葡萄糖注射液灭菌工艺验证性方案设计

目的验证葡萄糖注射液的灭菌工艺。方法通过对灭菌柜空载热分布实验、满载热分布实验和生物指示剂试验进行验证同时考察产品无菌状态以及主成分的变化。结果灭菌柜能够提供预定的灭菌条件,葡萄糖注射液经过灭菌操作后无菌检查合格,且其主成分改变很少。结论葡萄糖注射液通过灭菌验证。     

对等式网络并行GA的设计与实现

本文讨论的并行遗传算法是一类基于对等通讯的网络异步并行遗传算法，通过对粗粒度并行模型的改进，使它适合于在普通网络环境下推广应用，本文讨论的并行遗传算法具有通讯开销小、子群体间信息交流分以及便于实现等特点。     

一种快速构造非支配集的方法--擂台法则

多目标进化算法是用来解决多目标优化问题的,为了提高多目标算法的效率,提出了一种快速构造非支配集的方法——擂台法则。它的时间耗费要低于Deb和Jensen提出的构造非支配集的方法。在实验中将擂台法则同Deb和Jensen的方法进行了比较,最后实验结果证明前者在运行时间上要优于后两者。     

一起循环流化床锅炉“灭火”事件分析

1锅炉灭火事件概述 通常,锅炉在正常运行时燃烧稳定,在没有人为干扰的条件下,相关参数如炉膛温度、蒸汽温度和压力等,将维持基本不变。但是,当受到某一因素干扰后,锅炉可能会发生燃烧不稳定,甚至燃烧突然中止、炉膛火焰丧失等现象。     

基于Delaunay三角剖分的多目标进化算法解集分布度评价指标

系统分析目前多目标进化算法(MOEAs)分布度评价指标的特点和不足,提出一种基于Delaunay三角剖分的分布度评价指标。该指标将基于邻域和基于距离的评价思想相结合,利用Delaunay三角网最近邻与邻接性的特点实现自主邻域划分。采用空间映射的方法,有效减少MOEAs解集非支配关系对种群分布度评价的影响。测试结果表明该指标能准确反映MOEAs解集的分布性。     

量子多目标进化算法研究

本文首次将量子计算的理论用于多目标优化,提出量子多目标进化算法（QMOEA）,其采用量子位染色体表示法,利用量子门旋转策略和量子变异实现群体的进化,使用ε支配关系构造外部种群以此保持算法的较好分布性,提出基于快速排序的非劣最优解构造方法加快算法运行效率,实验表明,这种方法与经典的多目标进化算法SPEA2相比,其收敛性更好且分布更均匀     

电除尘器高压柜运行方式优化调整

针对某电厂电除尘器（ESP）运行中电耗大的情况,进行了ESP高压柜控制方式的调整试验。调整后,可使ESP占厂用电率从0．4％下降到0．28％,下降了0．12％左右,节能效果非常明显。     

引导交叉——一种新的遗传交叉策略

介绍了遗传算法的优化方法,在已经存在的交叉算子上提出了一种新的交叉算子——引导交叉,它结合了异位交叉和等位交叉的特点,并加入个体反码表示形式,在执行交叉操作前有一个自适应的选择交叉方式的判断,给出了5组不同的测试函数的仿真实验。实验结果表明,引导交叉算子可比其他交叉算子更有效地提高遗传算法的收敛性,且易于找到全局最优解。     

一种新的动态TSP模型及其求解方法

TSP问题是经典的NP难问题,学者们已经提出很多有效的方法,但大多都是基于静态情形的,然而现实中的TSP问题基本为动态的,动态TSP将是一个更符合实际TSP问题的研究领域。提出了一种基于高斯扰动的动态TSP模型,设计了扰动响应算法,并对反序交叉算子做了改进。实验证明该算法的有效性和新模型的现实意义。     

基于定向爬山的遗传算法

爬山法是一种局部搜索能力相当好的算法,主要是因为它是通过个体的优劣信息来引导搜索的。而传统的遗传算法作为一种全局搜索算法,在搜索过程中却没有考虑个体间的信息,而仅依靠个体适应度来引导搜索,使得算法的收敛性受到限制。将定向爬山机制应用于遗传算法,提出了一种基于定向爬山的遗传算法（OHCGA）。该算法结合了爬山法与遗传算法的优点,通过比较个体的优劣,使用定向爬山操作引导算法向更优秀的解区域进行搜索。实验结果表明,与传统遗传算法（TGA）相比,OHCGA较大地提高了算法的收敛速度和搜索最优解的能力。