纺织企业的原料库存控制模型研究

合理控制库存量,降低原料库存成本对纺织企业提高市场竞争力具有重大的意义。通过建立原料库存的不定量不定期控制模型,并采用遗传算法求解,给出了满足平均库存成本最小的(s,S)控制策略,并通过实例验证算法的有效性。     

基于改进遗传算法的星地任务优化调度研究

星地任务优化调度是利用特定的星地资源合理地安排星地任务。由于星地任务众多而资源有限,而且星地任务受星地可见性以及多方面约束,星地任务调度问题十分复杂。针对星地任务的特点,建立了星地任务调度问题模型,提出了基于改进遗传算法的星地任务优化调度算法。算法采用按适应度排名轮盘赌选择、顺序交叉、随机对换变异的算法要素。针对遗传算法局部搜索能力弱的特点,提出了利用爬山算法优化新一代个体的方法,以增强遗传算法的局部搜索能力,给出了基于改进遗传算法的星地任务调度算法。     

用混合式遗传算法进行给水管网现状分析

将广义简约梯度法(GRG)思想应用于传统遗传算法,提出一种新的混合式遗传算法(HGA),此方法具有很强的全局和局部搜索能力,并且无需复杂的编码、解码过程,可以准确解决多变量、多峰值的给水管网现状分析问题。采用此算法,绝大多数的计算值与实测值的误差可减小到1%以下,能准确反映管网的实际工况。     

高速高机动目标自适应IMM跟踪算法

针对目标运动过程中有转弯机动等复杂运动模式的高速高机动目标,设计了自适应两层IMM跟踪算法。该算法内层由改进的机动目标当前统计模型构成,把目标速度方向角作为伪测量值进行滤波,实时获得目标的角速度和角加速度;外层模型由常速模型和曲线模型构成,把内层模型得到的切向加速度和转弯角速度作为曲线模型参数,利用IMM算法进行滤波。仿真结果表明,该算法对高速高机动目标具有较高的跟踪精度,算法实现简单,具有一定的实际应用价值。     

基于虚拟仪器技术的地下水探测系统研究

为了整合磁共振测深(MRS)地下水探测系统的测量与反演功能,结合LabVIEW软件在测量与信号处理方面的优势,利用虚拟仪器技术开发了地下水探测系统的上位机系统软件,实现了对探测系统整个操作流程的管理。根据已知探测地区的拉莫尔频率产生激发信号,送至发射/接收线圈,利用快速关断技术实现了发射与接收的快速切换。将采集的弛豫衰减信号送至反演解释算法模块,采用改进的量子遗传算法与截断奇异值分解(TSVD)的联合方法,反演解释了地下含水层的水文地质参数。野外试验表明,该探测系统的工作稳定性好,验证了反演结果的准确性。     

基于模拟分析技术和随机搜索算法的化工过程能量集成方法研究

夹点和模拟分析技术已在化工能量集成中广泛应用.今以夹点技术为基础,对化工过程系统用能进行诊断,根据"过程用能一致性"原则提出能量集成改造方案,通过改变塔压实现塔顶冷凝器与塔底再沸器的热集成多效蒸馏.夹点技术实现的优化目标仅是热回收最大或公用工程能耗最小,不能实现包括设备整体费用最小的过程全局最优化.研究基于模拟技术,通过灵敏度分析,得到精馏塔各操作参数的样本映射数据,通过多项式拟合得到参数关联方程,并在遗传算法及模式搜索中设计过程费用函数,提出了将模拟分析技术与随机搜索算法相结合的,以过程费用函数最小化为优化目标的能量集成方法.工业实例的成功设计应用证明了其有效性和可行性.     

基于SDNA-GA 优化的模糊神经网络控制

针对最新的生物DNA研究,病毒中同一DNA碱基顺序可以编码出2条或者3条不同的多肽链.在此基础上分析与模仿了重叠基因和重叠密码的机理,得到一种新的基于重叠基因编码框架,从而提高了问题求解的效率;同时,得到一种移码解读框架的DNA遗传算法(SDNA-GA)计算模型,并将其应用于一类广义隶属度型T-S模糊神经网络控制器(GTS-FNNC)的优化设计,实现了GTS-FNNC的在线学习.     

交互式动画图表轻松做

正如果你将一个交互式较强、动画效果较好的图表展现给老板,老板想看哪部分数据的图表时随手一点,图表内容就会以Flash般的炫丽呈现出来,这比起简单、呆板的普通图表来定会让老板更看好。只要安装了水晶易表,这样的图表就能轻松制作出来。实例对电信公司月销售数据进行图表分析,要求:1.能够利用标签     

精确实验数据曲线方程的求解

针对精确实验数据的曲线拟合方程化处理方法已不再适应高精度测试技术的问题,提出了用三次样条插值函数进行曲线方程化处理的新方法,并创建了用MATLAB语言编写遗传算法程序进行曲线斜率求解的方法,通过实例表明,采用遗传算法求解出的三次样条插值函数非常适合精确实验数据的曲线方程化处理。     

基于软件定义网络和移动边缘计算的车联网高效任务卸载方案

随着车联网(IoV)中车辆和智能应用数目的增加使计算密集型任务激增,传统架构难以满足用户需求。为解决车联网计算资源不足且分配不均匀、应用时延需求无法满足、任务能耗成本较高的问题,结合移动边缘计算(MEC)和软件定义网络(SDN),设计了一种从宏基站到MEC服务器到车辆的车联网架构中的高效任务卸载方案,并提出一种改进的低复杂度非支配排序遗传算法,优化任务卸载成本和MEC服务器的负载均衡率。实验仿真结果表明,相比于随机卸载,NO-MEC卸载,NO-I卸载,传统NSGA、NSGA-Ⅱ卸载,GA卸载,Q-learning卸载,DQN卸载方案,所提方案有着更低的卸载成本,更优的负载均衡率,得到近似最高的系统效用,能够给车联网中的车辆用户带来更优质的网络服务。