论农民工职业病权益的法律保障——两个案例的展开

农民工是生产建设领域的中坚力量,他们做着最苦、最累、最脏的工作,却拿着最低的工资、过着最艰苦的生活,甚至连享受最基本的职业安全保障也极其困难。由于种种原因,农民工在患上职业病后,其相应的合法权益仍得不到及时的救济和应有的保障,如农民工对职业病不甚了解,相应的法律意识淡薄,为自身职业病维权埋下了隐患;用人单位社会责任感缺失,不严格遵守相关法律、法规,为农民工职业病维权设置了障碍;职业病防治的法律、法规有些规定不尽科学、合理,为劳动者职业病维权设定了诸多不利条件……这些都可以从张海超"开胸验肺"及钟家泉等100多名农民工"尘肺病维权"事件中窥见一二。     

改进的AEA算法及其在重油热解模型参数估计中的仿真研究

着眼于AEA算法本身的不足点,通过更合理地给定其每一代的行走步长,提出一个改进的AEA算法(IAEA)来提高AEA算法的寻优性能。鉴于行走步长对于进化的不同阶段全局搜索和局部搜索之间的关系影响,今提出IAEA的步长应随着实际进化的不同阶段而合理地变化,以使得算法能跳出局部最优,避免早熟现象的发生。IAEA算法在7个典型测试函数上进行了测试,测试结果表明,与基本AEA算法、PSO和DE算法相比,IAEA的寻优性能有了很大的提高,不仅获得的解的质量更好,而且算法的稳定性都得到了提高。最后将IAEA算法用于重油热解模型参数估计的仿真研究中,通过验证,得到了更有利的结果,说明文中提出的算法是有效的。     

A new improved Alopex-based evolutionary algorithm and its application to parameter estimation

In this work, focusing on the demerit of AEA (Alopex-based evolutionary algorithm) algorithm, an improved AEA algorithm (AEA-C) which was fused AEA with clonal selection algorithm was proposed. Considering the irrationality of the method that generated candidate solutions at each iteration of AEA, clonal selection algorithm could be applied to improve the method. The performance of the proposed new algorithm was studied by using 22 benchmark functions and was compared with original AEA given the same conditions. The experimental results show that the AEA-C clearly outperforms the original AEA for almost all the 22 benchmark functions with 10, 30, 50 dimensions in success rates, solution quality and stability. Furthermore, AEA-C was applied to estimate 6 kinetics parameters of the fermentation dynamics models. The standard deviation of the objective function calculated by the AEA-C is 41.46 and is far less than that of other literatures’ results, and the fitting curves obtained by AEA-C are more in line with the actual fermentation process curves.     

改进的AEA算法及其在重油热解模型参数估计中的应用

本文提出了一种结合文化算法的AEA算法,它利用文化算法中的信度空间来保存种群中的优质个体,然后通过影响函数来生成新种群.改进的AEA算法能够快速收敛到全局最优值,对典型函数的测试和工业模型参数估计的应用表明:改进的算法全局搜索能力和收敛速度比原始的AEA算法有所提高.     

融合克隆选择的AEA算法及其在参数估计中的应用

为了提高AEA算法的寻优性能,提出了结合克隆选择算法改进AEA算法计算过程中每代种群的生产方式.改进后的AEA算法(AEA-C)的克隆选择部分所加入的噪声是随着实际进化不同阶段而合理地变化.在进化的前期,由于添加噪声较大有利于算法的全局搜索,随着迭代次数增加,噪声逐渐减小,使得算法加强了局部搜索,算法能跳出局部最优,避...     

基于AEA算法的自适应惩罚函数求解约束优化及其在丁烯烷化过程的应用

提出了一种基于AEA算法处理约束问题的自适应惩罚函数法。该算法通过统计迭代种群中个体对每个约束条件违反的次数,判定各约束的强弱地位,动态自适应地调整各个约束的惩罚系数,对于强约束给予较大的惩罚系数。同时对目标函数做出了相适应区分修改,使得可行解和不可行解的目标函数值出现一定的区分,目标函数项和惩罚项趋于平衡,避免了惩罚力度过大或过小,有利于算法前期快速进入可行解区域,后期寻找最满意解。通过标准测试函数试验结果与DE+AMP、SSaDE算法进行比较,表明了提出的方法具有良好的适用性以及全局优化性能,将该方法应用于丁烯烷化过程的约束优化,取得了令人满意的结果。