基于粒子群优化算法的Elman神经网络凝汽器真空模型

将一种动态递归网络——Elman神经网络应用到凝汽器真空预测。通过实例计算,表明该方法能够较准确地预测凝汽器真空,并具有训练速度快、结构简单、精度高的特点,是一种行之有效的预测方法。同时,对反向传播(BP)神经网络算法会出现局部极小值,提出了利用粒子群优化算法的全局寻优能力优化Elman神经网络连接权值系数的方法。仿真结果表明,利用粒子群优化算法的Elman神经网络可以建立精度更高的凝汽器真空预测模型。     

基于退火单亲算法的压气机叶片排序

压气机叶片排序问题属于完全NP难题,本文针对遗传算法在解决排列组合问题中的早熟收敛,提出了一种新的算法——退火单亲算法。并用退火单亲算法对压气机排序问题进行建模,在无需人工微调的情况下得到了比其他随机优化算法精度更高的叶片排序结果。实验结果表明退火单亲算法与遗传算法相比,具有寻优效果好、耗时少的优点,同时减少了航空发动机安全事故的发生概率。因此,将退火单亲算法运用在压气机叶片排序问题的求解上具有良好的有效性和可行性。     

求解动力配煤非线性优化模型的优化算法探寻

将非线性优化技术应用于动力配煤,在所建立的动力配煤非线性数学模型的基础上,对可以求解该数学模型的优化算法进行了探寻,并运用实例分析了各优化算法的优缺点,同时给出了选取求解动力配煤数学模型的优化算法的相关建议。