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

以工业轧机为对象,根据热连轧板形前馈的特点,研究提出了基于遗传算法的轧制力负荷再分配的模型.实验数据对比分析结果表明,使用该策略能够获得良好的板形及生产的平稳过渡,可用于热连轧生产

主要采用数据挖掘技术中的聚类分析算法对电弧炉炼钢的历史数据进行分析、加工处理,得出不同热装铁水比、炼钢成本、氧耗情况下的炉次分类,再利用K-means聚类法得到聚类结果,并对结果进行分析.通过分析比对,在结果的不同分类中选出最优的用氧和用电曲线

以钢铁企业的冷轧生产过程为背景,分析了酸洗-冷轧联合机组与后续机组间的生产协调特征,探讨了在确保生产连续运行的前提下降低库存水准和降低切换频率的机组切换策略,建立了确定酸洗-冷轧联合机组切换时长和切换批量的优化模型,研究了用于模型求解的切换规则,开发了面向生产实际的应用算法.对企业生产实际数据的计算和分析表明,算法具有良好的计算效率和适用性

从安钢电极控制的实际应用出发,应用数据挖掘技术建立了电极预测模型并应用于电极控制系统的参数整定.首先介绍了建立电极预测模型的数据挖掘过程;然后在数据挖掘算法中提出了一种新的变结构遗传Elman网络方法,该算法用改进的混合遗传算法对网络结构和权值及自反馈增益同步动态寻优.将基于BP算法的Elman网络和本文提出的变结构遗传Elman网络都应用于安钢交流电弧炉的电极预测模型中进行比较.通过基于安钢现场数据的计算机仿真实验表明:采用变结构遗传Elman网络的数据挖掘算法比BP算法具有更好的动态性能、更快的逼近速度和更高的精度.在此基础上,把建立的模型应用于安钢电极控制系统的参数整定,取得了良好的控制效果

提出了一种基于小波和动态时间弯曲(DTW)距离的时间序列索引和相似匹配方法.该方法采用小波变换进行数据降维,利用R*-tree建立多维索引结构.给出了查询序列的DTW距离边界和其在小波空间的查询超矩形的计算方法,从而将原始空间的基于DTW距离的相似匹配转换为小波空间基于欧氏距离的相似匹配.证明了此匹配方法不会产生漏报,给出了基于DTW距离的范围查询算法和近邻查询算法.实验结果表明该方法具有较高匹配精度和其较低的计算代价

提出了一种基于聚类的支持向量机增量学习算法.先用最近邻聚类算法将训练集分成具有若干个聚类子集,每一子集用支持向量机进行训练得出支持向量集;对于新增数据首先聚类到相应的子集,然后计算其与聚类集内的支持向量之间的距离,给每个训练样本赋以适当的权重;而后再建立预估模型.此算法通过钢材力学性能预报建模的工业实例研究,结果表明:与标准的支持向量回归算法相比,此算法在建模过程中不仅支持向量个数明显减少,而且模型的精度也有所提高

为了以有限的实验数据确定预应力锚杆布置的合理间距,结合山东省境内的104国道界河立交桥加筋土挡土墙的失稳加固工程实例,首先通过最小二乘支持向量机拟合优化对象与优化目标之间的复杂函数关系建立模型,然后采用现场实验数据样本进行模型训练,最后采用人工鱼群算法对模型进行优化,获得合理的布置间距,并通过加固效果监测验证了参数的合理性.结果表明,该法具有建模容易、收敛快和计算精度高等特点,说明该模型是合理可行的

基于视觉熵概念提出了一种静止图像分割压缩方法.通过对人类视觉系统特性的归纳,总结了基于视觉熵的图像分割原理,提出了用于量化图像特征的数学定义和基于视觉嫡的分割算法.实验结果表明,这种基于视觉熵的图像分割压缩算法既提高了压缩比,又能保证压缩后的重建图像整体上具有高的主观视觉感知质量

针对多目标进化算法搜索效率低和收敛性差的问题,提出了基于精英重组的混合多目标进化算法,将多目标优化问题分解为多个单目标优化问题单独求解,并采用基于遗传算法的精英重组策略将多个相异解重组生成唯一的精英解.提出区域化的种群初始化方法,改进局部搜索及群体选择机制,采用以优化子群为核心的分组交叉策略及自适应多位变异算子,并引入基于混沌优化的重启机制,有效克服了精英保存的固有缺陷,以及现有多目标进化算法存在的目标空间解拥挤、收敛慢、易早熟等问题.多目标测试函数的数值仿真和关键步骤的性能分析证明了本文算法的有效性和优越性