有向超图的超网络能量及其性质

图能量表述为方阵形式的矩阵特征值绝对值之和. 网络能量已在无向图、有向图及混合图中得到较为成功的应用,与传统意义上的图能量之间存在多个相同或相似的上下限. 由于图与超图之间的关联,无向图与有向图的网络能量及无向超图的超网络能量之间存在密切联系. 将超网络能量由无向超图推广应用到有向超图,提出了有向超图的超网络能量,分析了无向超图与有向超图的超网络能量之间的关联,同时论述了无向图与有向图的网络能量及无向超图与有向超图的超网络能量之间的联系,最后给出了有向超图的超网络能量若干重要性质.     

正交优化法在区域供冷系统管网优化设计中的应用

以管网年折算总费用最低为目标,选取管径、冷水流速、管道保温层厚度作为优化变量,将用户冷负荷需求和合理冷水流速范围作为约束条件,建立区域供冷系统管网优化目标函数,并采用正交优化方法进行优化计算。以株洲市神农城区域供冷管网为例进行计算,结果表明:管网设计参数对管网经济性的影响排序依次为:d(管径)、v(流速)、δ_t(保温层厚度),且三者都是不可忽视的主要因素;株洲市神农城区域供冷系统管网优化设计参数组合为d_e=300 mm,v_e=1.06 m/s,δ_(te)=0.057 m,年折算总费用为282 729元;正交优化法可以作为区域供冷系统管网优化设计的工具,适合一般工程技术人员使用。     

AOE网络技术在采煤工序优化设计中的应用

采煤工序优化设计是采区优化设计的重要一环。本文采用数据结构中AOE网络技术求解采煤工序设计网络图的关键路径,来优化采煤工序,进而编制合理的循环图表。     

正交试验设计方法在微絮凝-超滤膜系统设计中的应用

目的研究适宜的膜过滤运行工艺,为膜过滤法饮用水处理提供技术参考.方法试验以抚顺大伙房水库水为原水,利用正交试验方法,以三因素三水平正交为试验设计方案,通过分析处理水量、过滤时间、加药量等因素对微絮凝-超滤膜系统的运行效果影响,确定显著影响因素和最佳运行工艺参数.结果通过正交试验设计法得出微絮凝-超滤膜系统的最佳工艺参数组合:处理水量为2 m3/h,过滤时间为40 min,加药量为5 mg/L,其中显著影响因素为处理水量.结论微絮凝-超滤工艺在最优参数运行条件下,可以有效处理水中浊度和有机物,处理效能远高于传统常规工艺.     

神经网络在系统优化设计中的应用

本文首先简介了系统优化问题，然后以Hopfield神经网络在对铺设公路至若干油田的路线进行优化设计中的应用为典型事例，初步探讨了在复杂系统的优化方案设计中运用人工神经网络的可行性，并从中得出拥有并行分布计算优势的神经网络在解决系统组合优化问题时具有优越性这一结论。     

正交设计法对蜗杆减速器的优化设计

用正交设计法对蜗杆减速器进行了优化设计，与其它设计方法相比，具有设计变量主次分明，计算过程清晰的特点。     

插值算法在多模馈电网络优化设计中的应用

多模馈电网络是短波多模多馈天线系统的关键部件，实现其高效、精确的优化设计，将为整个多模多馈天线系统的优化设计奠定良好的基础。本文基于互联网络子结构分析方法，利用距离倒数权值插值方法对馈电网络的测量数据库进行了无缝化处理。研究结果表明，该算法能在满足一定的插值精度和插值效率的条件下对数据进行有效的插值处理，它在多模馈电网络中的有效应用将为整个多模多馈天线系统的优化提供有利的支持。     

基于正交试验的机械部件加工研究

将正交试验应用到机械加工中,研究了背吃刀量、切削速度和进给量对粗车工效影响的主次顺序.试验结果表明,利用正交试验能够迅速找到最优水平组合方案,从而减少了试验次数,降低了生产成本,实现高产效益.     

正交试验法在机械加工中的应用

本文通过实例简要介绍了正交法在机械加工试验中的应用,利用正交法进行试验研究,可以减少试验次数,缩短试验周期,了解各种因素对指标的影响程度,获得最优的生产条件,同时,也为进一步探求更好的条件指明了方向.     

面向机械多级设计的超图生长型二分算法

提出了一种新型的在机械多级设计中实现超图二分的生长型分解算法。该算法由生长过程和平衡过程组成。通过提出超图中核心点集和边界点集的划分、种子的选取原则以及顶点的卫星云图等概念和方法,实现了机械多级设计中超图二分生长型算法的生长过程,并以Tabu算法实现了其边界点的平衡过程。对比测试结果表明该算法具有较好的适应性和较高的搜索效率。     

正交实验法在兼容性测试中的应用

为了解决在软件兼容性测试中使用全面实验法设计的测试用例过多,测试工作量太大的问题,研究了一种在兼容性测试中如何应用正交实验法的方法.首先分析待测软件,确定因素个数和每个因素对应的水平个数,然后从标准正交表中选择一个水平个数相同,因素个数大于或等于实际因数个数的正交表,最后把各因素的水平值映射到测试用例表中,并把每一行各因素水平值的组合作为一个测试用例.使用正交实验法,能从全面实验需要设计的大量测试用例中挑选部分数据进行测试,而且这些数据均匀分散,齐整可比,具有代表性.实践证明,在兼容性测试中应用正交实验法,可以有效减少测试用例的数目,减少测试工作量,降低测试成本.特别在因素个数和水平个数越多时,效果越明显.     

Application of Orthogonal Experiment in EDM Using the Suspended Powder Fluid

To solve the problems of EDM when using the ordinary fluid and mold manufacturing ,this paper provides the orthogonal experinent in the suspended pouder fluid ,which can optimize the main proces parameters,And it also achieves the technology of EDM in the suspended powder fluid primarily.     

可套约束分划

本文引进了在拟阵约束条件下的可套（ｎｅｓｔｅｄ）集与可套约束分划概念，并证明了最优约束分划问题的最优解必、在可套分划处达到．从而是多项式可解的．     

优化试验设计在染色工艺中的应用

近年来优化试验在我国各行各业的生产和科研中得到了广泛的应用，并取得了一些成果。本文运用拟因子设计给出了最佳染色工艺。     

基于ABAQUS和正交试验法的基坑支护桩优化

针对目前深基坑支护桩设计过于保守的问题,通过正交试验法,利用有限元软件ABAQUS进行数值模拟分析,优化内支撑排桩支护方案.选择支护桩桩径、桩间距和桩长为研究因素,以支护结构最大水平位移为评价指标,通过正交分析,确定对支护桩稳定性影响最大的因素,并得到最优的支护方案.结果表明,对支护桩设计影响最大的因素是桩径,其次是桩长,再次是桩间距,基于ABAQUS和正交试验法的基坑支护桩优化方法,可以定量判定支护桩的优劣,相比于经验法有了较大的提升.     

地下水环境脆弱性分区研究

在分析地下水环境脆弱性评价因素的基础上制定了宁陵县地下水环境脆弱性分级标准,针对评价因素具有多层次、模糊性的特点,建立了基于层次分析(AHP)的模糊综合评价模型,识别了宁陵县地下水环境脆弱带,分析了各地下水环境脆弱区的特性.     

Reinforcement learning with partitioning function system

The size of state-space is the limiting factor in applying reinforcement learning algorithms to practical cases. A reinforeement learning system with partitioning function (RLWPF) is established, in which statespace is partitioned into several regions. Inside the performance principle of RLWPF is based on a Semi-Markov decision process and has general significance. It can be applied to any reinforcement learning with a large statespace. In RLWPF, the partitioning module dispatches agents into different regions in order to decrease the state-space of each agent. This article proves the convergence of the SARSA algorithm for a Semi-Markov decision process, ensuring the convergence of RLWPF by analyzing the equivalence of two value functions in two Semi-Markov decision processes before and after partitioning. This article can show that the optimal policy learned by RLWPF is consistent with prior domain knowledge. An elevator group system is devised to decrease the average waiting time of passengers. Four agents control four elevator cars respectively. Based on RLWPF, a partitioning module is developed through defining a uniform round trip time as the partitioning criteria, making the wait time of most passengers more or less identical then elevator cars should only answer hall calls in their own region. Compared with ordinal‘ elevator systems and reinforcement learning systems without partitioning module, the performance results show the advantage of RLWPF.