云制造环境下面向多目标优化的虚拟资源调度研究

为解决云制造环境下虚拟资源调度存在的算法求解效率不高、模型建立缺乏考虑任务间关系约束和任务间及子任务间的物流时间及成本因素等不足,构建了兼顾交货期时间最小化、服务成本最低化、服务质量最优化为目标的多目标虚拟资源调度模型;采用一种基于项目阶段的双链编码方式进行编码,并提出自适应交叉与变异概率公式,以避免交叉、变异概率始终不变导致算法效率下降与过早收敛的问题;在此基础上利用基于项目阶段的多种交叉变异策略相结合的改进遗传算法进行求解,保证了算法的全局与局部搜索性能。实例结果表明,相比于传统的模型与算法,该模型适用性更强,改进的遗传算法在求解效率、准确度与稳定性方面均有较大提高。     

基于改进自适应遗传算法的移动WSN覆盖方法

针对传统的WSN覆盖模型的弊端,尤其是如果一个传感器失效,K-覆盖模型需要至少k个传感器节点监测其范围内是否有目标需要覆盖,提出了一种基于改进自适应遗传算法的移动WSN覆盖方法,在能量资源有限的前提下,尽可能长时间的对指定的目标进行连续监测。该算法考虑到了移动传感器是可以连续和变速运动的,从而能够保证所有目标都在它们的覆盖范围内。仿真结果表明,在使用移动节点的情况下,与其他常用模型相比,改进方法的生存周期和数据包数量都有明显提高。     

不确定视角下改进TOPSIS法的工程评标模型研究

评标质量决定中标者与招标项目的契合程度,但受经验知识和主观判断等影响,定性指标的量化过程易带有主观模糊性,从而影响结果准确度。为减少模糊因素对评标结果的负作用,引入Z-number模糊数识别定性指标的不确定性,依据熵值原理客观确定评标指标及评标专家权重,TOPSIS法集成指标值,构建基于Z-number理论的改进TOPSIS法评标模型。结果表明,提议方法不仅能明晰度量定性指标值本身的模糊程度,还实现了指标值不确定性的针对化削减。同时,在有效避免主观赋权带来的不确定性基础上,该方法也克服了指标间的不可公度性。通过示例分析与敏感性分析验证了模型的实效性与稳定性。     

1-[3-(三氟甲基)苯基]-2-丙酮的合成新方法

以间三氟甲基苯胺为起始原料,经重氮化反应和改进的Meerwein芳基化反应,制得1-[3-(三氟甲基)苯基]-2-丙酮。对反应条件进行了优化,在优化条件下的总收率可达90%。     

采用改进的温梯法生长氟化钙晶体

对现有的晶体生长温梯法进行改进,将炉内温场分为坩埚底部温度高于坩埚顶部温度的化料区和坩埚底部温度低于坩埚顶部温度的温梯生长区两部分.通过对坩埚相对于温场位置的控制,获得适宜进行熔体均一化和晶体生长条件.生长了尺寸为φ135 mm×150 mm氟化钙(CaF2)晶体,生长的CaF2晶体质量较好,位错密度＜330/mm2,从190 nm到9000 nm透过良好,紫外200 nm处和红外9 μm处透过率可达80%以上.     

熵权-云模型在土石坝安全综合评价中的应用

提出了一种基于熵权-云模型的方法,借鉴云模型的特点,在构建评价层次结构模型时,采用改进层次分析法结合信息熵确定各评价指标权重,以克服运用模糊层次综合分析法时权重受人为主观判断影响较大和模糊概念会丢失部分不确定性等问题,改进隶属函数对土石坝进行综合评价,并以某均质土石坝为例评价了大坝安全状态,分析表明该方法具有可行性。     

ECOC-DRF: Discriminative random fields based on error correcting output codes

We present ECOC-DRF, a framework where potential functions for Discriminative Random Fields are formulated as an ensemble of classifiers. We introduce the label trick, a technique to express transitions in the pairwise potential as meta-classes. This allows to independently learn any possible transition between labels without assuming any pre-defined model. The Error Correcting Output Codes matrix is used as ensemble framework for the combination of margin classifiers. We apply ECOC-DRF to a large set of classification problems, covering synthetic, natural and medical images for binary and multi-class cases, outperforming state-of-the art in almost all the experiments.     

基于局部搜索的改进SPEA2算法

由于追求收敛速度与防止陷入局部最优,标准的改进强度Pareto算法(SPEA2)过于注重全局搜索能力,从而导致局部搜索能力不足.为了增强SPEA2算法的局部搜索性能,进而提高算法收敛速度,提出了一种基于局部搜索的改进SPEA2算法.该算法单独设置一个新外部存档集以保存局部搜索后的非支配集,并且改进了交叉算子,加入了部分个体更新策略.将该改进算法与SPEA2算法进行了收敛性能比较实验.仿真实验结果表明,相比于标准算法,改进SPEA2算法不仅可以保证收敛到多目标优化问题的Pareto最优边界,而且在收敛能力上也得到了较好的改善.     

无轴承异步电机转子磁场定向MRAS转速辨识

为了准确辨识无轴承异步电机的转速,提出一种改进转子磁链估算电压模型。以改进转子磁链估计模型为基础,构建了无轴承异步电机的转子磁场定向模型参考自适应(MRAS)无速度传感器矢量控制系统,并通过Matlab/Simulink进行了系统仿真分析。仿真结果表明:基于所提出的转子磁链改进模型,可有效避免纯积分环节初值和累计误差等影响,获得较高的转速辨识精度。所提出的转子磁链辨识模型和MRAS无速度传感器矢量控制系统是有效和可行的。     

一种克服sEMG人机交互中肌肉疲劳的SVM算法

在基于表面肌电信号的人机交互系统中,产生的肌肉疲劳降低了系统的稳定性。针对该问题,分析肌肉正常状态和疲劳状态下的肌电信号变化规律,提出一种改进的在线支持向量机增量训练算法。该算法在每次训练SVM(Support Vector Machine)模型时,计算各样本到分类超平面的距离,并以之为条件对不断更新的训练数据进行有条件的选择和遗忘,只留下最大距离1/2以内的数据。通过在线训练不断更新训练样本来获得新的SVM模型,用于适应肌肉疲劳过程中肌电信号的变化,同时防止多次在线训练过程中更新的样本改变训练集间初始边界。最后在智能轮椅上进行验证,实验结果表明:该算法有效减少了肌肉疲劳在人机交互系统中的影响,使得系统能够保持长时间稳定操作。