为了提高物流服务优化组合的动态性、可靠性与用户满意度,本文提出了一种基于全局服务质量(quality of service,QoS)约束分解的能够感知领域质量与资源需求的物流服务优化组合方法.该研究工作首先把学习机制引入人工蜂群算法(artificial bee colony algorithm,ABC),形成了具有自主学习能力的改进型人工蜂群算法(LABC);之后,应用学习人工蜂群算法(LABC)将全局QoS约束分解成每个物流子任务需要满足的局部QoS约束,从而将QoS感知的物流服务优化组合这一全局优化问题转化成以领域质量为依据的局部最优服务选择问题;其次,在物流服务流程执行的过程中,在感知物流任务节点对资源需求的前提下,为每一个物流任务节点选择一个具有最优领域QoS的物流服务;与已有的研究工作相比,该方法能够实现物流服务动态可靠的优化组合.最后,通过模拟实验验证了本文所提出的方法是可行有效的

给出了在存在不确定性干扰的情况下,生产计划-库存控制过程最优化的动态提法.在此基础上提出了一个在线克服不确定性干扰寻求最优控制的实用算法

本文提出一种基于光伏和储能的电压质量改善方法。该方法以整个建设周期经济收益最大化为目标，考虑储能运行约束、节点电压约束等相关约束，采用蚁群算法求解分布式光伏–储能系统，建立了农网光伏–储能低电压治理的优化模型，最后通过IEEE-33节点为例进行验证。结果表明，光伏–储能系统能够在改善农网末端电压质量的基础上，增加整个配电网系统的经济收益，相比于无光伏储能系统更具备经济优势

针对炼钢−连铸过程因车间布局复杂造成工序间钢水交叉供应频繁、等待时间过长以及天车调度困难等问题，本文建立以计划内所有炉次总等待时间最小为优化目标的炼钢−连铸过程生产调度模型，并采用改进的遗传算法求解该模型. 在遗传操作过程中，引入“炉−机对应”调控策略以改善初始种群质量，并根据转炉（精炼）与连铸作业周期的比较，来确定是否对个体进行交叉、变异操作

在某钢铁线材企业的实际调度问题的基础上,研究了一类带有组换装时间的单机调度问题.根据该调度问题的实际需求,以最小化作业的最大延迟为优化目标.由于该问题是NP难的,提出了一类启发式算法来求解该问题,并进一步通过引入问题的性质,提高算法的寻优性能,降低算法运行时间.该算法在随机产生的测试问题和企业的实际调度上均进行了测试,实验结果表明该启发式算法能在短时间内获取近优解

为解决局部最优问题,将遗忘机制引入传统遗传算法中,提出了一种改进的遗忘遗传算法,给出了一种遗忘算子及其遗忘概率,通过在遗传过程中遗忘某些基因,增加了算法的搜索空间,使算法跳出局部最优,从而最大限度地避免早熟收敛.将该算法用于不同欠费率下的电信客户初始信用评分,找到信用权重的优化解,较好地解决了对高欠费率群体进行信用评分时,信用权重的适应值偏低的问题.实验结果表明所提算法有效可行.与标准遗传算法相比,本文所提算法可以获得更高质量的解

针对卫星通信网频谱资源利用率低下的问题,以信道有效容量最大化为优化目标,提出了一种支持时延约束的卫星Underlay认知无线网络功率控制与优化算法.首先根据网络拓扑结构建立了功率干扰模型,通过引入时域信道相关系数,推导了完全与非完全信道环境下基于时延约束的认知用户有效容量优化目标函数,并利用Lagrange方法求解得到不同场景下认知用户的最佳功率调整策略,简化了功率控制优化过程,最后通过实验仿真分析了影响认知用户信道有效容量的因素.结果表明,该算法能够根据业务时延约束条件和信道衰落特性变化动态调整认知用户的最佳发送功率,与等功率分配算法相比认知用户的信道有效容量得到了明显提高

针对电机驱动系统进行了基于有限时间控制器的结构/控制一体化设计.针对电机驱动系统跟踪控制问题，采用有限时间收敛方法设计了跟踪控制器.考虑系统状态信息不可测的情况，设计了有限时间滤波控制器，在估计系统速度信息的同时实现了有限时间跟踪控制.为进一步提升系统控制性能，考虑结构与控制之间存在的耦合问题，对电机驱动系统进行结构/控制一体化设计.首先针对电机驱动系统设计了同时考虑结构优化和控制器优化的一体化性能指标.所设计一体化性能指标能够在满足控制性能要求的同时，得到所能驱动的最大负载.同时优化系统的结构参数与控制器参数能够使控制系统达到全局最优，从而取得良好的控制效果.随后，采用嵌套优化策略对电机驱动系统的一体化设计问题进行简化，采用自适应步长的布谷鸟搜索算法对控制器参数优化问题进行求解，得到了一体化最优解.通过数值仿真验证了所提方法的有效性

针对多无人机在协同搜索过程中存在重复搜索、目标静止、搜索效率低的问题，提出基于改进鸽群优化和马尔可夫链的多无人机协同搜索方法.首先，建立类似传感器探测范围的蜂窝状环境模型，降低对搜索区域的重复搜索；其次，建立满足高斯分布的马尔可夫链动态目标运动模型；然后，将柯西扰动引入基本鸽群优化算法的地图和指南针算子，高斯扰动引入地标算子，同时利用模拟退火机制保留次优个体，进而有效缓减基本鸽群优化算法易陷入局部最优的问题.最后，通过仿真实验将本文算法与其他群体智能算法进行比较，结果表明新型算法的合理性和有效性

1 感知机存在的一个问题 2 线性可分 SVM SVM 的种类 函数间隔和几何间隔 学习的原始最优化问 题 凸优化问题 线性可分 SVM 学习算 法—最大间隔法 支持向量与间隔边界 拉格朗日对偶性 KKT 条件 线性可分 SVM 学习的 对偶算法 3 线性不可分 SVM 线性 SVM 学习的对偶 算法 线性 SVM 学习算法 线性不可分时的 SV 合页损失函数 4 非线性 SVM 与核函数 希尔伯特空间 核函数的定义 核函数的选取 核技巧在 SVM 中的应 用 非线性 SVM 算法 5 序列最小最优化算法 SMO 算法的基本思路 两变量二次规划的求 解方法 两个变量的选择方法