钢坯热轧加热炉区生产调度属于组合优化中的NP-complete问题.本文根据加热炉区生产特点建立了分别以生产能耗最小化和加热质量最优化为主次目标的钢坯加热炉区调度数学模型,将其归结为布尔可满足性问题,构造了采用二进制编码方式的遗传禁忌搜索算法进行求解.基于实际生产数据的模拟优化结果表明,该模型和求解方法充分满足了现场加热炉区生产调度的需求,在满足生产工艺约束的前提下,缩短了生产时间,提高了钢坯入炉温度和加热质量,与传统人工调度方法的结果相比具有更好的节能、高产效果

介绍了模式识别与人工神经网络算法应用于16Mn微合金化钢的生产工艺优化,并给出了各目标的最佳工艺参数供生产时参考

根据轧制数量、测量数据质量和轧制力预报误差的影响,建立了轧制力自学习速度因子优化模型.在长期自学习的判定条件中综合考虑了规格分档的变化以及厚度、宽度的改变量,减少了换规格的次数.长期自学习系数计算时利用了从前一块钢数据中分离出的设备状态信息,从而改善了模型自学习的连续性.离线仿真分析结果表明,轧制力计算精度相对于自学习算法优化前有较大的提高

一、数值积分法的基本原理及其主要内容 二、快速仿真算法的基本原理及其主要内容 三、离散相似法的基本原理及其仿真应用 四、线性系统的仿真方法 五、非线性系统的仿真方法 六、采样控制系统的仿真方法

一、微机控制系统的组成、分类和设计方法 二、报警程序的设计 三、常用数字滤波技术 四、数字PID控制算法分析及参数整定 五、直接数字控制系统和达林算法的原理及应用

4.1 串类型的定义 4.2 串的表示和实现 4.3 串的模式匹配算法

1.1密码学研究的基本问题 一、密码体制 密钥 明文、密文 加密算法 解密算法

第一章绪论 一、什么是数据结构 二、算法和算法分析 1.1什么是数据结构

最小距离法是一种应用非常广泛的状态识别算法,但其在使用过程中要求待识别样本必须符合类内距离较小、类间距离较大这一前提条件,否则将会造成识别错误.针对最小距离法存在的问题,提出了一种基于人工神经网络的改进最小距离法,并将该方法应用于加热炉工况的状态识别.结果表明,该方法具有识别速度快、识别率高的优点,完全能够满足工业生产过程的需要

1、虚拟存储系统的基本概念 2、分页存储管理 3、分段存储管理 4、段页式存储管理 5、页(段)的置换算法和系统行为 6、页架分配算法