换热网络的优化改造及稳定运行控制策略研究

换热网络优化改造属于混合整数非线性规划问题,存在非凸、多极值和离散的特点。应用经典的数学优化方法很难获得全局最优值。本文采用混合遗传算法对换热网络优化改造目标函数进行优化求解,并基于换热网络热负荷平衡原则,在换热网络优化改造的基础上,提出了控制换热网络稳定运行方案,并确定了换热网络稳定运行可调范围。     

应用于换热网络优化的混合遗传算法性能研究

换热网络综合优化属于系统热集成技术的重要研究方向。换热网络综合优化技术研究对于节约能源、保护环境和提高高耗能企业的市场竞争力具有重要意义。然而,由于换热网络综合优化模型本身属于MINLP问题,形式复杂且解空间大,经典的梯度寻优很难凑效。本文建立了以年总费用函数为优化目标的换热网络综合优化模型,提出了应用改进的混合遗传算法用于换热网络综合优化,并以基本遗传算法为对照,对混合遗传算法的用于换热网络综合的性能进行了研究。实例研究表明改进的混合遗传算法能更有效地进行换热网络综合优化。     

针翅套管双侧强迫对流换热实验研究

为了解新型针翅套管双侧强化传热元件的换热特性,以润滑油-水为工质,对针翅套管进行了双侧强迫对流换热实验研究,分析了针翅高度与针翅管节距对换热的影响.研究结果表明:针翅套管换热元件具有良好换热效果,其双侧强迫对流换热特性与普通流道不同,由于针翅的扰动,流体在实验范围内已表现出紊流换热的特征;润滑油进出口温差对换热具有双重的影响.实验范围内,针翅管的针翅高度对换热影响较大,而针翅管节距对换热的影响相对较小.回归出的针翅套管双侧强迫对流换热实验关联式对实验结果能进行很好的关联,为进一步的研究工作奠定基础.     

换热网络布局问题的改进及计算

对换热网络布局结构进行了修改.应用图论、轨道、等价关系、度数以及有限群对集合的作用等刻划了换热网络新的布局结构,并给出了不同构布局图的计算公式.     

解决一类家纺企业生产计划排单问题的并行混合遗传算法

为了解决一类家纺企业的生产计划排单问题，提出了一个基于自然编码的混合遗传算法，此算法具有如下特点：一方面编码方式能有效地反映调度方案；另一方面对每子代得到的调度方案利用爬山算法对其进行了局部调整，大大加快了收敛速度．同时为了更好地适应调度实时性和解大规模此类问题的需要，基于遗传算法自然并行性特点的基础上，实现了主从式控制网络模式下并行混合遗传算法．计算结果表明，此算法是有效的，优于普通的遗传算法，有着较高的并行性，并能适用于解决大规模此类企业生产计划排单问题.     

能量系统广义换热网络优化的蒙特卡罗SCDD法

在能量系统广义换热网络超结构及其数学模型基础上,提出了广义换热网络优化的蒙特卡罗SCDD混合算法,将蒙特卡罗法的全局搜索能力强和SCDD法计算效率高的优点相结合,提高广义换热网络优化算法的鲁棒性和计算效率,也增强了算法获得全局最优解的能力。实例应用表明:蒙特卡罗法能够有效获得广义换热网络的初始能流分配比例,而SCDD法提高了最佳能流比例的求解效率,利用蒙特卡罗SCDD混合求解算法可获得广义换热网络的最佳能流分配比例,使得总能利用效率最高。     

基于MGA的全终端网络可靠性优化设计

为了改善传统方法和基本遗传算法在求解全终端网络可靠性优化设计问题中得到的解的质量,分析了全终端网络可靠性优化设计问题和基本遗传算法实现原理,从用户角度出发,建立了一种新的在成本上限约束下极大化网络可靠度的数学模型.针对该模型,设计了一种具有较强局部搜索能力的混合遗传算法,并对其进行了优化求解.计算机仿真实例表明,混合遗传算法在解决此类问题上较基本遗传算法更为有效,能够得到较为满意的优化结果.     

基于HGA通讯网络费用的优化问题

以实际网络为研究背景，针对可靠性约束下的通讯网络费用优化问题，建立了实现费用最小的非线性数学模型.针对模型的特点，根据遗传算法在求解优化模型时的特性以及其在解决该类问题时所存在的问题，利用单点爬山技术，并将其与遗传算法相结合，形成了混合遗传算法.通过仿真实例，表明了这种混合遗传算法在解决可靠性约束下的通讯网络费用优化问题中是可行和有效的.     

用混合遗传算法求解武器目标分配问题

为了提高武器目标分配问题的求解效率,提出了一种求解武器目标分配问题的混合遗传算法.针对遗传算法局部搜索能力的不足,引入局部搜索能力很强的爬山算法与之结合,构造了武器目标分配问题的混合遗传算法.计算结果表明,混合遗传算法与传统优化算法相比,收敛速度更快,分配结果更优,具有很好的应用价值.     

基于ABC法和自适应混合遗传算法的仓储区域布局优化策略

针对仓储区域的规划问题,提出了基于ABC法和自适应混合遗传算法的两阶段布局优化策略:第一阶段从整体上应用ABC法对仓储区域进行科学规划,缩短了搬运距离和作业时间;第二阶段将货位分配问题转化为装箱问题进行研究,并应用自适应混合遗传算法进行求解,从而提高了货位利用率.仿真结果表明,该算法在效率和精度上均优于基本遗传算法.     

一种用于BN结构学习的自适应遗传退火算法

模拟退火算法（SAA）和遗传算法（GA）作为智能算法是结构学习的重要方法．针对两种典型算法存在收敛速度慢或过早陷入局部最优的问题,利用GA进行选择,通过SAA进行搜索并利用独立性测试信息自适应引导算法的进化,提出一种自适应遗传模拟退火算法（AGSAA）,应用于贝叶斯网络（BN）结构学习．仿真结果表明AGSAA在学习的准确性和运行效率上均要优于SAA．     

快速路网导行控制研究

简述了快速路网导行控制的基本原理,提出了以可变信息标志（VMS）为诱导手段的快速路网导行控制方法．导行控制以经典的METANET模型作为快速路交通网络模型,采用非线性最优控制方法进行控制问题的建模,采用遗传算法求解优化问题．仿真算例显示了导行控制的有效性．     

基于遗传算法的WSN谣传路由的改进

谣传算法是一种基于数据查询的无线传感器网络路由机制,它通过事件agent和查询agent形成的路径交叉生成一个路由,该算法存在着路径非最优化问题。为此,提出了一种基于遗传算法的谣传路由协议,它由谣传算法生成多条路径,利用遗传算法对此多条路径进行操作,将能量消耗作为评价指标,生成最优的路径。仿真表明,此算法能有效的降低节点的能量消耗,极大的延长了网络的生存时间。     

基于AGA优化BP网络的小信息量蜂窝网定位算法

为了实现蜂窝网中小信息量情况下对移动用户的定位,在只有驻留基站和一台定位设备可用的条件下,建立了TOA／TOA定位模型,提出了一种基于BP神经网络的定位算法,并用自适应遗传算法（AGA）优化BP网络的权值。仿真结果表明,在小信息量条件下,优化后的算法在复杂的多径环境下有效地提高了定位精度,能够很好地解决模型中固有的模糊点问题,达到了FCC的定位要求。     

改进的PSO算法在RFID网络调度中的应用

为在寻优过程中有效地保持算法的种群多样性,提出了一种改进的PSO（ParticleSwarmOptimization）算法——PSOPc（ParticleSwarmOptimizerbasedonPredator—preyCoevolution）。PSOPC算法将生态系统中捕食者和猎物的竞争协同进化机制嵌入到PSO算法中。基于PSOPC进行RFID（RadioFrequencyIDentification）读写器网络调度模型的求解,根据读写器冲突关系的变化在线进行读写器的时隙分配求解与控制,在不影响读写器工作效率的同时,有效消除密集读写器环境下的读写器冲突问题,并优化整个读写器网络的工作效率。     

神经网络在GPS高程拟合中的应用

讨论利用遗传算法(GA)、粒子群算法(PSO)来优化BP神经网络权值和阈值的原理;结合平坦地区的工程实例,研究二次曲面、BP、GA-BP与PSO-BP 4种拟合模型在GPS高程拟合中的应用.拟合结果表明:PSO算法优化BP神经网络精度效果优于GA算法优化BP神经网络精度,拟合误差更小.     

基于二重结构编码遗传算法的传感器优化配置

传感器的优化配置是一类组合优化问题,针对此问题,文章以应变模态保证准则SMAC为优化原则,以SMAC矩阵的最大非对角元为目标函数,针对满足传感器数量不变的约束条件问题,提出改进的二重结构编码遗传算法,并通过现有文献中的算例验证本文所提算法的高效性。算例结果表明,该遗传算法优化结果优于现有的遗传算法,将其应用于复合材料板模型损伤诊断的传感器优化配置是可行的。     

容迟网络中的节点转发策略

容迟网络结构为很多面临挑战的网络提供了互操作性,它没有稳定的端到端的传输路径,而且具有高延迟和频繁中断的特点,当前的Internet体系结构和网络协议无法适用于这样的网络。基因算法（GA）是启发式求解法,建立在生物器官的基因遗传过程的基础上。并行基因进化论（PGE）是一种新的有效探索某问题解决空间的方法。在并行基因进化论（PGE）中,群体被分为若干亚群体,基因算法在每个亚群体中独立运作。主要研究在容迟网络中利用分布式基因进化理论,研究基于并行基因进化论（PGE）的节点策略模型,构建以质粒迁徙为基础的区域性基因算法,研究高度分布式环境下的节点转发策略。     

支持向量机大规模样本快速训练算法

普通的支持向量机算法在对大规模样本进行分类的时候有着较高的时间代价。随着训练样本数量的增多,支持向量机的训练速度问题将会越发明显,并且成为制约其实际应用的瓶颈。针对此问题提出了超椭球面方法,通过去掉噪声点、冗余点,并保留能明确体现样本在空间分布位置特征的样本点,以达到提高支持向量机对大规模样本训练速度的目的。实验表明,超椭球面法在最大限度保证识别正确率的前提下可以大幅加快支持向量机的训练速度。