用神经网络和随机复合形搜索实施在线优化

提出一种基于神经网络和随机复合形法搜索的在线稳态优化方法，并对某厂气体分馏装置的生产过程的优化问题进行测试，得出优化操作条件。     

流程生产的可视化整合和多目标优化软件

针对现代企业所面临的挑战，开发了一个软件系统可以根据市场的动态变化和企业内部的设备状况，优化设备配置、优化原料和产品方案。采用可视化形式实施仿真运行和经济效益分析预测。     

基于优进策略的遗传算法对重油热解模型参数的估计

针对常规遗传算法全局寻优效率偏低的弱点，提出了一种优进策略，用以改进常规遗传算法。该策略将从繁衍过程中获取进化信息，自适应地改进子代分布，适时引入确定性操作，以提高全局寻优性能。提出的相关技术包括维持种群的多样性、改进交叉算子、增加Powell寻优算子等。实例测试表明这种优进策略效果良好，并已成功地应用于重油热解三集总动力学复杂数学模型的非线性参数估计。     

RBF-CSR方法及其应用于裂解装置建模的研究

RBF－CSR是在分析RBF－PLS的基础上提出的新方法。它保留了RBF－PLS的优点：采用神经网络的结构，又用数学方法直接求解，免去了ANN冗长的训练过程和其它诸多欠缺。RBF－CSR方法可以在更宽广的空间内寻找最优的网络参数，它所建立的模型具有很强的预报精度和良好的稳定性，又有简洁的解析形式，便于优化等进一步的计算和处理。该方法已成功地应用于裂解装置的建模。     

ZW多产品间歇过程调度及在线调整

针对多产品间歇过程调度提出了分层递阶的Petri网建模方法，利用赋时Petri和Petri网的简化技术描述不同层次的生产问题，具有很强的模型描述能力。另外，在调度决策层可以方便地集成优化策略和在线调整算法，使问题求解更加灵活。     

复合粒子群优化算法在模型参数估计中的应用

化工非线性模型的参数估计是较为困难的寻优问题，经典方法常会陷入局部极值。粒子群算法操作简便、容易实现且全局搜索功能较强，适用于非线性参数估计。但其参数值的确定与问题相关，若设定不当，会严重影响全局搜索的性能。今提出引入遗传算法，在粒子群算法的搜索过程中，逐代优选参数，包括惯性权值，加速常数，以此构建为复合粒子群优化算法。分析与测试表明，其全局搜索性能有显著改善。进一步的工作又将两种粒子群算法成功地应用于重油热解模型的参数估计。采用复合粒子群优化算法估计参数构建的重油热解模型，其预报相对误差比常规粒子群优化算法降低了8.97％，比简单遗传算法降低了23.21％，效果明显。     

ZA22／Al2O3（F）复合材料室温拉伸强度的模拟研究

采用挤压法制备ＺＡ２２／Ａｌ２Ｏ３（Ｆ）复合材料，分别采用强度混合准则和神经网络模型研究了含Ｃｅ与不含Ｃｅ的ＺＡ２２／Ａｌ２Ｏ３（Ｆ）室温拉伸强度随短纤维体积分数Ｖｆ的变化情况，结果表明：强度混合准则能有效地预测复合材料的两个重要体积分数即最小体积分数Ｖｍｉｎ和临界体积分数Ｖｃｒｉｔ；而神经网络不仅能较准确地预测Ｖｍｉｎ和Ｖｃｒｉｔ，并且能够较好地描述复合材料强度随Ｖｆ的变化规律。     

行政区划管理信息系统的设计与实现

对行政区划管理信息系统的研制目的、系统功能、软硬件选型、网络结构以及一些具体技术问题进行了论述。     

蚁群算法求解连续空间优化问题

借鉴蚁群算法的进化思想，提出一种求解连续空问优化问题的蚁群算法。该算法主要包括全局搜索、局部搜索和信息素强度更新规则。在全舄搜索过程中，利用信息素强度和启发式函数确定蚂蚁移动方向。在局部搜索过程中，嵌入了确定性搜索，以改善寻优性能，加快收敛速率。通过一个实例问题的求解表明了该算法的有效性。     

基于PSO算法的神经网络集成构造方法

为合理选择组成神经网络集成的个体,使各个体间保持较大的差异度,从而提高集成所建模型的仿真精度,提出一种新的神经网络集成构造方法.独立训练出一批神经网络,采用离散粒子群优化(PSO)算法,用多维空间中0或1取值的粒子描述所有可能的神经网络集成.网络集成预测误差的估计值用组成集成的个体网络之间的相关度表示,并作为优化过程中的适应度函数.优选得到参与构成神经网络集成的部分差异度较大网络个体.对8个典型数据集回归问题的实验结果表明,该方法构造的神经网络集成普遍使用了较少的网络个体,而预测精度均好于Bagging方法等传统方法.