关键词： 多层绝热   多种金属涂层   层密度变化趋势   粒子群算法   遗传算法  

摘要： 针对特殊结构条件下多层绝热材料的层密度优化问题，论文引入改进的层与层模型，采用遗传算法和粒子群算法为优化手段，对多种金属涂层（铝、金、铜）为反射屏的多层绝热（MLI）结构进行了优化，并探索了多层绝热材料在不同反射屏涂层和变密度条件下的绝热性能优化方法。采用遗传算法在不同反射屏涂层条件下对层密度的变化规律进行了研究，结果表明，与单金属涂层多层绝热结构进行对比，三种金属涂层组合结构绝热性能提升33.54%；层密度（从冷端到热端）由大到小时比层密度由小到大时总漏热更小，且层密度（从冷端到热端）由小到大时和由大到小的总漏热分别为0.4109 W/m2和0.3903 W/m。应用粒子群算法对各分区的层密度参数进行优化，得到了最优层间距组合参数；对分区结构（低密度区，中密度区，高密度区）进行优化，得到最小总漏热为0.3916 W/m，绝热性能提升2.27%。论文为多层绝热性能改进贡献了有益的优化方法和多种反射屏金属涂层结构的思路。

关键词： 无容量设施选址问题   改进遗传算法   精英交叉   双算子随机变异  

摘要： 遗传算法是求解大规模无容量设施选址问题的一种常用智能优化算法，但在求解时存在易陷入局部最优等问题，为此提出一种基于精英交叉和双算子随机变异的改进遗传算法。在交叉环节，采用精英个体和其余个体进行基因交叉，以迅速优化个体基因，加快种群的收敛速度；在变异环节，从两个变异算子中按一定概率随机选择一个，以增强种群多样性，改善局部搜索能力；此外，在计算适应度环节之前引入检查机制，剔除未用设施，改善了种群质量和求解效率。仿真结果表明，改进的交叉和变异算子有效性更强，算法的全局寻优能力和求解精度得到有效改善和提升。

关键词： 机器视觉   路径规划   避苗除草   A*算法   生菜  

摘要： 针对小型智能除草机因除草部件作业路径规划策略不完善导致的作物损伤与作业效率低等问题，该研究以土培生菜为试验对象，提出一种基于启发式搜索策略的自适应避苗除草作业路径规划方法。搭建了图像采集与双向并行驱动机构相结合的除草作业平台，应用YOLOv8n-seg模型识别提取生菜边缘形态与杂草位置分布信息，基于自适应递归聚类算法进行杂草位置簇划分、以簇心为关键点构建除草部件作业路径加权无向图，结合A*(A-Star)启发式搜索策略，实现避苗条件下除草部件作业路径的最短规划。进行了不同杂草分布的仿真分析与相同杂草分布的性能对比试验，仿真结果表明：该作业路径规划方法具有较好的适应性，作业路径长度从小到大排序为本文方法、螺旋算法、蛇形算法、BCD算法；试验结果表明：自适应避苗除草模式的除草率为93.91%、伤苗率为0、行株间相邻生菜形成的除草单元平均除草耗时为14.2 s，与避苗遍历除草模式相比，在相同作业速度下，作业效率提升了42.28%。研究结果可为田间高质量机械除草提供技术参考。

关键词： 多目标遗传算法   机械手   抓取轨迹   选择  

摘要： 机械手抓取轨迹规划往往需要同时满足最短路径、最快速度、最小能量消耗等多个目标，但因多目标间存在冲突，导致降低了目标物件的抓取成功率。对此，提出一种多目标遗传算法下的机械手抓取轨迹选择方法。针对机械手展开动力学分析，并在上述基础上，以作业时间最短、能耗最小和冲击率最小作为优化目标，构建机械手抓取轨迹选择目标函数，确定相关的约束条件。应用多目标遗传算法对目标函数求解，多目标遗传算法能同时处理多个目标，借助种群进化机制，每代保留一组不同目标表现各异但整体性能均衡的个体，构成Pareto最优解集。从中挑选契合当前任务的抓取轨迹方案，提高机械手抓取成功率。实验分析表明，运用所提方法能够确定最佳的机械手抓取路径，有效增强机械手抓取成功率，降低抓取误差，最高仅为3rad。

关键词： 遗传算法   车辆调度   AGV避撞   AGV群  

摘要： 文章研究了多AGV的调度问题，以智能仓库的货物存取作为AGV的应用背景，设计了一种新型的调度策略，该问题旨在确定一种最大完工时间最小化的调度解决方案。为此，文章提出了一种新的遗传算法用来解决多AGV在智能仓库中的调度问题，该算法包括如下改进操作：按照距离最近原则取货的初始种群优化处理，随迭代进化的自适应交叉操作，等价交换的变异操作，为了扩大搜索能力避免陷入局部最优解的算法重启策略。文章的最后，结合某智能仓库的实际包裹流动情况，进行了一系列的对比实验，实验结果表明，在求解所考虑问题时，文章所提出的遗传算法比现有算法能产生更好的解。

关键词： 曲面机械零件   切削参数优化   遗传算法   正交设计   轮盘赌法  

摘要： 在曲面机械零件切削加工中，加工精度与表面质量等目标切削参数的约束之间相互关联又相互制约，使得传统的遗传算法求解过程很难在多个目标之间找到最优的平衡，导致零件切削路径增加、能耗上升。对此，提出改进遗传算法的曲面机械零件切削参数优化方法，首先建立曲面机械零件切削的变形误差函数和粗糙度函数，并联合两者构造综合目标函数，以切削力相对稳定为目标优化切削参数。然后，设定主轴转速、进给速度、表面质量、切削功率、最大切削力等约束条件。最后，改进遗传算法通过实数编码直接对应曲面机械零件切削参数，采用自适应交叉和变异率动态调整最优切削参数搜索策略，从而有效解决曲面机械零件切削加工中多目标平衡、切削路径增加和能耗上升等问题。实验结果表明，所提方法的曲面轮廓度较小、切削路径总长度较短、切削总能耗较低。

关键词： 核岭回归(KRR)   最小混相压力(MMP)   CO   驱油   灰色关联度法   遗传算法   油藏温度   原油组分   注入气组成  

摘要： 结合细管实验数据，采用灰色关联度法对影响CO2驱油效率的主控因素进行识别与权重赋值，利用核岭回归（KRR）算法对参数集进行训练，并用遗传算法与网格搜索法优化模型超参数，建立了最小混相压力（MMP）预测模型。研究结果表明：（1）影响CO2驱油的主控因素包括油藏温度、原油组分及注入气组成，纯CO2注入条件下关联度排序依次为：T>x（C2—C4）>M(C7+)>x（C5—C6）>x（CH4+N2）。含杂质CO2注入条件下，杂质类型与含量对MMP的影响程度排序为：x（N2）>x（C1）>x（C2—C4）inj>x（H2S）。（2）相较Ridge模型和ElasticNet模型，KRR模型预测精度更高、误差更小。其中，KRR-GA模型综合性能最优，其测试集总平均绝对百分比误差(EMAP)为4.11%，均方根误差(ERMS)为0.856 MPa，决定系数（R2）为0.981。（3）KRR-GA模型对重质原油油藏及常规黑油油藏表现出更优的适用性，而KRR-GS模型更适用于注入气中有较高H2S含量的轻质原油油藏。

关键词： 屏蔽泵   叶轮优化   计算流体力学   遗传算法   流场分析  

摘要： 为提升屏蔽泵运行效率与流场稳定性,本文结合参数化建模、计算流体力学(CFD)及遗传算法,构建多目标优化设计方法,对叶轮关键结构参数进行自动化迭代与仿真分析。研究基于ANSYSCFX进行流场模拟,提取速度场、压力场与涡旋分布等特征量,明确原始结构中存在的水力损失问题。优化后叶轮在扬程、水力效率、轴向力控制及流动均匀性方面表现显著改善,具备良好的工程应用潜力。研究结果为屏蔽泵叶轮数字化设计与结构优化提供可行路径与技术参考。

关键词： 双深度多层穿梭车仓储系统   倒货作业   变邻域搜索   遗传算法   随机点倒货策略   最近点倒货策略   固定点倒货策略  

摘要： 双深度多层穿梭车仓储系统普遍存在倒货作业，导致出入库作业时间增加，系统作业效率降低。随着货位占用率的上升，倒货作业调度的难度和复杂度持续增加。针对这一问题，提出了一种双深度多层穿梭车仓储系统倒货策略与作业调度方法。首先，分析了倒货作业过程，提出了随机点倒货策略、最近点倒货策略和固定点倒货策略三种倒货作业策略，建立了倒货作业时间模型和任务调度出库作业时间模型；然后，以出库作业时间最小为目标，建立了出库作业调度优化模型；接着，设计了双种群遗传算法对模型进行了求解，引入变邻域搜索及双种群重组和协作优化策略，增加了算法寻优能力，提升了算法搜索性能；最后，采用案例分析了倒货策略和作业调度方法的有效性，开展了算法对比分析以验证算法的优越性。研究结果表明：调度任务规模从35提高到100时，算法优化效率从13.28%提升到24.26%，双种群遗传算法的优化效率更高，能够有效缩短出库作业时间。集成倒货策略的调度优化方法能够准确评估倒货作业时间，进而提升双深度多层穿梭车仓储系统作业效率。

关键词： 定制公交   乘降点   人工神经网络   深度强化学习  

摘要： 研究一类考虑多车种可用的多对多定制公交线网优化问题。以乘客出行成本和公交运营成本最小为目标，考虑乘降点服务、乘降点数量、线路总长度以及公交车队规模等限制，构建多对多定制公交线网优化双层混合整数规划模型。传统方法在求解大规模数学模型方面效率不高，故提出基于Actor-Critic双重神经网络的深度强化学习方法。该方法将定制公交视为智能体，利用无监督聚类建立智能体学习环境，构造智能体状态-动作-奖励机制，设计Actor-Critic双重神经网络用于乘降点选择与评价，构建基于Actor-Critic双重网络的深度强化学习过程。选取郑州市高新区-郑东新区公交乘降点分布与居民出行数据搭建实验场景，对学习率、折扣因子、批尺寸和神经元数等超参数进行优化调试，利用双重网络深度强化学习过程求解模型，得到多对多定制公交线网方案，其乘降点分配、行驶距离、上座率与车型安排都较为合理。与基于Actor单重网络的深度强化学习进行结果对比，算法收敛速度提高了28.57%，奖励值增加了13.65%；进一步的，与启发式算法对比也验证了本文提出的方法可以快速高效完成模型求解，合理确定定制公交乘降点位置和具体线路走向。