基于状态空间模型进化算法的全局收敛性分析

基于状态空间模型进化算法(SEA)是一种新颖的实数编码进化算法,在工程优化问题中具有广阔的应用前景。为了完善SEA的理论体系,促进SEA在工程优化问题中的应用研究,利用齐次有限Markov链对SEA的全局收敛性进行分析, 证明了SEA不是全局收敛的。通过限定SEA状态进化矩阵内元素的取值范围,同时引入弹力搜索得到改进型弹力状态空间模型进化算法（MESEA）。分析结果表明,弹力搜索能提高SEA的搜索效率。最后得到了MESEA全局收敛的结论,为算法在工程优化问题中的应用提供了理论依据。     

牡丹江水文站柴河大桥断面污染源分析

通过对牡丹江水文站、柴河大桥断面污染特点、成因、条件的分析及污染产生源的定量解析,文章认为,牡丹江水文站、柴河大桥断面高锰酸钾盐指数污染来自本底污染、点源污染、水土流失污染和地表径流污染。各污染源量的估算,对牡丹江流域治理有一定意义。     

人工免疫算法及其应用研究

为了有效地解决病态的约束优化问题,提出了一种模拟生物免疫系统自我调节功能的人工免疫算法,介绍了算法的基本步骤,构造了几种人工免疫算子,分析了算法的收敛性.人工免疫算法继承了遗传算法“优胜劣汰”的自我淘汰机制,但新抗体的产生方法比遗传算法中新个体的产生方法灵活得多.在进行抗体选择时若能确保当时的最优抗体可以进入下一代抗体群,则人工免疫算法是全局收敛的.100个城市TSP问题的仿真实例显示人工免疫算法比遗传算法具有更强的全局搜索能力和收敛速度.     

丙烯精馏塔中丙烯收率及塔板效率的研究

根据生产实际用ＰＲＯ／Ⅱ对丙烯精馏塔进行了模拟核算，不需要输入二元交互作用系数，其丙烯精馏塔中丙烯回收率高达９９％以上，塔底丙烯含量小于１％以下，这与生产实际分析数据相吻合。远优于国内部分同类装置的生产模拟数据，多回收精丙烯１２％以上。同时提出了切合实际的板效率为１００％，分析了Ｏ’Ｃｏｎｎｅｌｌ法不足的原因，并对Ｔ形排列条形浮阀塔盘与Ｖ－１浮阀塔盘的操作弹性进行了对比，前者可提高处理量１５％。     

我国当前食品安全的影响因素与保障措施分析

近些年来,我国的经济迅速发展,人们的消费水平也在不断提高,对于食品安全问题有了更加深入的认识。食品安全问题是与社会的每一个成员都息息相关的话题,同时也是社会各界普遍关注的问题。在市场经济飞速发展的影响下,各种食品安全问题不断涌现,如三鹿奶粉、地沟油、毒大米等,不仅扰乱了市场秩序,而且严重威胁着人们的身体健康。因此,重视食品安全问题,采取合理有效的措施,保障食品安全,是非常必要的。本文结合食品安全的相关概念,对我国当前食品安全的影响因素进行了分析,并提出了相应的保障措施,以减少食品安全问题对于人们健康的影响。     

ADLink-9114数据采集卡应用中若干问题的研究

首先介绍了ADLink-9114型数据采集卡的特点,对该数采卡进行了性能分析、精度分析,并给出了作者利用该数采卡变电站现场实测数据.表明ADLink-9114型数据采集卡适用于要求多通道、高采样频的场合(如电动机性能测试系统、继电保护教学用虚拟装置及变电站数据采集等).     

交叉型状态空间模型进化算法的全局收敛性分析

基于状态空间模型的进化算法(SEA)是一种新颖的实数编码进化算法,在实际工程优化问题中取得了良好的优化效果。为促进SEA的理论及应用研究,对交叉型SEA(SCEA)的全局收敛性进行了研究,得出SCEA不是全局收敛的结论。通过改变状态进化矩阵的构造方式和提出弹力搜索操作,得到改进交叉型SEA(SMCEA),利用齐次有限Markov链对SMCEA的全局收敛性进行了证明。最后利用两个测试函数对算法进行实验分析,结果表明,SMCEA在收敛速度、最优解搜索能力和运算时间等方面都有较大改善,验证了SMCEA的有效性,得到了SMCEA优于遗传算法(GA)和SCEA的结论。     

汽车变速器齿轮焊缝的相控阵超声检测

汽车变速器普遍采用焊接齿轮组结构,汽车行驶时变速器齿轮会承受高负荷扭矩并频繁受到冲击,故必须通过无损检测手段来保证齿轮焊缝的质量,目前汽车齿轮焊缝检测的主要方法是脉冲反射法超声检测。探讨了相控阵超声技术用于汽车齿轮焊缝检测的可行性和优越性,对两种齿轮进行了检测试验。试验结果表明,相控阵超声检测技术具有扫查速度快、成像质量好、测量精度高、检测可靠性高等优点。     

旅行商问题的人工免疫算法

1 引言旅行商问题(TSP)是一个典型的有序组合优化问题,可以看成是许多领域内复杂工程优化问题的抽象形式。研究TSP问题的求解方法对解决复杂工程优化问题具有重要的参考价值。对于TSP问题,目前还没有完全有效的求解方法,但是,多年来人们一直在不停地探索。近年来,模拟自然界生物进化过程的求解TSP问题的方法不断见诸文献,但以基于     

基于轻量型卷积神经网络的交通标志识别

针对卷积神经网络在交通标志识别实时性不好,对设备硬件要求过高的缺点,提出了一种具有实时性,高精度的基于轻量型卷积神经网络的改进网络。一方面引入深度可分离卷积和激活函数Mish,加快网络的训练和识别速度,降低对硬件设备的要求;另一方面通过对网络架构及层次的改进,同时合理改变卷积核的大小和数目,加强图片特征的表达与传递。在BelgiumTSC交通标志数据集上的实验结果表明,改进后网络明显提高了网络训练速度,同时识别精度也略高于原网络,验证了改进方法的有效性。通过与其他模型相比,该模型能够更快速准确完成交通标志识别任务,验证了该方法的可行性。