个方面,将虚拟机放置建模为多目标优化问题,同时优化2个目标:最小化物理机资源浪费以提高数据中心物理机使用效率;最小化网络总流量以改善数据中心网络的扩展性.设计了一种基于多目标蚁群优化的虚拟机放置算法来求解该问题.仿真实验结果表明,该算法与首次适合递减算法相比降低了物理机资源浪费和网络总流量,算法具备有效性.     

基于GIS的校园道路监控点优化配置研究

针对校园道路监控设施点位设置不科学,导致部分路段信息无法收集不利于校园安防监控,而部分路段点位过于密集却造成资源浪费的情况,在ArcGIS的支持下,以湖南城市学院校本部为例,研究了校园道路监控点布置的合理性,设计了优化方案.