从多目标配矿的复杂性出发,提出具有模糊性的多目标配矿问题,并设计出了基于管理者语言偏好和决策者满意度的模糊优化算法,该算法从最优性模型和重要性模型两方面进行改进.最后通过具体矿山实例对算法进行实现研究,根据实际配矿目标的各种要求,从算法的有效性、灵活性和灵敏性等特性进行分析

针对多目标粒子群优化算法的研究进展进行综述。首先，回顾了多目标优化和粒子群算法等基本理论；其次，分析了多目标优化所涉及的难点问题；再次，从最优粒子选择策略，多样性保持机制，收敛性提高手段，多样性与收敛性平衡方法，迭代公式、参数、拓扑结构的改进方案5个方面综述了近年来的最新成果；最后，指出多目标粒子群算法有待进一步解决的问题及未来的研究方向

针对板坯重量被事先确定的情况,提出了客户订单重量需求规格和宽度需求规格为区间值的板坯设计问题,建立了最小化板坯数量和总盈余量的多目标板坯设计模型.基于构建的订单-板坯矩阵和板坯相容集合,提出了一种两阶段的板坯设计最优算法,算法的第一阶段实现板坯数量最小化,第二阶段实现总盈余量的最小化.针对提出的算法,给出了最优性质的理论证明以及基于实际数据的应用算例

提出了一种采用LabVIEW并行运算提高传统遗传算法计算速度的方法,可实现多核计算机多线程的同时运算,从而大幅度提高运算效率.Ni-Ti合金线材无模拉拔初始阶段拉拔速度路径优化结果表明,在八核计算机上采用基于LabVIEW的多线程并行运算程序,与基于文本编程的MATLAB运算程序相比,前者运算时间仅为后者的1/8左右.Ni-Ti合金线材无模拉拔实验结果表明,采用本文智能优化后的拉拔速度路径,可使线材直径波动长度缩短至24 mm,远小于线性或S线型路径的最小直径波动长度

运用运筹学的理论和方法，建立一种重大事故救灾路线双目标优化数学模型.基于启发式算法思想，提出适合该模型且收敛速度较快的优化算法.该算法通过构造辅助函数调用Dijkstra算法，在最优解的近似区间内多次迭代逐渐逼近最优解，实现了双权重网络图最短路的求解，是一种近似的、快速的算法.基于所构造辅助函数的性质，给出实现该算法的具体步骤.对误差进行线性估计，分析了该算法收敛速度的影响因素，并讨论了算法的时间复杂度及优势.最后在案例分析中编译并运行该算法，证实其模拟结果与理论分析结论相吻合

应用光滑函数改进支持向量机模型,得到无约束条件、可微的二次规划问题,从而可以采用快速的最优化算法求解光滑支持向量机模型.提出了一种广义三弯矩方法,用这个方法构造出新的五次样条光滑函数和七次样条光滑函数.证明了上述两个样条光滑函数的逼近精度均高于已有的各种光滑函数;基于上述两个样条函数的光滑支持向量机模型的收敛精度也高于已有的各种光滑支持向量机模型

提出了一种基于双维度搜索的实时轨迹规划方法，用来解决自主地下铲运机转弯轨迹规划问题。该方法是一种结合采样思想和最优化算法的复合轨迹规划方法，包含三个主要步骤：基于双维度搜索策略的优化模型参数生成，基于二次规划的轨迹计算，以及基于约束检查的最优轨迹确定。该方法新颖之处在于提出的基于转弯区域行驶时间和里程的双维度搜索策略，以及基于平稳目标的轨迹最优化模型，可根据弯道区域入口速度和位置，快速生成纵横向都有最优性保证的最优轨迹。该方法结构简单、易于实施，可通过关键参数的调整满足控制器对轨迹生成速度的实时性要求。基于该轨迹规划方法的特点，使其不仅适用于实时轨迹规划，还可为未来智慧矿山的智能管控与优化调度提供底层约束。多组算例验证了该方法的有效性和优越性

针对单核学习支持向量机无法兼顾学习能力与泛化能力以及多核函数参数寻优问题，提出了一种基于群体智能优化的多核学习支持向量机算法。首先，研究了五种单核函数对支持向量机分类性能的影响，进一步提出具有全局性质的多项式核和局部性质的拉普拉斯核凸组合形式的多核学习支持向量机算法；其次，为增加粒子多样性及快速寻优，将粒子群优化算法引入了遗传算法中的杂交操作，并用此改进的群体智能优化算法对多核学习支持向量机进行参数寻优。最后，分别采用深度特征与手工特征作为识别算法的输入，研究表明采用深度特征优于手工特征。故本文采用深度特征作为多核学习支持向量机的输入，以交叉遗传与粒子群混合智能优化算法作为其寻优方式。实验选取合作医院数据集对所提算法进行训练并初步测试，进一步为了验证所提算法的泛化能力，选取公开数据集LUNA16进行测试。实验结果表明，本文算法易于跳出局部最优解，提升了算法的学习能力与泛化能力，具有较优的分类性能

正弦余弦算法是一种新型仿自然优化算法，利用正余弦数学模型来求解优化问题。为提高正弦余弦算法的优化精度和收敛速度，提出了一种基于差分进化的正弦余弦算法。该算法通过非线性方式调整参数提高算法的搜索能力、利用差分进化策略平衡算法的全局探索能力及局部开发能力并加快收敛速度、通过侦察蜂策略增加种群多样性以及利用全局最优个体变异策略增强算法的局部开发能力等优化策略来改进算法，最后通过仿真实验和结果分析证明了算法的优异性能

地下定位面对环境恶劣、干扰、多径等影响,常规算法难以获得高精度的定位结果,同时井下环境多为狭长的巷道,不利于布置定位所需的锚节点,而井下锚节点的布置通常对定位结果有较大影响,因而使用普通的定位方法不足以满足智能采矿所需的高精度定位需求.本文对传统的三边定位算法进行分析,总结了传统三边定位结果产生误差的原因,并提出了改进的算法,通过仿真实验验证了改进算法的有效性.同时通过理论分析误差带,使用最大绝对定位误差用于仿真分析拓扑结构对定位结果精度的影响,提出了对拓扑结构的优化原则,能够根据环境特点以实现定位区域内平均最大绝对定位误差最小为原则得出最优拓扑结构.文中设置了仿真实验和实地实验对改进的算法和拓扑结构优化方法进行了验证,实验结果中,改进的算法能够在相同拓扑结构下减小15%~43%的误差,而在相同算法下优化的拓扑结构能够减小17%~65%,二者结合能够减小误差达74%.结果表明,在相同的定位条件下,改进的定位算法能够明显提高定位结果的精度,同时定位结果与拓扑结构之间也有着密切的联系,根据实际环境灵活布置拓扑结构能够使定位结果的精度进一步提高,将改进的算法与拓扑结构优化方法结合可以实现更高的定位精度