求解三维装箱问题的多层树搜索算法

提出了一种求解三维装箱问题的多层树搜索算法, 该算法采用箱子–片–条–层–实体的顺序生成装载方案, 装载方案由实体表示. 该算法由3层搜索树构成. 第1层为三叉树, 每个树节点的3个分叉分别对应向实体中填入XY面平行层、XZ面平行层、YZ面平行层; 第2层为二叉树, 每个树节点的两个分叉分别对应向层内装载两个相互垂直的最优条; 第3层为四叉树, 用于将同种的多个箱子生成片. 在同时满足摆放方向约束和完全支撑约束的前提下, 该算法求解BR12~BR15得到的填充率高于现有装箱算法.     

采用中心聚类与PSO的RBF网络设计方法

基于中心聚类法与微粒群（PSO）优化方法,提出一种径向基函数（RBF）网络的设计算法。算法采用中心聚类方法对输入样本数据进行聚类处理,自适应地确定RBF网络隐含层的初始参数;利用修正全局最优解计算方法的经典PSO算法优化RBF网络隐含层参数,进一步修正网络结构参数;输出层权值采用带遗忘因子的递推最小二乘算法在线更新。采用该方法建立炼铁过程中烧结矿成分与转鼓强度关系的预测模型,并用现场数据加以验证;实验结果表明该方法收敛速度快,所建立的模型具有较高的预测精度,可用于复杂非线性系统建模。     

一种基于偏好的多目标遗传算法在动态模型参数辨识中的应用

针对多目标优化问题,提出了PNSGA算法(preference-based non-dominated sorting genetic algorithm),是一种NSGA Ⅱ的改进算法,结合Pareto支配和偏好信息定义了新的优于关系;把偏好信息加入快速非支配排序中,引导搜索方向,更方便决策者选择;并进一步分析了加入偏好对拥挤度机制的影响.实验证明该算法能较好地解决动态模型参数辨识的问题,有利于决策者做出决策.     

基于数据建模的烧结矿成分预测

为减少烧结矿化学成分和质量波动,采用改进的遗传规划算法HGP,建立了2种关键的烧结矿化学成分的预测模型.HGP算法利用在初始种群中加入部分机理经验的方式,融合机理和数据分析进行综合建模;采用反馈校正的思想,对模型多次修正,提高模型的精度.实验表明建立的烧结矿化学成分预测模型的有效性.     

基于遗传规划的铁矿烧结终点2级预测模型

为了解决铁矿烧结过程中烧结终点(BTP)的建模问题,提出改进的混合分类遗传规划(CGP)算法.算法将K-中心聚类算法与遗传规划(GP)相结合,通过K-中心聚类算法对烧结过程工况进行分类.对每一类,采用遗传规划建立风箱温度自回归预测模型.模型为2级温度预测模型,即基于温度拐点的中期模型和临近烧结终点处的短期模型.烧结终点通过预测温度的3次曲线拟合得到.实验仿真表明了所提出的2级温度预测模型的有效性.