基于Spark的改进蚁群算法对带时间窗车辆路径问题的求解

为应对大数据时代对带时间窗车辆路径问题（VRPTW）的实时求解要求,提出基于Spark平台的改进蚁群算法.在算法层面,利用改进的状态转移规则和轮盘赌选择机制构建初始解,结合k-opt邻域搜索进行路径构建优化,改进最大最小蚁群算法中的信息素更新策略;在实现层面,利用Spark提供的API对蚁群RDD进行操作,实现蚁群分布式并行求解.在标准算例Solomon benchmark和Gehring&Homberger benchmark的实验结果表明,该算法在大规模问题的求解精度和速度上有明显提升.     

基于LSSVM的石灰石浆液密度软测量方法研究

石灰石—石膏湿法烟气脱硫技术目前在火电机组中得到广泛使用,其中石灰石浆液再循环箱密度值是脱硫制浆系统的重要的控制参数之一。而目前系统所配置的密度计易受干扰,常发生堵塞、失效等故障,严重影响系统的连续可靠运行。提出了一种基于LSSVM(Least Squares Support Vector Machine)的软测量方法,并利用电厂实际数据对浆液密度进行预测仿真实验,结果表明,所设计的LSSVM软测量方法运算迅速准确、预测精度高,能很好地实现再循环箱浆液密度的实时预测和估计,为浆液密度的在线监测提供数据支持。     

基于MI时序处理的GA-BP脱硫制浆系统能耗建模

  [目的]  石灰石—石膏湿法脱硫是目前燃煤电厂应用最广泛、技术最为成熟的一种烟气脱硫技术,石灰石浆液制备作为其中一道高耗能工序,具有生产过程复杂,物耗与能耗间存在非线性关系等特点,缺乏合理有效的能耗模型。为建立能够对生产参数优化提供指导的可靠的制浆系统能耗模型。  [方法]  基于某600 MW电厂实际运行数据,选择生产过程中的可控制量作为输入,并基于互信息(Mutual Information)理论调整各输入变量间的时滞关系,采用结合遗传算法(Genetic algorithm,GA)的改进BP神经网络建立了制浆系统的单位制浆能耗模型。  [结果]  试验结果表明:与未调整时序的GA-BP模型和标准BP算法的模型相比,经过时序调整的GA-BP模型的计算结果能够更为准确地接近制浆系统生产实际数据。  [结论]  所建立的模型可以应用到浆液制备过程的能耗优化研究中。