针对经典人工蜂群算法收敛速率较慢,后期易陷入局部最优解的不足,本文将粒子群算法中\全局最优\的思想引入到人工蜂群算法的改进过程,从而形成了一种新的人工蜂群改进算法——粒子蜂群算法.首先,提出了趋优度的概念,用来衡量引领蜂在有限次迭代过程中向全局最优解靠近或远离的程度,趋优度值可以评价个体的\发展潜力\,趋优度值越低的个体,越需要增大变异的程度,以便找到质量更优的解.其次,专门设计了一种新的蜜蜂群体——粒子蜂,在引领蜂变异阶段根据趋优度的大小将引领蜂变异为侦查蜂和粒子蜂,粒子蜂的出现在很大程度上增加了种群的多样性,拓展了算法的搜索范围.然后,通过粒子蜂群算法种群序列是一个有限齐次马尔科夫链和种群进化单调性的分析,验证了本文所提算法的种群序列依概率1收敛于全局最优解集.最后,将本文所提算法应用于多个常见测试函数,并与经典蜂群算法、近年其他文献改进蜂群算法进行了仿真对比研究,仿真结果表明本文所提算法确实加大了种群的分散度、扩宽了搜索范围,从而具有更快的收敛速度和更高的寻优精度

通过把轧制力方程和厚度控制方程在小范围内线性化、离散化,用递推最小二乘法辨识出系统的状态空间模型.给出了基于Kalman滤波法的最优信息融合算法,并针对热连轧这个复杂的多变量系统设计了异步信息融合估计算法.将模型用于热连轧机带钢厚度预测中,同时也预测带钢塑性系数Q.最后把实时预测出的带钢出口厚度和带钢塑性系数应用于带钢热连轧厚度控制系统,提高了带钢厚度质量

炼钢-连铸区段的生产调度包括炉次计划、浇次计划的生成和时间、设备的分配,以及针对各种扰动的动态调整.根据钢种和规格的限制,提出了最优炉次计划模型,并采用禁忌搜索算法进行求解;根据炉次计划和连铸机连浇限制,生成浇次计划;根据炉机匹配和等待时间最小原则,生成静态调度甘特图,并对仿真过程中出现的出钢延迟提出了动态调度的策略和算法.仿真结果表明,基于模型的动态调度策略能够有效地解决出钢延迟问题

针对标准遗传算法在求解车间作业调度问题中易陷入局部极值点的缺点,提出了一种基于领域知识的动态双种群遗传算法.由于最优调度必定是活动调度,算法利用活动调度技术来进行空间缩减;两个子种群分别采用正、逆序调度策略来提高种群的多样性.算法采用一种新的染色体编码来表示活动调度方案,并给出了相应子种群的初始化策略、遗传操作,以及子种群之间的交叉方式.Benchmark算例的仿真实验与分析表明,该算法在计算时间和求解质量上均具有较好的效果

树是一类结构较为简单的图，是用途极 为广泛的离散数学模型，特别是二叉树， 它在计算机科学中用得最多.因此在学习 时应很好地掌握好诸如树的充要条件、 生成树、最优生成树、根树、树的各种 算法、及二叉树的访问次序等内容.平面 图是实际背景很强的一类图，能用本章 介绍的方法判断一个图是否为平面图

树是一类结构较为简单的图，是用途极 为广泛的离散数学模型，特别是二叉树， 它在计算机科学中用得最多.因此在学习 时应很好地掌握好诸如树的充要条件、 生成树、最优生成树、根树、树的各种 算法、及二叉树的访问次序等内容.平面 图是实际背景很强的一类图，能用本章 介绍的方法判断一个图是否为平面图

本文推广了线图的树对及其距离的概念,提出了等参数图及其树对和树对之距离的概念。给出了等参数图中任一树对为一最大（或最小）距离树对的充分必要条件和相应的算法,讨论了等参数图中最大与最小距离树对在电网络分析中的应用,给出了网络图主划分算法1的对偶算法和电网络的最优调和分解算法

讨论1种对无约束目标函数采用变量矩阵算法求解最优值的方法,变量矩阵算法的特点是利用矩阵迭代计算,收敛速度快,过程较稳定.对于一类可逼近模拟曲线的最佳拟合,可以迭代出符合要求的参数值.作为较典型的应用实例。设计1种幅度均衡器.通过迭代搜索找出满足衰耗误差的元件值,说明曲线拟合达到了预期的效果

第一章电力系统的基本概念 第二章电力系统的接线方式 第三章电气设备及配电装置 第四章电力系统元件的电气参数及等值电路 第五章简单电力系统的潮流计算 第六章复杂电力系统潮流的计算机算法 第七章电力系统有功功率的最优分配与频率调整 第八章电力系统的无功功率与电压调整 第九章电力系统静态稳定 第十章电力系统暂态稳定

4.1 活动安排问题 4.2 贪心算法的基本要素 4.3 最优装载 4.4 哈夫曼编码 4.5 单源最短路径 4.6 最小生成树 4.7 多机调度问题 4.8 贪心算法的理论基础