本文在分析振动出矿动力学问题的基础上,建立了包括放矿生产能力、单位矿量能耗和物料干扰强度在内的三个振动出矿效果衡量指标。应用电子计算机对单轴和双轴惯性振动出矿机分别进行了工作参数最优化分析。室内模型试验的结果表明,本文所提出的最佳工作参数及其实用的计算公式是易行和基本可靠的

针对热连轧负荷分配的目标函数处理中采用的加权系数不好确定的问题,设计了一种多子群目标分段优化的差分进化算法.每个子群优化目标函数的一个子目标,子群之间独立进化,不但解决了加权系数问题,并且提高了算法的收敛速度和精度.最后,算法的有效性通过仿真进行了验证

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

当地铁灾害事故发生后,灾区人员有效利用防灾标识系统进行及时疏散,则是防止和减少伤亡损失的重要措施.本文对国内外大中型地铁站标识进行了系统的调研,分析了国内地铁防灾标识系统现存的问题.通过国内外防灾标识系统的比较,提出了优化的建议.最后对地铁防灾标识系统与应急预案框架系统的关系进行了初步的探讨

为解决采空区下薄顶煤巷道支护设计中所面临的各种力学问题,通过七因素三水平的正交实验方案,进行了27次数值模拟实验.按照三个评价标准,分别分析了各关键因素对巷道稳定性的影响,并筛选出相应的最优方案.利用灰色模糊理论对巷道支护方案进行了综合评价及整体优化设计.研究中考虑了支护费用及施工时间等成本性指标,分析了巷道支护后围岩的应力变化、位移特征和破坏机理,制定了可行的施工方案.所采用的支护技术在窑街煤电公司天祝矿正式投入使用后,取得良好的经济效益

物联网是未来赛博使能业务的重要支撑平台。蜂窝网络则被认为是广泛分布在部署区域中的物联网终端数据接入的主要渠道，尤其在广域覆盖方面具有难以替代的价值。在满足覆盖要求的条件下，降低蜂窝网络基站的下行发射功率在绿色通信方面具有重要的研究意义。由此提出了一种基于优化目标平滑近似和均方根传播策略的梯度下降算法，在满足物联网业务覆盖率的条件下最小化基站的总下行发射功率。首先，使用罚函数方法将复杂约束条件的异构蜂窝网络优化问题转化为简单约束形式的优化问题；其次，将不可导的目标函数通过平滑近似转化为可导形式，并给出其对天线下倾角和下行功率参数的梯度解析形式；最后，使用均方根传播梯度下降算法进行转化后的目标函数优化。仿真实验结果表明该算法可以在满足覆盖率指标的条件下最小化基站的总下行发射功率，与现有元启发算法和普通梯度下降算法相比，具有良好的收敛速度，并能更好地抑制优化过程中振荡

针对某特殊钢厂炼钢-连铸生产调度问题,首先,构建以炉机匹配度、连浇炉数以及过程等待时间等为主要评价指标的多目标优化调度数学模型.进而,对工艺流程结构以及炼钢、精炼和连铸三个工序的运行时间进行解析,分析合理的产品结构范围及不同产品结构下的生产组织模式.根据炼钢厂运行的\炉机对应\原则,运用柔性工序缓冲调节策略,协调优化炼钢、连铸工序间的生产节奏,求解不同生产模式下的调度方案.最后,通过仿真计算与实际生产状况的综合分析,验证了调度模型和求解策略的有效性和优越性

运用运筹学中图论及多目标优化的理论和方法建立应急救援物资车辆最佳运输路线的选择模型，并基于启发式算法求解该模型.从静态网络应急物资车辆运输路线的双目标优化问题入手，设计适合本文模型的算法，并将之推广至含有三个及三个以上优化目标的路线选择问题.引入时间扩展图的概念，将动态网络中的最佳运输路线问题转化为静态网络中的路径选择问题.算法实质是通过构造辅助决策函数实现Dijstra算法的调用，并在辅助函数构成的搜索空间上寻找最优解，是一种快速的、近似的算法.利用随机路网和真实路网测试本文算法，测试结果与本文的理论分析一致，证明本文算法在应急救援物资车辆运输路线的多目标优化问题中可行且有较好的应用效果

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