基于Java多线程技术实现的粒子群优化算法

在研究粒子群优化算法生物特征的基础上，提出了粒子群优化算法的异步模式。在异步模式的程序实现上，采用Java多线程技术，使每个粒子的行为成为一个独立的线程，进化中的粒子个体充分表现出独立性，种群表现出异步性。最后利用一些经典的标准测试函数，与经典PSO算法(可称为同步模式)进行了比较分析，结果表明：异步模式的收敛速度较同步模式有显著的提高；同时，在一个较小时间段(一般小于整个运算时间的5％)之后，异步模式在寻优效果上也明显优于同步模式。     

基于小波包与模糊聚类算法的声波法检测流化床内颗粒的平均粒度

平均粒径是气固流化床反应器运行时需要监控的重要参数之一,利用声波信号检测床内颗粒平均粒度的方法能克服传统方法不能实时在线测量的缺陷,安全环保不侵入流场.先用Db5小波包将声发射信号3尺度分解,求出各细节信号小波系数的绝对值加和,构成声信号的能量模式,标准化之后经主成分分析得出主成分,再用模糊均值聚类方法分类.由于不同粒度的声波信号经小波包分解后,其小波系数绝对值加和具有特定的模式,因而,这种方法分类准确性达98%以上.     

二氯乙烷精制流程方案的研究

笔者时引进装置中的EDC精制工艺进行了剖析．时国内已有的EDC精制技改工艺进行了比较，利用Aspen-plus10．2流程模拟软件，结舍实际的化工装置运行情况，初步讨论了几种新的流程设计方案及其节能情况，认为采用双效变压耦舍操作流程是实现二氯乙烷精制节能最为有效的手段。     

化学化工数据局外点检测方法研究进展

局外点检测对于注重试验和数据采集的化学化工领域,其重要性不可忽视。结合化学化工的数据特点,对局外点检测方法的理论基础、应用需求、研究思路、技术关键和发展进程进行了综合分析。分别针对线性和非线性参变对象,概要介绍了当前适用的检测方法,包括各类判别标准、直接和间接方式、单个和多个局外点检测、经典和现代方法以及它们的优缺点和最新进展。最后展望了局外点检测方法的前景和发展方向。     

迭代遗传算法及其用于生物反应器补料优化

针对化工动态优化的数值求解问题,提出将迭代思想与遗传操作相结合,构建迭代遗传算法.算法首先对时间区间和控制搜索域实施离散化,进而应用遗传操作搜索离散问题的最优控制策略.逐步收缩搜索域并迭代以消减离散化带来的偏差,不断改善寻优结果,增强算法的稳健性.实例测试表明该算法简便、可行、高效,已成功地应用于Lee-Ramirez生物反应器补料流率的优化,运算结果优于文献值,显示了迭代遗传算法的优越性.迭代遗传算法尤其适用于系统的梯度信息不可得的情况.     

一种能自动均衡处理器负荷的仿真模型调度方案

本文针对目前采用序贯模块法，仿真开发环境在模型调度方面普遍存在的缺点，提出了一种新的模型调度方案，这种方案是基于可抢断式多线程并发机制的，能以不同频率执行模块，并能自动均衡处理器负荷。     

多层前传神经网的广义误差反传训练与模式分类

本文以天然留兰香的组分构成与其品质的关系为例，讨论人工神经元方法用于复杂信息模式分类的问题，提出一种广义的误差反传训练策略，将网络的训练范围从联接权扩大到神经元模型，这种新的训练方法（ＧＢＰ）能提高多层前传网络的学习效率，加快收敛的速率。实际运行的结果表明，所需训练时间仅为普通误差反传（ＢＰ）训练方法的１／１５，并能达到较高的预报精度。     

飞利浦半导体的One Page Strategy

透过关键技术的掌握,使得飞利浦半导体(Philip Semiconductor)能够在当前竞争激烈的多媒体影音领域当中产品当中维持一定的领导地位.作为全球前十大导体的领导厂商,目前飞利浦半导体在全球共有3万1千多名员工,其所提供的产品及服务主要是以协助人们建构一个连结信息、娱乐还有服务的应用环境为其的经营宗旨.     

基于粗糙集和蚁群算法的决策库用于毒性分类

粗糙集理论适于处理离散属性,对于连续属性,需经离散化,其本质是搜索最小断点集以及最小属性约简,两者均为NP难问题,为此提出了样本可分辨矩阵和覆盖策略,并引入权重,将其归结为约束最小化问题,采用蚁群算法求解.引入了启发式信息的动态计算方法,并结合后验的信息素,计算选择概率,逐步引导蚁群可行解构造,2类信息的结合有助于提高寻优性能.将该方法用于2类同系化合物的毒性作用机制分类研究,可有效地实现断点集最小化和属性最小约简,由此便于建立分类规则库.相比判别分析、径向基网络和支持向量机3种方法,该规则库具有更加良好的预测性能,且易于专业分析和理解.     

流化床反应器声信号的多尺度分析与平均粒度检测

平均粒径是气固流化床反应器运行过程中需要监控的重要参数之一,首次提出了利用声波信号对床内颗粒平均粒度进行检测的方法,该方法安全环保不侵入流场,能克服传统方法不能实时在线测量的缺陷．对于接收仪获得的声发射信号,先用sym8小波变换进行六尺度分解,求出各细节信号小波系数的绝对值加和,标准化之后进行主成分分析,主成分分析可以消除原自变量间的复共线性,减少变量的个数．以所得主成分作为自变量,颗粒的平均粒度作为因变量,并由-4-8-1结构的三层前传神经网络为预测模型,所建神经网络结构简洁,根据声信号对平均粒度的预报准确性高于98％．