基于SVM的煤与瓦斯突出预测模型及应用

为有效预测矿井内煤与瓦斯突出的危险程度,对其影响因素做了分析与探讨,分别构建了基于粒子群优化算法以及遗传算法支持向量机的煤与瓦斯突出预测模型,并且通过实例对两种模型预测的准确性进行了验证。分别利用单项以及综合指标、BP神经网络以及PSO-SVM模型、GA-SVM模型,对寺河煤矿二号井的突出区域进行预测比较。结果表明,PSO-SVM的预测模型不仅可以在小样本数据中预测出煤与瓦斯突出程度的大小,而且综合预测结果更加精确,其在解决矿井内煤与瓦斯突出的小样本数据中显示出更加强大、通用的性能。     

产品族设计与供应商的订单分配关联优化研究

针对统一采购情形下产品族设计与供应商订单分配问题,提出了一个以产品族利润最大为目标,满足产品配置要求、供应商最小订单数量等约束的产品族设计与供应商订单分配关联优化模型,并开发了一种自适应遗传算法对模型进行求解。为了防止由于优化问题中存在的订单等式约束导致算法产生大量不可行的染色体,给出了一种按比例分配订单的染色体编码与解码方法。同时算法设计了自适应的交叉方式与变异方式尽可能避免陷入局部最优解。最后通过一个实例验证了所提优化方法和求解算法的有效性。     

面向复杂工程项目型产品作业车间调度问题

针对复杂工程项目型产品作业车间调度问题(CEPP-JSP),在考虑产品生产过程具有成套性、并行性、分散性和高柔性等生产特点的基础上,构建了面向CEPP-JSP的基本生产任务分配和作业中心生产调度的多目标优化模型,提出了改进的非支配排序遗传算法(NSGA-Ⅱ)对优化模型进行求解,从而得到了CEPP-JSP的Pareto综合最优解。最后,以某水轮机公司产品的作业车间调度为例,验证了提出模型和算法的可行性和有效性。     

基于改进NSGA-Ⅱ算法的乙烯裂解炉操作优化

现有的乙烯裂解炉优化通常只针对两个目标函数即产物乙烯和丙烯的收率，并且采用遗传算法的收敛效果一般，故提出一种基于改进NSGA-Ⅱ算法来研究一个多目标运行的解决方案，以此来解决乙烯裂解炉的固定周期操作优化问题，即在增大产物乙烯和丙烯收率的同时减少原料以及蒸汽流量来提高整体运行状况。把具体问题量化为数学模型，分析了原料气烃比、原料流量、出口温度对乙烯和丙烯收率的影响。实验结果表明，相较于原有操作条件，提出的优化方案具有良好的可行性。     

基于进化算法的常减压装置模拟

提出了基于优选优生进化算法（Select—best and prepotency evolution algorithm，SPEA）的常减压装置模拟方法。以各塔的温度分布为目标，基于生产过程和分析数据，采用SPEA确定各塔板Murphree效率，从而精确描述各塔板平衡偏离程度。在实际应用中，获得具有良好精度的常减压装置模型。系统分析了SPEA算法的关键参数——优选领域大小与计算复杂性及寻优性能之间的关系，结果显示其取值为群体规模的10％最为合适。     

利用整合区域特性约束提高孔隙率模拟精度

本文将空间结构变化的要求与动态资料确定的储量共同作为约束,建立了包含两个约束条件的目标函数, 应用模拟退火算法对孔隙率的空间分布进行预测。在实现过程中,通过初始控制参数的给定及目标函数修改提高了运算效率。由于目标函数有效地整合了静、动态信息,从而降低了模拟结果的不确定性．提高了模拟的精度。合成数据及实际数据的模拟试验表明,整合区域特性约束不仅提高了孔隙率模拟精度,而且算法收敛快、稳定性高。     

遗传算法在GSM移动通信网络频率规划中的应用

应用遗传算法设计和开发了针对爱立信GSM900系统的频率规划软件。在设计中，采用了交叉点存储、变异回退以及分割分步降维的方法，从而提高遗传算法的执行速度。