基于DSCM-FEM的花岗岩力学参数反演方法研究

开展了基于数字散斑相关方法和有限单元法(DSCM-FEM)的花岗岩力学参数反演方法研究.选取一种花岗岩进行三点弯曲实验,以数字散斑相关方法作为实验观测手段,分析得到的试件加载过程中表面位移场作为测量值,通过有限元法得到的位移场作为仿真值,以测量值与仿真值之间的误差作为目标函数,构建反问题模型,利用优化算法对岩石的弹性模...     

基于可信性分布的投资组合问题的一种混合智能方法

研究了模糊环境下基于效用函数的有效资产投资组合的收益率模型,模型建立在可信性分布的基础上,而不是概率分布或可能性分布基础上.给出模糊环境下基于可信性分布的n种资产的最优投资组合问题的混合智能算法以寻找某种效用函数意义下的最优组合.并以实例仿真说明该方法的有效性.     

智能算法在晶体色散方程参量反演中的比较研究

为了研究智能优化算法在不同晶体材料色散方程参数反演中的迭代搜索性能问题,根据已测石英和方解石晶体的实验数据,分别采用遗传算法、模拟退火算法和遗传模拟退火算法应用于晶体色散方程的参数反演中,获得了晶体修正的塞耳迈耶尔方程的参量,同时比较了三种算法在迭代搜索性能、算法稳定性、计算时间和差方和等之间的差异,结果表明,三种算法在晶体色散方程参数反演时都可以得到满意的结果,但是,由于遗传模拟退火算法同时具备遗传算法的快速全局搜索性能和模拟退火算法的极强局部搜索性能,使得在晶体色散方程参数反演中的优化效果更优.因此在建立其它材料色散方程时建议采用遗传模拟退火算法,而且这一结果对研究混合智能算法的迭代搜索性能也是有帮助的.     

三维欧氏Steiner最小树的Delaunay四面体网格混合智能算法

Steiner最小树问题是组合优化中经典的NP难题,在许多实际问题中有着广泛的应用,而三维欧氏Steiner最小树问题是对二维欧氏Steiner最小树问题的推广。由于三维欧氏Steiner树问题的求解非常困难,至今为止的相关成果较为少见。本文针对该问题,利用Delaunay四面体网格剖分技术,提出了一种混合型智能求解方法,不仅可以尽量避免拓扑结构陷入局部最优,且对较大规模的问题求解亦有良好的效果。算法在Matlab环境下编程实现,经实例测试,获得了满意的效果。     

随机的库存-路径问题的机会约束规划模型与算法

随机需求下的库存-路径问题是一类复杂的组合优化问题.本文讨论了VMI背景下的库存-路径联合优化问题,构建了问题的机会约束规划模型,并将随机模拟、人工神经网络和遗传算法结合在一起,设计了求解问题的混合智能算法.实验表明算法性能良好.     

求解高维复合体函数的智能优化算法

由于粒子群算法在处理高维复杂函数时存在容易陷入局部最优的问题,提出了多种群子空间学习粒子群算法(SLPSO),采用多种群进化模式,在粒子更新公式中加入了全局最优粒子,加快了粒子收敛速度,同时在种群之间采用了交叉学习的方法,大大提高了算法的全局搜索能力.另外,还增加了一种子空间学习方法,充分地利用粒子的历史经验,有效地避免了陷入局部最优的问题.通过在高维基准测试函数的仿真实验表明,SLPSO算法的测试结果都明显优于其他两种算法,随着函数维数增加,SLPSO算法测试结果的下降幅度明显低于其他两种算法.在6个极其复杂的复合函数的测试中,SLPSO算法有2个测试函数结果非常接近理论值,其他4个也明显优于其他三种算法.     

基于注意力机制的ADE-Bi-IndRNN模型的中国粮食产量预测

为更加准确地预测我国粮食总产量,基于自适应差分进化算法来智能地选择基于注意力机制的双向独立循环神经网络的超参数,并考虑了粮食作物单位产量、农业生产条件、科技因素、农业保险、市场及经济因素五大类影响因素,构建了基于注意力机制的ADE-Bi-IndRNN粮食产量预测模型。经过预测分析得出我国2020—2024的粮食产量分别为6.67亿吨、6.72亿吨、6.80亿吨、6.99亿吨、7.02亿吨,总体呈现震荡上涨趋势,平均年增长率为1.15%。同时,通过对多个变量进行的注意力权重的分析,发现现阶段对我国粮食总产量预测贡献最大的三个变量为：谷物单位面积产量,粮食作物总播种面积,耕地灌溉面积,且政府对农业保险的政策性补贴、粮食进口量、谷物生产价格指数、农业生产资料指数也有助于提升我国的粮食总产量,并据此对我国粮食行业发展提出了建议。     

并行分批排序综述

并行分批排序起源于半导体芯片制造过程。在并行分批排序中,工件可成批加工,批加工机器最多可同时加工B个工件,批的加工时间为批中所有工件的最大工时。首先根据传统的机器环境和目标函数对并行分批排序已有成果进行分类介绍,主要为单机和平行机的机器环境,以及极小化最大完工时间、极小化总完工时间、极小化最大延迟、极小化误工工件数、极小化总延误和极小化最大延误的目标函数;然后梳理了由基本问题所衍生出来的具有新特点的16类新型并行分批排序,包括差异尺寸工件、多目标、工件加工时间或顺序存在限制、考虑费用和具有特殊机制等情况;最后展望未来的研究方向。     

基于可信性安全准则的模糊动态投资组合模型

研究了模糊环境下的动态投资组合模型,将证券的收益率描述为模糊变量,提出了基于可信性测度的安全准则,可信性安全准则反映了投资者对灾难事件的容忍水平.建立了基于可信性安全准则的模糊动态投资组合模型,对建立的模型设计了基于模糊模拟的混合智能算法进行求解,并在Visual C++环境下,用C语言实现了对实例的求解,证明了混合智能算法的有效性和合理性.     

基于TTDF和CNS算法的多路BOTDR散射谱信息高精度分析研究

传统的BOTDR光纤传感系统采用单路传感光纤实现对信息特征的测量,交叉敏感等不可控因素会使散射谱拟合精度较低,信息分析偏差较大。设计了一种同时对多路传感信息进行检测的BOTDR系统。针对基于布里渊光时域反射(BOTDR) 的多路传感散射谱高精度特征提取的要求,提出了一种三次数据融合(TTDF)与布谷鸟牛顿搜索(CNS)相结合的散射谱信息分析方法。该方法利用TTDF对信息数据的融合能力,根据狄克逊准则和格拉布斯准则,剔除了异常值的影响,减小了传感信号的误差;采用布谷鸟牛顿搜索算法进行频谱拟合,不仅通过布谷鸟的智能搜索能力得到全局最优解,而且以该最优解作为牛顿算法的初值进行局部寻优,保证了频谱拟合的精度,提高了布里渊散射谱信息分析的准确度。在温度信息散射谱线性权重比为1∶9的情况下,分析了不同线宽散射谱信息的提取。采用该方法进行多路数据融合的方差约为0.003 0,散射谱的中心频率约为11.213 GHz,温度误差小于0.15 K。理论分析和仿真结果表明,将此方法用于基于布里渊光时域反射的多路分布式光纤传感系统,可有效提高多路传感信号的准确度和布里渊散射谱信息分析的精确度。