提出了一种基于免疫原理的故障检测及诊断系统模型.通过对检测对象正常工作状态下获得的自己模式串的阴性选择,随机产生初始检测器;利用基于人工免疫的进化学习机制,实现对检测对象异常工作状态下获得的非己模式串进行学习和记忆;利用进化学习结果和系统故障信息库知识,区分和标记不同故障在状态空间上对应的区域.将抗原学习过程中抗体集合变异所产生的各代抗体集合看作随机序列,给出了序列的收敛条件及证明,证明了所提出的动态免疫进化学习算法是概率弱收敛.应用于机床齿轮箱故障检测和诊断问题的实验结果表明了所提出方法的有效性

炼钢连铸制造流程是一个复杂的多阶段、多产品生产过程,其生产调度问题可建模为车间调度问题.提出一个改进遗传算法求解炼钢连铸生产调度问题.改进包括三个方面:基于排序的适应度分配、基于排序的工件过滤交叉算子和基于指数关系的变异率曲线.经24个benchmark的比较测试表明,改进遗传算法比传统遗传算法的寻优能力更强.通过16个生产计划和6个处理工序的炼钢连铸生产调度实例计算结果表明,改进遗传算法是有效的

研究多元地质统计学涉及以下方面的若干问题:(1)多元地质统计学的基本假设,包括:协同区域化变量、互变异函数、互协方差以及协同区域化变量的二阶平稳假设和内蕴假设;(2)协同区域化矩阵;(3)协同区域化的线性模型;(4)多元地质统计学的最佳估计方法,包括用协同克立格法对区域化变量的估计、空间分量的估计以及区域化因子的估计

针对板坯入库优化决策问题,采用隶属度函数表示待入库板坯长度、宽度、厚度与各库位已存板坯对应属性的匹配程度,建立了板坯入库模型.针对问题特征,借鉴遗传算法的交叉和变异操作,设计了一种混合离散粒子群算法(DPSO-CM)进行求解.基于企业实际生产数据的仿真实验验证了模型和算法的可行性和有效性

主要研究时间-空间域中多个变量的地质统计学方法,其内容包括:时间-空间域中区域化变量的性质;时间-空间域中多元信息的互变异函数及互协方差函数;应用时间-空间信息对某区域化变量进行最优估计,以及应用时间-空间域的信息对空间分量及区域化因子进行最优估计

针对基本蚁群算法收敛速度慢、容易出现停滞等缺陷,提出一种新的蚁群优化算法——带有侦察子群的蚁群系统.该算法从整个蚁群中分离出一部分蚂蚁组成侦察子群,在优化过程中侦察子群以一定概率做随机搜索,提高了解的多样性;在信息素更新策略上同时使用本代和全局最优蚂蚁,兼顾了本代和历史的搜索成果;同时还采用LK变异算子,对每次搜索的解进行局部优化.最后对三个典型TSP实例进行了仿真实验,结果表明新的算法不仅能够克服早熟现象,而且能够大大加快收敛速度

从区域化变量分布的稳健性角度,借鉴产品加工质量精度控制的理论,基于Johnson分布曲线族提出了一套非正态数据转换方法,并设计了转换流程.以SPSS和Surpac矿业软件为工具,通过实际案例分析了传统数据转换方法和Johnson转换方法的应用效果.实践证明,采用上述方法转化后的数据开展统计分析、变异函数模型的拟合及验证、克立格估计等工作,更容易满足稳健性要求,并能从本质上减小估计误差,提高估计精度

描述了协同区域化及协同区域化变量的概念,较详细地讨论了交叉矩及其性质(例如互协方差及互变异函数)。重点讨论了协同克立格法(包括协同克立格方程组及协同克立格方差等),给出了根据估计邻域内金和银的数据,并应用协同克立格法实例估计一个等估块段中金的平均含量

今天我们来学习一下遗传学三大规律中的第一条规律:分离规 律,学习三大规律是了解遗传变异的基础。在前面的结论中我们曾 提到孟德尔在经过8年(1856-1864)的豌豆杂交试验之后,经过细 致的后代记载和统计分析,于1866年发表了“植物杂交试验”的论 文,首次提出了分离和独立分配这两个遗传的基本规律

自然界中每一种生物的染色体数目和结构都是相对稳定的并且 一般的情况之下,以整倍的方式复制自身,从而使每条染色体及上 面负载的基因能稳定的传递,即保证了物种的稳定性。然而染色体 结构的稳定是相对的变则是绝对的,在自然及人工诱变的情况下 染色体会发生与亲本相比较具有明显不同的缺失,重复,倒位,易 位四种结构的变化