从露天矿采掘和运输成本的最小化角度出发,构建露天矿生产作业计划模型.基于群体智能优化理论,提出了用粒子群算法对露天矿生产作业计划模型进行解算的方法,并在求解过程中设计了带核粒子及双吸引子的粒子搜索策略.以MATLAB软件为平台进行求解运算最佳作业计划.以某露天铁矿为工程背景进行实例研究,将研究结果与露天矿实际生产指标和非线性规划解算结果进行比较验证.结果表明,粒子群算法可用于露天矿生产作业计划的优化编制

无缝钢管坯料设计是在满足生产工艺要求下,将客户订单钢管合理地分配到生产原料圆坯的过程.实际生产中的批量原则使得每个钢管订单在圆坯中有最小分配重量要求;由于无缝钢管分配支数必须取整,导致钢管订单在圆坯中的分配重量并非连续取值.因此,比起相关的板坯设计问题和装箱问题,无缝钢管坯料设计的求解更为复杂.本文给出了无缝钢管坯料设计问题的一般性描述,并建立了混合整数规划模型.针对库存中只有单一尺寸圆坯的情况,简化了问题模型并且求得了问题的下界.结合问题特点,提出了基于贪婪策略的两阶段启发式算法,并用实际生产数据和仿真数据验证了算法求解此类问题具有很好的有效性和稳定性

针对特殊钢厂的炼钢-连铸调度问题,建立了多目标调度模型.在模型求解过程中,对静态调度策略和动态调度策略进行了探讨.在静态调度部分,结合炼钢厂运行原则,并根据炼钢炉和连铸机作业周期的不同对应关系,对生产模式进行了分类,给出了相应的求解方法.在动态调度部分,给出了基于规则的动态调度策略以及具体的时间调整方法.最后,根据某转炉特殊钢厂的实际生产状况,在三台连铸机同时生产的情形下,对三个浇次的调度计划进行了仿真计算.通过与实际生产数据的比较,表明所采用方法的有效性

建立了折流式移动流化床内粉铁矿预还原的二维气固反应流CFD模型.模型的数值求解采用PHOENICS和FLUENT的联合求解.与之前的实验结果相比,在冷态条件下单床层平均压降和气固相流动行为的数值模拟结果与其基本一致,得出所提出的数学模型是可靠的.在此模型基础上,对采用COREX输出煤气对铁矿粉预还原的工艺过程进行热态模拟.在模拟的工况条件下,还原气温度的整体降幅700 K,气相CO和H_2还原势的利用率分别达到38%和26%,矿粉的还原分数达到75%,即反应器内有良好的气固换热而且对COREX煤气还原势的利用率较高,实现了对还原气热能和还原势的梯度利用

引入载能体的方法,统筹电炉炉料结构、电炉供氧、配碳和供电等多种因素,建立了电炉载能值综合优化模型.模型约束复杂,采用线性规划难以求解,本文采用遗传算法进行求解.对BH1H、BHDDQ和SUS304钢种进行能值计算.结果表明:在保证电炉出钢钢水化学成分、温度和渣的碱度等指标符合要求的前提下,每炉钢水能值分别降低了22.8%、21.4%和23.6%

以赞比亚一露天铜矿南帮边坡(矿体下盘)为研究对象,将Rosenbluth点估计方法与节理有限元方法相结合应用于该节理发育的岩质边坡稳定性评价中.建立以边坡岩体材料强度参数(内摩擦角和黏聚力)为输入变量,安全系数为输出变量的概率模型,点估计状态函数的求解过程引入节理有限元方法.通过现场节理及结构面调查,建立边坡节理有限元模型求解边坡安全系数,得到基于安全系数的边坡变形破坏概率统计指标,对边坡稳定性进行了概率分析,分析结果与现场失稳情况一致.该方法既考虑了岩体材料参数在赋值过程中实际存在的不确定性,同时也考虑了节理岩质边坡的节理属性,充分体现了岩层接触作用的非线性关系,使得对节理岩质边坡的稳定性评价更加合理

a线性方程组的符号解法 函数命令 linsolve用来求解线性方程组符号解。 对方程A*=B, linsolve的调用格式为:

周期性非均质复合材料具有微观结构特征，需要均匀化理论进行宏观和微观的多尺度分析来研究其性能表现。针对其耐久强度性能，应用塑性极限安定下限定理，特别分析了其在长期交变载荷下的安定状态。结合工程应用目标，提出一种全新的代表性单元边界条件，结合圆锥二次优化算法进行数值计算，可以从材料微结构和组分性能出发，经过弹性应力场求解确定位移边界载荷数值，最终由优化求解得到复合材料板材的面内塑性性能容许域。所求得的应力域以单向应力为基，可根据结构宏观的单向应力状态变化幅值直接进行安定状态与否的判定。通过文中的多个算例，验证了所编写的软件及计算流程的可行性及数值准确性，展示了该方法在工程模型中的应用场合和工程实践意义

§2.8 卷积的图解 §2.9 线性系统响应的时域求解

《人工智能导论》为计算机科学技术专业和软件工程专业的一门选修课，其目的是使学生初步了解人工智能的基本原理，初步学习和掌握人工智能的基本技术，以便拓宽知识面，并为进一步学习和应用奠定基础。本课程的具体要求为： 1. 了解人工智能的基本概念、分支领域及其发展概况； 2. 理解知识表示及其推理的基本原理，掌握其基本技术； 3. 理解基于搜索的问题求解基本原理，掌握其基本技术； 4. 理解机器学习、知识发现的基本原理；初步掌握其基本方法； 5. 学会一种人工智能程序语言，掌握简单的智能程序设计方法； 6. 能综合运用所学知识，设计实现一个小型专家系统。 教学重点、难点： 1. 搜索与问题求解； 2. 知识表示及其推理； 3. 机器学习与知识发现； 4. 专家系统原理与设计