平板折叠桌的设计模型

根据折叠桌的运动特征,选取折叠桌的四分之一为研究对象,建立任意角度下桌脚点的运动变化模型。考虑到产品稳固性、加工便利性和节约用材三方面对加工参数的影响,对折叠桌进行受力分析,得到多目标组合优化模型,用以确定出折叠桌的最优设计参数。针对用户提出的桌面形状要求,建立桌脚曲线的参数方程。作为模型推广,以椭圆状折叠桌为例,运用Matlab画出了桌脚边缘线在折叠过程中的动态变化示意图。同时,又深入研究Robert van Embricqs的滑动折叠桌,建立了新的桌脚曲线参数方程。最后,运用Matlab对多种形状折叠桌进行仿真,编写多目标优化算法,得出了最优加工参数,并进行了算法描述。     

汽车租赁调度多目标优化模型

本文考虑一个周期的汽车租赁调度问题,在直接调运的前提下,首先以汽车租赁公司的总收益最大和总短缺损失最小为目标,建立多目标优化模型;然后提出了基于启发式的双层排序综合择优算法;最后对汽车租赁案例进行了实证研究。     

2015年美国大学生数学建模和 跨学科建模竞赛试题（A题和B题）

015年美国大学生数学建模竞赛A题“根除埃博拉”是一个国际关注的问题,本文参考了部分获奖竞赛论文中的观点和方法,深入研究这一课题,给出了比较全面的分析。根据西非埃博拉病毒传播的实际情况,建立了若干通常传染病的SEIR模型的衍生模型,并给出详细的阐述,同时也说明了仿真的重要意义。最后,点评了学生论文中的优缺点,并给出进一步研究的建议。     

一种面向嵌入式处理器的昏睡子块唤醒方法

针对嵌入式处理器中日益明显的指令Cache漏功耗,本文提出了一种基于标准SRAM单元的子块划分和预测唤醒的昏睡指令Cache的漏功耗优化方法。该方法不需要对昏睡SRAM单元进行定制设计,而是利用标准SRAM单元已有的结构,通过将指令Cache划分成不同的子块,根据指令的运行情况,实时地关闭和唤醒Cache子块,以降低指令Cache的静态功耗;并在此基础上,针对昏睡指令Cache技术带来的唤醒延迟,设计了一种简单的分支和跳转的目标地址预测器,在消除唤醒延迟带来的性能损失基础上,提高了处理器的性能。通过实验对比,该方法可以减小36%的指令Cache静态功耗,同时处理器性能平均有13%的提高。     

纯电动汽车磷酸铁锂电池组的建模及优化

鉴于传统神经网络和支持向量机机理复杂、计算量大的缺陷,很难实时跟踪磷酸铁锂电池组复杂快速的内部反应,影响电池荷电状态的估算精度,提出应用一种简单、有效的极限学习机对一额定容量为100Ah、额定电压为72V的纯电动汽车磷酸铁锂电池组建模,并分别与BP神经网络、RBF神经网络、支持向量机进行对比。随后,以学习时间和泛化性能为优化目标,应用粒子群方法寻找最佳隐层节点个数。结果表明,基于极限学习机的磷酸铁锂电池组模型的学习时间、泛化性能优于BP神经网络、RBF神经网络、支持向量机;隐层节点优化后,模型的学习时间和泛化性能达到最优。     

基于动态布谷鸟搜索算法的PID控制器参数优化

针对传统PID控制器参数优化费时且不能保证获得最佳性能,提出一种基于动态布谷鸟搜索算法的PID控制器参数优化方法。布谷鸟搜索算法(CS)具有参数少、搜索能力强等特点,但是标准布谷鸟搜索算法参数采用固定值,极大地影响了算法的性能,因此提出了动态布谷鸟搜索算法(DCS),DCS算法采用动态参数,算法性能明显改善。仿真试验结果表明基于动态布谷鸟搜索算法的PID控制器具有较好的控制性能指标。     

针对限制幅值磁共振脉冲的优化设计

在磁共振脉冲优化领域,优化脉冲普遍存在幅值过大的问题,这极大地限制了优化脉冲的使用范围。为了限制优化脉冲的幅值,扩大其应用范围,提出了一种基于L-BFGS-B数值算法的脉冲优化设计方法。首先基于Liouville-von Neuman方程,使用最优控制思想构建优化模型;然后使用L-BFGS-B算法,在限制幅值的条件下对优化模型进行数值迭代求解;最后以脉冲的激发效率以及激发轮廓的均匀性作为衡量优化脉冲优劣的标准对该方法进行仿真和实验验证。结果表明,采用该方法获得的优化脉冲在幅值被限制的前提下,仍能获得较传统磁共振脉冲更好的共振激发效果,进而增强信号的灵敏度,提高图像的质量。     

一种基于并行混沌和SFLA的风电电网无功优化模型设计

针对已有方法在解决电网无功优化时,由于系统的无功不足和电网电压的不稳定,容易过早收敛到局部最优解的缺点,设计了一种基于并行混沌和混合蛙跳算法 (Shuffle Frog Leaping Algorithm, SFLA)的电网无功优化模型。首先,建立了最小化有功网损、最大化静态电压稳定裕度和最大化无功补偿单位投资收益的多目标数学优化模型,然后,对经典的SFLA进行改进,通过引入精英协同进化机制和划分种群的方式实现并行寻优,从而增加个体的多样性和加快最优解的求取速度,在不同种群中设计不同的适应度函数和个体更新进化方法。为了使得算法的初始解分布更为均匀,引入用混沌机制来对种群进行初始化,最后,对基于并行混沌和SFLA的总体算法进行了设计和分析。在Matlab环境下进行实验,实验结果表明文中方法得到的优化结果具有电网有功损耗小、单位投资收益高和静态电压稳定裕度大的优点,具有较强的可行性和适应性。     

基于改进DPSO算法的并行测试任务优化调度研究

并行测试以减少测试时间和降低测试成本的强大优势,已成为当前自动测试系统发展的方向。针对并行自动测试过程中,测试任务调度复杂,难以优化的问题,以PSO算法为基础,通过对问题空间编码的重新定义,并运用交叉、变异算子给出了新的粒子位置的更新公式,提出了一种改进后的DPSO算法。依据并行测试完成时间极限定理,给出了并行测试任务调度的目标函数与约束条件。以某雷达电子装备并行测试系统中三块电路板并行测试为例,对改进的DPSO算法进行了仿真验证,得到了最优调度测试序列。结果表明：与遗传算法相比,改进后的DPSO算法迭代次数更少,寻优性能更好,适用于工程应用。     

基于遗传算法参数优化的PCNN红外图像分割

构造一种基于遗传算法参数优化的脉冲耦合神经网络(PCNN)红外图像分割算法。该算法首先利用PCNN的全局耦合性和脉冲同步性对输入图像进行点火处理,根据PCNN的输出结果计算熵作为遗传算法的适应度函数,并利用熵的变化量作为遗传算法的收敛依据,对PCNN模型中影响图像分割的参数进行组合优化,结合PCNN生物视觉特性和遗传算法解空间随机搜索能力来寻找关键参数的最优值。将遗传算法和PCNN进行结合可充分发挥二者优势,将本文方法与最大类间方差法(OTSU)、最大熵直方图分割算法和PCNN分割方法进行对比,通过交叉熵、区域对比度等客观指标对分割后的图像进行定量分析,结果表明无论从主观视觉还是客观指标,本文方法分割效果优于其他对比方法。