修井作业中的自动起下管柱系统探讨

目前在油田修井作业中起下管柱的人工作业量大、工作效率低、危险性大、工作条件差。提出了一种自动起下管柱作业系统,主要包括通井机、井架、液压钳、筒式吊卡、卡瓦支座、立式排管架和控制系统等,支座卡瓦为弹性体微条嵌入式结构,筒式吊卡能自动卡入和松开管柱接箍,排管架可实现管柱的立式排放,控制系统协调各部分的工作。该系统构思新颖,结构简单,技术可行,并能够与现有修井设备配合使用,实现油田修井作业的自动化。     

主题搜索引擎中爬虫搜索策略的研究

为了解决传统主题爬虫效率偏低的问题,传统主题爬虫会选择最有价值的链接进行访问,仅简单地计算链接的相关性,却忽视待分析URL之间的相关性关系,致使主题爬虫爬取效率较低。提出一种基于链接模型的相关性判别算法,综合利用有标种子URL和无标的待判别URL实现对无标URL的相关性判别,并推导出迭代初值选取对结果的不敏感性。实验结果表明,与传统的网络爬虫算法相关性判别方法相比,提出的方法效率更高。     

群居蜘蛛优化算法在水位流量关系拟合中的应用

针对水位流量关系拟合中相关参数难以确定的不足,利用一种新型群体智能仿生算法——群居蜘蛛优化算法(SSO)优化水位流量关系的相关参数,以云南省丽江仁里站和总管田站水位流量关系拟合为例进行实例研究,并与粒子群优化算法(PSO)、最小二乘法(LSM)拟合结果进行对比。结果表明:SSO算法对仁里站和总管田站水位流量关系拟合的平均相对误差绝对值分别为0.57%、0.53%,拟合精度优于PSO、LSM算法。SSO算法具有收敛速度快、全局寻优能力强等特点,利用SSO算法优化水位流量关系可以获得更好的拟合效果。     

基于动态学习策略的群集蜘蛛优化算法

为了提高群集蜘蛛优化(SSO) 算法的性能, 提出一种基于动态学习策略的群集蜘蛛优化(DSSO) 算法. 该算法通过群体协作过程中学习因子的动态选择, 平衡算法的搜索能力和勘探能力; 采用随机交叉策略和云模型改进协作过程个体更新方式, 在维持种群多样性的同时尽量提高收敛速度. 基于标准测试函数的仿真实验表明, DSSO 算法可有效避免早熟收敛, 在收敛速度和收敛精度上较标准SSO 算法和其余4 种较具代表性的优化算法均有显著提高.

     

搜索引擎中网络蜘蛛的研究与实现

网络蜘蛛程序是搜索引擎工作的基础和关键,实现了抓取网络资源的网络蜘蛛程序,通过入口网址下载网络资源,并对其分析,获得包含的其他链接,利用这些链接向整个网络扩散,下载其他资源。测试了蜘蛛程序抓取网页的能力,并对多线程实现的利弊进行讨论,总结了常用的算法搜索策略,提出了后续的研究方向。     

基于专业信息深度挖掘的搜索引擎Spider的设计与实现

本文针对专业全文搜索引擎的特点,设计并实现了一种网络机器人。通过二维矢量工作队列实现站点式深度优先搜索,采用页面站点加权算法动态控制站点的处理时间。完成了网络上与专业相关信息的集中收集和处理,并探讨了网络机器人对专业的侧重性以及向通用全文搜索引擎网络机器人转换的可行性。     

基于语义分析的垂直搜索网络蜘蛛

通用搜索引擎数据量庞大,但查询结果不够准确.分类目录正好相反.为了综合两者优势,对垂直搜索引擎进行了研究和分析.着重研究了垂直搜索引擎的核心模块--智能网络搜索蜘蛛.提出了搜索分析的新概念--规则.研究了蜘蛛中定义支持同义词的语义词典的方法,给出了按照规则分析和检索的实现方法和流程.程序需要定义多种规则,让蜘蛛依照规则进行网页爬行和信息采集.最后给出一个项目实例,证明了上述方法的可行性.     

An energy-efficient multi-objective integrated process planning and scheduling for a flexible job-shop-type remanufacturing system

This study considers an energy-efficient multi-objective integrated process planning and scheduling (IPPS) problem for the remanufacturing system (RMS) integrating parallel disassembly, flexible job-shop-type reprocessing, and parallel reassembly shops with the goal of realizing the minimization of both energy cost and completion time. The multi-objective mixed-integer programming model is first constructed with consideration of operation, sequence, and process flexibilities in the RMS for identifying this scheduling issue mathematically. An improved spider monkey optimization algorithm (ISMO) with a global criterion multi-objective method is developed to address the proposed problem. By embedding dynamic adaptive inertia weight and various local neighborhood searching strategies in ISMO, its global and local search capabilities are improved significantly. A set of simulation experiments are systematically designed and conducted for evaluating ISMO’s performance. Finally, a case study from the real-world remanufacturing scenario is adopted to assess ISMO’s ability to handle the realistic remanufacturing IPPS problem. Simulation results demonstrate ISMO’s superiority compared to other baseline algorithms when tackling the energy-aware IPPS problem regarding solution accuracy, computing speed, solution stability, and convergence behavior. Meanwhile, the case study results validate ISMO’s supremacy in solving the real-world remanufacturing IPPS problem with relatively lower energy usage and time cost.     

分布式网络机器人的设计与实现

为了改善网络机器人的爬行性能以及提高系统体系结构的通用性,提出了基于Web Service的新型分布式网络机器人体系架构.分析了分布式网络机器人软件中的关键数据操作,并将这些功能封装在Web Service中,基于Web向网络机器人客户结点提供统一的数据服务,降低了网络机器人爬行客户端对网络环境的依赖性.设计了分布式爬行所需的均衡负载、URL队列操纵和网页消重等算法,实现了分布式网络机器人软件原型.实验结果表明,该原型的性能明显优于单机模式下的网络爬行,且网页消重、均衡负载算法是可行的.     

RL_Spider:一种自主垂直搜索引擎网络爬虫

在分析相关spider技术的基础上,提出了将强化学习技术应用到垂直搜索引擎的可控网络爬虫方法。该方法通过强化学习技术得到一些控制经验信息,根据这些信息来预测较远的回报,按照某一主题进行搜索,以使累积返回的回报值最大。将得到的网页存储、索引,用户通过搜索引擎的搜索接口,就可以得到最佳的搜索结果。对多个网站进行主题爬虫搜索,实验结果表明,该方法对于网络的查全率和查准率都具有较大的提高。