基于免疫机制的多目标蚁群算法用于间歇反应器的约束动态多目标优化

含路径和终端约束的动态多目标优化是过程系统工程的一个重要研究方向,难度较高.传统蚁群算法仅适于离散问题,今采用混合正态分布描述信息素分布,并设计相应的解构造操作,使之拓宽至连续优化问题.通过对目标函数和约束矩阵的非劣捧序,确定解的等级,用以克服传统约束处理方法的局限性.借鉴了免疫系统的浓度概念,将其与解的等级结合,共同确定解的适应度,有助于保持种群的多样性.在更新信息素时将利用外部优解库和种群信息,可加快收敛速度.基于拥挤度距离更新外部优解库可更均匀地逼近Pareto最优解集.由此构建了一种基于免疫机制的多目标蚁群算法(Immune Mechanism based Multi-Objective Ant Colony Algorithm,IM-MOACA),并用于间歇反应器的动态多目标优化问题,效果良好,显示出较强的全局优化性能,能以较快的速度逼近真实的Pareto最优前沿,可为用户进行合理的决策分析提供有效的支持.     

以可配置的技术与弹性抢占全球信息电子市场的SOC推手-Tensilica

成立于1997年7月的Tensilica,是以自主的技术专利提供SOC设计需求的种整合型软硬件设计环境,以协助客户能够自动产生出其所需的特殊应用处理器客户能够在其开发所需的SOC过程中,透过Tensilica所独有的自动化与专利的时间消耗流程与完整的开发环境,在数小时之内,就能产生一个客制化的微处理器核心.     

抢占Java环境的嵌入式处理器市场-以ARM 的Jazelle技术为例

在嵌入式处理器的设计与开发中,以Java为基础所开发的相关软硬件一直被厂商视为发展各种可携式应用装置的重要工具.面对此一需求,专精于16/32位嵌入式RISC微处理器解决方案的ARM,也推出一套经过Sun Microsystems认证,符合Java应用需求的关键软件技术-Jazelle.     

以技术与经验领先小型硬盘装置市场-日立环球储存科技公司

技术领先的竞争优势 HGST的CT0(Chief Technology 0fficer)JohnBest博士指出,不论从该公司所拥有的专利数目或是技术人力资源(该公司全球拥有370位具备博士学历的技术人材)来看,都远远超过Segate、Fujitsu、Toshiba、Samsung、Maxtror、WD等竞争对手.也正是由于这样的累积,使得HGST能够甫一成立便在1"、1.8"、2.5"的小型硬盘市场当中取得一定的领先地位(见表1).     

基于募集机制的连续蚁群系统及其应用

针对经典蚁群算法只适用于离散优化问题的不足，从蚂蚁觅食的生物学行为出发，以寻觅最优食
物源为目标，运用蚁群的海量募集和成群募集两种机制，并结合蚂蚁的厌食现象，均衡地搜索，由此构
建了适用于连续问题的蚁群优化系统（MG-CACO）.经典函数的测试表明，MG-CACO的全局寻优效率高，稳
健性良好，尤其对高维问题的适应性强.将MG-CACO用于二甲苯异构化装置的操作条件优化，效果令人满
意，其全局寻优性能和稳定性均优于其他方法.     

用于连续属性离散化的RSE-Chi2方法

为解决基于卡方统计量离散化方法在处理未知数据特性时的参数难确定问题，提出了一种基于粗糙集方法的自动离散化方法.该方法根据粗糙集理论对知识不确定性和属性重要性的分析，利用粗糙集方法处理数据不需要先验知识的特点，以基于最小描述长度原理的决策系统信息熵作为离散化过程的评价函数，并由属性断点平均重要性确定多连续属性的离散化顺序，构建了自动的离散化方法RSE Chi2.实例测试表明，该方法性能良好，能根据样本数据本身的特性，自动协调拟合和预报精度，不需要先验设定显著性水平和不一致率等参数，离散化结果更为精简,所建决策树分类模型具有较好的预报性能.     

基于多尺度的声测量搅拌釜内物料特征

通过声波信号在线分析反应器内物料特征具有快速、无损、安全、不侵入流场的优点。讨论了利用声发射信号在线分析搅拌釜内物料浓度与粒度的方法。先通过小波变换多尺度分解原始声信号,然后以分解后各细节信号小波系数幅值绝对值加和为特征变量,釜内物料浓度或颗粒平均粒度和声发射信号的关系再用判别分析方法加以区分,考察了信号长度、分解尺度以及不同小波对判别准确性的影响,结果表明,当物料的浓度一定时,基于多尺度分析的声测量方法可以准确地对釜内物料的粒度进行分类。     

基于先验知识的杂交方法的设计及其在化工问题中的应用

Three-layer feedforward networks have been widely used in modeling chemical engineering processes and prior-knowledge-based methods have been introduced to improve their performances.In this paper,we propose the methodology of designing better prior-knowledge-based hybrid methods by combining the existing ones. Then according to this methodology,two hybrid methods,interpolation-optimization (IO) method and interpolation penalty-function (IPF) method,are designed as examples.Finally,both methods are applied to modeling two cases in chemical engineering to investigate their effectiveness.Simulation results show that the performances of the hybrid methods are better than those of their parents.     

序贯优化化工动态问题的蚁群算法

针对化工动态优化问题,分析现有数值解法的不足,提出序贯执行蚁群寻优操作,逐步寻找最佳解的策略,构建序贯蚁群算法.算法首先对时间区间和控制变量搜索域实施离散化,以一组整数编码的蚁群路径表示可行控制策略,进而应用蚁群寻优操作寻找离散问题的最优控制策略.逐步收缩控制搜索域并反复上述步骤,不断改善寻优结果.序贯蚁群算法简便快捷,用于化工动态优化问题效果良好,计算结果体现了算法的稳健性.     

ISOMAP-LDA方法用于化工过程故障诊断

针对化工连续生产过程的时序性及非线性等特征,提出一种新的基于数据驱动的化工过程故障诊断方法：ISOMAP-LDA。首先实行流形学习算法ISOMAP,在保持量测数据几何结构特性下完成非线性降维,然后基于提取的嵌入变量张成的低维空间,选用线性判别分析（LDA）构造故障模式类的判别函数,负责各采样个体故障类型的判定。将该方法用于仿真化工Tennessee Eastman 过程的故障诊断,结果表明,ISOMAP-LDA方法不仅拥有较高的故障诊断能力,而且取得采样在低维空间的可视化表示。