为提高无法准确建立数学模型的非线性约束单目标系统优化问题的寻优精度,并考虑获取样本的代价,提出一种基于支持向量机和免疫粒子群算法的组合方法(support vector machine and immune particle swarm optimization,SVM-IPSO).首先,运用支持向量机构建非线性约束单目标系统预测模型,然后,采用引入了免疫系统自我调节机制的免疫粒子群算法在预测模型的基础上对系统寻优.与基于BP神经网络和粒子群算法的组合方法(BP and particle swarm optimization,BP-PSO)进行仿真实验对比,同时,通过减少训练样本,研究了在训练样本较少情况下两种方法的寻优效果.实验结果表明,在相同样本数量条件下,SVM-IPSO方法具有更高的优化能力,并且当样本数量减少时,相比BP-PSO方法,SVM-IPSO方法仍能获得更稳定且更准确的系统寻优值.因此,SVM-IPSO方法为实际中此类问题提供了一个新的更优的解决途径

基于D值理论,考虑矿山工程实际情况,引入微震事件概率因子、监测区域重要性因子和台网布设可行性因子重新构建了台网优化目标函数.以某磷矿顶板突水的微震监测为例,对全矿区按照监测区域重要性、台网布设可行性等因素进行分区,采用专家权重法分别给出了相关因子的参考值.按照影响因子取值差异将整个监测区域再次分区,给出了分区后目标函数的积分形式,其中各监测区域控制点坐标即为相应的积分上下限.基于文中提出的微震监测网络的动态优化设计原则,最终给出了该磷矿微震监测台网布设方案.爆破试验表明,本文提出的台网布设方案具有一定的合理性和准确性,三个坐标方向的平均定位误差为6.74 m,最大为10.05 m,空间定位误差为12.51 m,定位精度可满足工程监测需要

对于那些无法用数学方程式表述的复杂生产过程,提出一种基于模式识别原理的智能自动化新方法.该方法的基本点在于:从信息的角度出发,采用特征变量来描述过程工况,再用时间序列分析法建立预测模型,从而实现工艺最优化.还介绍了专门为此目的研制的红外线CCD热成像装置,并给出了建立预测模型的神经网络算法

⚫ 10.1 基本概念 ⚫ 10.2 最短路问题 （一）Bellman最优化原理 （二）Dijustra算法（双括号法） （三）通信线路布施问题 （四）设备更新问题 ⚫ 10.3 最小生成树 （一）基本概念与理论 （二）Kruskal算法（加边法、破圈法） （三）丢边法（破圈法） ⚫ 10.4 最大流问题 （一）基本概念 （二）双标号算法 ⚫ 10.5 最小费用最大流 （一）基本概念 （二）求解算法

第1章：计算机系统漫游 第2章：信息的表示和处理 第3章：程序的机器级表示 第4章：处理器体系结构 第5章：优化程序性能 第6章：存储器层次结构 第7章：链接 第8章：异常控制流 第9章：虚拟内存 第10章：系统级I/O 第11章：网络编程 第12章：并发编程

将计算机辅助设计技术、网络技术与机构设计相结合,以组合机构的尺寸综合理论为基础,以机构最小尺寸为优化目标,采用Java作为开发语言,应用模块化的面向对象的设计方法,研制开发了凸轮一连杆组合机构网上设计系统

提出了用于网络计划的时间-费用分析的模糊决策规划,计算结果表明,算法的优化结果使决策者获得了更充分的决策余地.该算法应用于武钢方坯连铸机结晶器制造过程中

为了满足某厂1580热连轧机宽度控制精度需求,提高宽展模型的广泛适用性,利用ANSYS/LS-DYNA有限元软件,对热轧粗轧区立轧-平轧过程进行了模拟.根据模拟数据,系统地分析了轧件宽度、厚度、轧辊直径、立辊侧压量和厚度压下量对\狗骨\宽展、自然宽展和绝对宽展的影响规律.利用模拟数据并结合现场数据构造了FES(finite element simulation)\狗骨\宽展模型和自然宽展模型,并建立了PSO-BP神经网络(粒子群BP神经网络).最后,FES宽展模型与PSO-BP神经网络相结合预报第1、3和5道次的宽展,其预报值与实测值误差在1mm以内的均达到了99%以上,达到了宽度控制的精度要求

在直流电弧炉炼钢过程控制系统中,由于它的复杂机理,高度非线性加大了建模的难度.为提供适用于直流电弧炉炼钢过程优化控制的模型,提出一种引人遗传算法的神经网络建模方法,并将其用于某厂直流电弧炉炼钢过程模型的建立,获得了很好的效果.同时给出了基于现场实测数据的仿真结果

以缩小连铸二冷区板坯表面实际温度和目标温度的差异为目标,建立了板坯连铸二次冷却智能控制模型.该模型采用支持向量机(SVM)实现板坯表面目标温度的动态设定,采用对角递归神经网络(DRNN)实现板坯表面温度的预测,采用T-S模糊递归神经网络实现二次冷却水动态调整与分配.通过对某钢厂板坯连铸过程进行仿真计算和现场试验,结果表明:该模型将二次冷却水水量控制问题与板坯在冷却过程中的温度状态相结合,实现了连铸二次冷却动态优化控制,有利于提高板坯的质量