研究背景 传统查询优化器的问题 论文的解决方案 对查询优化器的改进 随机sampling 置信度阈值 分析 总结

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

针对高炉故障诊断系统快速性和准确性的要求，提出基于全局优化最小二乘支持向量机的策略.首先，采用变尺度离散粒子群对最小二乘支持向量机的参数和故障特征的选取进行优化；然后，利用核主元分析法对选取的特征向量进行压缩整理；最后，构造了以Fisher线性判别率为标准的启发式纠错输出编码.仿真结果表明，通过对故障训练样本有意义地分割重组，用较少的最小二乘支持向量机分类器，得到较高的故障判断准确率且增强了整个系统的实时性

金属管材是工业领域中结构承重、输送气体和液体的重要部件。自由弯管成形技术有助于实现管件生产的高精度、高性能、高效率和数字化，其精度控制理论和成形技术的研究具有重要的工业应用价值。本文选择直径 30 mm 壁厚 2.0 mm 的铝合金管材6061为仿真优化对象，通过相关基础实验获得材料的基本力学数据，用于仿真模型参数的表征。同时，结合管材压弯实验验证本构模型成形预测的有效性。在完成仿真模型表征和验证的基础上，对铝合金管材的自由弯曲成形过程进行仿真模拟，分析对比了影响自由弯曲成形的各工艺参数，确定了该工况下最优的移动模与管材间隙大小、摩擦系数和进给速度等。该研究有助于优化管材空间自由弯曲成形工艺，具有一定的工业应用价值

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