一种基于人工神经网络的出租车目标自动预测算法

阐述了ECML/PKDD大会对出租车目的地预测提出质疑的解决方案,使用一种基于神经网络的完全自动化的方法,尝试构建多层感知、双向递归神经网络和记忆网络的模型。提出的方法可以较容易地适用于其他应用程序,目标是预测一个可变长度序列的固定长度输出。     

基于Web Services的钻锣机监控系统的实施与应用

为加强对公司数量较多的钻机和锣机的集中监控管理,实施了利用JSP技术的基于Web services的钻锣机监控系统,采集了设备的工作状态和生产信息,实现了远程设备监控,并通过对加工过程参数和信息进行统计分析,提升了生产管理水平和设备稼动率.该系统可以同ERP和MES系统等系统互通集成,为企业打造透明高效的智能生产管理系统打下坚实的基础.     

矩阵法平面坐标系转换计算浅谈

结合杭州国际会议中心桩基工程实例，介绍了一种绝对坐标系转换为相对坐标系的简便的矩阵计算方法。     

成品酸氮氧化物形成机理及控制技术的研究

本文分析了发红硫酸的生成原因,研究了成品酸发红的反应机理。通过对比试验,确定了NO_x是造成硫酸外观发红的根本原因,并提出了NO_x的技术控制措施。     

求解约束优化问题的改进灰狼优化算法

针对基本灰狼优化(GWO)算法存在求解精度低、收敛速度慢、局部搜索能力差的问题,提出一种改进灰狼优化(IGWO)算法用于求解约束优化问题。该算法采用非固定多段映射罚函数法处理约束条件,将原约束优化问题转化为无约束优化问题,然后利用IGWO算法对转换后的无约束优化问题进行求解。在IGWO算法中,引入佳点集理论生成初始种群,为算法全局搜索奠定基础;为了提高局部搜索能力和加快收敛,对当前最优灰狼个体执行Powell局部搜索。采用几个标准约束优化测试问题进行仿真实验,结果表明该算法不仅克服了基本GWO的缺点,而且性能优于差分进化和粒子群优化算法。     

辽化焦化蜡油络合脱氮中试实验

为降低焦化蜡油中的氮含量,采用络合脱氮的方法,以辽化焦化蜡油为原料,先后进行了单因素实验、正交实验、反应釜及静态混合器中试实验。单因素实验及正交实验结果表明,辽化焦化蜡油络合脱氮适宜的反应温度为65 ℃,剂油体积比为1%。该条件下反应釜中试实验精制油总氮含量为1 945 μg/g,收率为98.36%;静态混合器中试实验精制油总氮含量为1 778 μg/g,收率为98.13%。剂油体积比降至0.86%时,静态混合器中试实验精制油总氮含量为1 998 μg/g,收率为98.78%。脱氮后精制油能够满足催化裂化掺炼油的质量要求。     

含维变异算子的连续域蚁群算法

针对在连续优化中,蚁群算法(ACO)存在的收敛速度慢和易陷入局部最优的问题,提出了一种新的含维变异算子的连续域蚁群算法(DMCACO)。该算法采用动态随机抽取的方法来确定目标个体,引导蚁群进行全局的快速搜索,同时在当前最优蚂蚁邻域内进行小步长的局部搜索。在定义了维多样性概念的基础上,引入维变异算子对维多样性最差的维进行变异：让所有蚂蚁在该维上的位置重新均匀分布在可行区域上。对测试函数所做的仿真实验表明,该算法具有优良的全局寻优能力和快速的收敛能力。     

基于梯度信息指导交叉的遗传算法

针对基本遗传算法在解空间中盲目选取交叉个体,导致算法在后期搜索能力差、收敛速度慢的缺点,提出了一种基于梯度信息指导交叉的遗传算法。该算法通过确定当前种群中目标个体的最速下降方向,选取该方向下的一个有效范围,在该有效范围内选择个体与目标个体进行交叉操作,使交叉后的子代不断向最优解靠近,有效地保证了交叉操作的目的性和可行性。四个典型测试函数的仿真实验表明,该算法显著加快了遗传算法的寻优速度,提高了遗传算法定位最优解的精度。     

基于组合遗传算法的反应动力学模型参数估计

通过构造一个适当的适应度函数,将渣油加氢精制反应动力学模型的参数估计问题转化为一个多维优化问题,然后提出一种组合遗传算法来求解该优化问题。该算法利用混沌序列初始化种群以保证其均匀分布在搜索空间中。在每次迭代过程中随机组合不同的交叉策略和变异以产生若干个新的子代个体。对四个标准数值优化问题进行了仿真实验,仿真结果表明了组合遗传算法的有效性。以石油炼制工业中典型装置催化裂化为例,对渣油加氢精制反应动力学模型的参数进行了优化,获得了满意的结果。     

基于动态随机搜索和佳点集构造的改进粒子群优化算法

针对粒子群优化算法局部搜索能力不足和易出现早熟收敛的问题,提出一种基于动态随机搜索和佳点集构造的改进粒子群优化算法。该算法通过引入动态随机搜索技术,对种群当前最优位置进行局部搜索;采用佳点集构造对陷入早熟收敛的种群重新初始化;引入负梯度方向直线搜索来加速算法寻优。仿真实验结果表明,与标准粒子群优化(SPSO)算法和耗散粒子群优化(DPSO)算法比较, 提出的改进算法具有快速的收敛能力而且能有效地跳出局部最优, 优化性能得到明显提高。