从多目标配矿的复杂性出发,提出具有模糊性的多目标配矿问题,并设计出了基于管理者语言偏好和决策者满意度的模糊优化算法,该算法从最优性模型和重要性模型两方面进行改进.最后通过具体矿山实例对算法进行实现研究,根据实际配矿目标的各种要求,从算法的有效性、灵活性和灵敏性等特性进行分析

为能彻底解决群体智能算法早熟问题的同时保持原算法主体不变且可与现有优化理论协同优化，在前期仿真实验和理论证明的基础上，提出了一种逐层演化的改进策略.利用在原算法中构建基于搜索空间压缩理论的自适应系统，通过逐层的压缩、选择、再初始化的操作，以包括压缩后搜索空间在内的社会信息作为遗传知识，指导寻优过程，从而实现最终解精度的提升、避免早熟问题的出现.对基准函数进行仿真实验可以看出该策略在提升算法精度，增强后期个体活性方面具有良好的表现

为有效解决半导体制造业中带并行腔和重入约束的双臂集束型设备调度问题,提出一种以优化搜索为核心的调度方法.首先,引入优化FIFO (first in first out)搜索规则,并以系统总完工时间最小化作为目标,建立带并行腔和重入约束的四加工腔双臂集束型设备调度数学模型.在此基础之上,结合虚拟缓冲模块的概念,提出一种基于机械臂交换策略的优化搜索算法.最后,对所提出的算法进行仿真实验,实验结果表明该算法是可行且有效的

多元函数的极值 极值和最大、最小值问题属于优化问题范畴, 它是一种简单的优化问题

为寻求最佳的流道高度参数,利用由简化共轭梯度法(反向求解器)和完整的三维、两相、非等温燃料电池数学模型(正向求解器)构成的质子交换膜燃料电池多参数最佳化反问题求解方法,将流道各弯头处高度作为搜寻变量(最佳化对象),以电池输出功率密度的倒数作为目标函数,通过搜寻目标函数最小值,得到了流道各弯头处最佳高度(最优化设计参数值).结果表明,最佳的蛇型流场除出口流道为高度渐扩型外,其余流道均为高度渐缩型,其性能比传统蛇型流场提高了约11.9%.渐缩型的流道强化了肋下对流,可有效移除肋条下方多孔扩散层中的液态水,提高反应气向多孔电极的传递速率,因而改善了电池性能.渐扩型的出口流道可防止过强的肋下对流导致燃料\短路\,直接跨过多孔扩散层从电池出口流出造成燃料浪费

一. 示例学习的优化问题 (1) 最优覆盖问题(MCV)—生成具有最少数目公式的覆盖； (2) 最简公式问题(MCOMP)—生成具有最少数目选择子及属性值的公式，或极大复合；

一．问题提出 建一个局部通信网：9 个通信站坐标(0.15),(5,20), （略写）……,(10,3)；铺设通信线缆使这 9 个点连通， 其线路按平行于坐标轴的直角折线方式行进。优化目 标：通信线缆总长最短

人工势场法是一种简单有效的移动机器人路径规划算法.针对传统人工势场法在路径规划中的一类目标点不可达问题,提出了一种在局部最小点改变斥力角度和设定虚拟最小局部区域的解决方案,同时采用遗传算法对改进算法中斥力改变角度以及虚拟最小局部区域的半径两个参数进行优化.仿真实验说明本文所提算法能在起点和终点之间规划出一条简捷、光滑和安全的路径

为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的

LINGO快速入门 LINGO是用来求解线性和非线性优化问题 的简易工具,包含了lindo的全部功能。 LINGO内置了一种建立最优化模型的语言， 可以简便地表达大规模问题，利用LINGO高 效的求解器可快速求解并分析结果