利用改进的差分进化算法求解等圆Packing问题

等圆Packing问题属于强约束的复杂组合优化问题之一,针对其强约束特点及难点,通过改进传统的差分进化算法,提出一种等圆Packing问题的求解方法。该改进算法特点是将有效解空间加入差分进化的变异约束中,并采用随机排序机制改进差分进化的选择机制。通过多次实验,表明此算法在求解小规模等圆Packing问题上取得的效果与目前所能找到的最优值相差不到0.6%,从而验证了演化计算在求解等圆Packing问题的可行性;与此同时,演化算法具有很好的收敛性,因此在其他强约束的复杂优化问题上将有很好的应用。     

一种基于双精英种群的协同进化算法研究

针对传统带精英策略的多目标进化算法种群收敛分布不够均匀,全局搜索能力不足的缺点,提出一种基于双精英种群的协同进化算法DEPEA(Double Elite Populations Co-evolutionary Algorithm)。该算法借鉴了子区间划分和非支配排序思想,将整个种群划分成两个不同级别的精英种群和一个普通种群;两个精英种群结合协同进化思想分别采用不同的进化策略实现对算法的探究和探查能力的平衡,高级别的精英种群与低级别的精英种群采用协作操作,促进更优秀的个体产生;高级别的精英种群与普通种群采用引导操作,加快普通个体向精英个体逼近。通过对五个标准的测试函数进行实验,并与传统的NSGA-II算法和最新的hybird_MOEA算法结果进行比较与分析,表明该算法不仅具有更好的全局收敛性,且能够更好地保证种群的多样性。     

基于商空间模型的CBR系统

传统的CBR系统采用平面结构，系统在运行过程中不断学习，范例库将变得越来越大，当范例数超过某一预设的上界时，就会出现“沼泽问题”。为了解决这个问题，该文提出了基于商空间模型的CBR系统，采用分层递阶的立体结构，在运行阶段将惰性学习算法与积极学习算法相结合。实验表明利用本方法构造的CBR系统实现E-mail分类预测时，系统的性能和有效性都得到了很大的提高。     

一种基于能力的范例库自动建立新方法

如何有效地建立简洁且性能可靠的范例库,以提高基于范例推理系统的性能,是当前基于范例推理研究的热点.本文结合NCL CLARA聚类算法与脚标数据的优点,给出了一种有效的基于能力的范例库自动建立新方法.通过实验表明,该方法能在保持原始领域数据库系统解决问题能力的前提下,最大程度地减少生成的范例库.     

一种基于加权复杂网络特征的K-means聚类算法

在分析了传统的基于划分的K—means聚类算法的优越性和存在不足的基础上，根据近两年复杂网络研究中部分新的理论成果，提出了复杂网络加权度、加权聚集度与加权聚集系数的定义，并将数据聚类转换为复杂网络上的节点聚类，提出基于加权复杂网络特征的K—means聚类算法（简称WCNFC算法）。实验结果表明，该算法根据节点加权复杂网络特征值，能够较好地找到聚类中心，有效地避免了对初始化选值敏感性的问题，从而使得聚类质量大大提高。     

一种利用BC方法的关键词自动提取算法研究

通过分析几种常见关键词自动抽取方法的特点和不足，以KeyGraph算法思想为基础，构建词语网络并利用网络节点中心度（Betweenness Centrality）理论，提出了一种新的自动抽取关键词算法．通过分析和比较，新算法提取的关键词更能体现文档内容，并且相对低频而意义重要的关键词也能被提取出．最后，通过与TF和TFIDF算法的比较和分析，获得了令人满意的结果．     

一种基于新型差分进化模型的MOEA/D改进算法

针对MOEA/D算法中差分进化操作收敛精度不高且速度较慢的不足,提出了一种综合基于可控支配域的向量差生成策略和基于主成分的动态缩放因子的新型差分进化模型,均衡显性与隐性搜索引导;并实现了一种基于新型差分进化模型的MOEA/D改进算法（MOEA/D-iDE）。新型差分进化是借助基于可控支配域的非支配排序对邻域进行分层,根据分层信息生成与不同进化阶段相匹配的向量差,实现对种群收敛速度的显性引导;同时对决策空间进行主成分分析,动态调整差分进化缩放因子,实现对种群收敛精度的隐性引导。实验选取ZDT、DTLZ和WFG等为测试问题,以IGD+,ER作为评价指标,将MOEA/D-iDE算法与6个同类算法进行对比实验,结果表明新算法在保证多样性的同时具有更好的收敛速度与精度,从而验证了新型差分进化模型的有效性。     

保护层开采及瓦斯分源抽放技术研究应用

保护层开采及瓦斯分源抽放技术是一种新型的卸压抽放瓦斯技术,保护层开采后被保护层由低透气性煤层变为高透气性煤层,由较难抽放煤层变为容易抽放煤层,瓦斯压力、瓦斯含量变化大幅度降低。再通过瓦斯分源抽放技术的实施,消除了煤与瓦斯突出危险性,增加了回采速度,提升生产效率,该项技术值得推广和应用。     

基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法

针对经典快速非支配排序遗传算法(NSGA-Ⅱ)中基于拥挤距离的种群多样性保持策略不能客观反映个体间真实拥挤程度的问题,提出了一种基于自适应混合非支配个体排序策略的改进型NSGA-Ⅱ算法(NSGA-Ⅱ^h)。首先,设计一种新的循环聚类个体排序策略;然后,根据Pareto分层信息来对基于经典拥挤距离和循环聚类的两种个体排序策略进行自适应的选择;最终,实现对进化后期的种群多样性保持机制的改进。通过5个标准测试函数进行算法验证,并与经典的NSGA-Ⅱ、多目标粒子群优化算法(MOPSO)和GDE3等算法进行对比分析,NSGA-Ⅱ^h算法获得了80%的最优反向世代距离(IGD)值,且显著性水平为5%的双尾t检验结果表明,新算法具有明显统计意义上的性能优势。改进算法不仅能提高进化种群的分布性,而且能增强算法的收敛性,有效提高了优化效果。     

探放、下输法防治水技术研究及应用

针对大巷煤柱受老空区积水影响,老空水从东、西、北三个方向包围大巷下山煤柱段,造成大巷煤柱不能够正常回收,造成煤炭资源的大量浪费,为了实现安全生产,提高煤炭资源回收率,平煤高庄矿成立技术攻关小组,专门对大巷下山煤柱安全开采进行技术攻关.通过研究大巷下山煤柱应力分布,老空区积水赋存状态,建立水力渗透模型,分析大面积老空水运移规律及周围工作面水力联系,定性定量确定周围老空水对大巷下山煤柱段开采危害程度,采用探放、下输防治水技术措施,将老空水按照规定的路线运移、排放,保证了大巷煤柱的安全回收.