关键词： 明史纪事本末   纪事本末体   俪体   谷应泰  

摘要： 清初谷应泰所编《明史纪事本末》,沿用宋代袁枢《通鉴纪事本末》的体例而有所新变。史体上,引入纪传体史书如《史记》《晋书》的“某曰”史论;文体上则继承《晋书》“史臣曰”以俪体的方式进行书写。史的性质要求史家对历史事件进行相对客观的叙述,文的修饰和主观抒发则不被允许,《明史纪事本末》体例的新变即消解了这组矛盾。《明史纪事本末》在史的方面“详略得中,首尾秩然”,在文的方面“遣词抑扬,隶事亲切,尤为曲折详尽”,呈现了谷应泰以史才沟通文才的创造性运用。

关键词： 动载荷识别   遗传算法   自适应算法   非线性规划  

摘要： 针对同时识别动载荷位置和大小中的矩阵病态问题,以及将反问题转化为正向识别的最值问题,采用自适应算法和非线性规划对遗传算法(genetic algorithm,简称GA)进行改进,将改进后的混合算法用于求解最值问题,得到动载荷参数。首先,建立频域识别模型,把理论值与测量值的差值的二范数最小化作为优化目标函数;其次,将该目标函数作为混合算法的评价函数来识别动载荷参数;最后,进行简支梁动载荷识别的仿真和实验,对比了正向识别和逆系统法,讨论了非线性规划代数和噪音对混合算法的影响。研究结果表明:正向识别避免了矩阵求逆病态问题;相比遗传算法和自适应遗传算法,所提出算法可同时更准确和稳定地识别多个动载荷参数,且抗噪性更强。

关键词： 水基钻井岩屑   成分特征   重金属   消解  

摘要： 通过对水基钻井岩屑(简称水基钻屑)的理化指标进行分析,确定水基钻井岩屑样品消解的关键点。针对水基钻井岩屑的成分特征对消解过程中氢氟酸破硅条件、氧化性酸匹配、消解时间和消解温度进行优化,形成一套低耗酸量、低温、快速消解水基钻井岩屑样品的方法。该方法测定Cu、Zn、Pb、Cd、Ni、Cr元素检出限为0.01~3.6 mg/kg,相对标准偏差为1.3%~8.6%,加标回收率为86.4%~104.6%。此方法可用于各类型的水基钻井岩屑及土壤中重金属的检测。

关键词： 智能遗传算法   工程项目   技术创新效率   不确定性评价  

摘要： 当前技术创新效率不确定性评价方法多采用数据包络分析方法,此方法易受到子阶段效率值波动性的影响,使得最终评价误差较大。为此,作者提出了基于智能遗传算法的工程项目技术创新效率不确定性评价模型。根据工程项目技术创新活动的运行过程,选取表征技术创新投入与产出的显性和隐性评价指标,从而设计评价指标体系;以此为依据,采用智能遗传算法计算技术研发阶段与创新成果阶段之间的转换参数,以均方根误差最小为适应度函数,用此消除子阶段效率值波动性的影响,并求取最优效率值;参照创新投入与产出平衡理论,以固定规模报酬不变的条件为准则,构建评价模型,通过计算综合技术效率来评估项目技术评估创新成果。以某企业工程项目为研究案例,对所提方法的评价性能进行验证,实验结果表明,所提方法具有更低的评价误差,能够较为准确地评价工程项目技术创新效率的变化情况。

关键词： 电力巡检   多无人机   任务分配   强化学习   遗传算法  

摘要： 在无人机电力巡检过程中,一个待巡检部件通常对应多个位置不同且均符合拍摄要求的任务点,这些拍摄任务点构成一个集合任务.为了保证巡检质量,通常要求无人机多次采集待巡检部件的图片,即访问集合任务中的多个拍摄任务点.本文针对上述特点,将面向集合任务的多无人机电力巡检任务分配问题建模为最小最大化多站点家庭旅行商问题(minmax multi-depot family traveling salesman problem,Minmax-MDFTSP),并设计了一种强化遗传算法框架.在该框架下,提出了染色体校验及修正机制、组合交换变异算子、基于贪婪策略的局部调优算子,设计了基于强化学习的遗传算法参数调优方法.性能实验结果表明,本文方法在求解质量和求解效率方面均具有明显优势.此外,通过消融实验验证了强化遗传算法框架中各个部分的有效性.最后结合实际场景下的具体案例,通过实地飞行验证了本文方法相对于现有巡检方式的优势.

关键词： 集装箱码口   箱位指派   混合遗传算法   重编码  

摘要： 港口码头的发展正趋于自动化、智能化,同时随着港口作业规模不断扩大,亟需通过智能算法,实现各项任务的自动化与优化。针对自动化港口中集装箱箱位指派不均衡、现有算法指派效果不佳等问题开展研究,综合考虑了集装箱到达时间与预出箱时间,兼顾进箱时与出箱时的作业压力,建立了集装箱箱位指派数学模型。在求解模型时采用了混合遗传算法,将模拟退火算法和传统遗传算法相结合,实现对子代的高效选择;同时通过重编码改进遗传算法中交叉变异过程,实现交叉变异过程的简化,加快算法迭代速度。本文建立的模型与算法能有效对箱位指派结果进行优化、提升自动化港口运行效率。

关键词： 遗传算法   调度优化  

摘要： 目前,整车出入库需求激增,在高峰期或繁忙的仓库中,车辆可能需要等待较长时间才能进入或离开整车存储区,从而造成了车辆排队、停滞和延误等情况发生。本文针对以上问题,利用遗传算法和改进A^(*)算法对整车库内管理进行优化。

关键词： 时空特征   客流量预测   遗传算法   反向传播神经网络   数据降维  

摘要： 旅游需求随时间变化,受季节性、天气条件、特殊事件(如节庆活动、体育赛事等)影响,客流量呈现出一种空间相关性以及非线性特征,难以挖掘密集区域客流量的变化规律,增加了旅游景区客流量预测的误差。因此,将客流量的时空特性考虑在内,提出一种数据降维处理下的旅游景区客流量长期预测新方法。将相邻水平与核密度作为景区客流量分布的时空特征,获取成片游览区、线性游览区的日环境流量,得到密集区域客流量的变化规律;引入拉格朗日乘子,对获取的客流量数据降维处理;利用遗传算法改进反向传播(Back Propagation,BP)神经网络,将降维的客流量数据作为输入,实现对旅游景区客流量预测。仿真结果表明,所提方法能捕捉到客流量变化规律,实现对未来较长一段时间的客流量预测,适应度在0.8以上,能够精确地捕捉客流量的变化,误差最小,且相关系数的值最趋近1。

关键词： 知识表示学习   二元关系   多元关系   链接预测  

摘要： 知识表示学习旨在将知识库中的实体和关系转化为机器能够理解和处理的形式,从而提升模型的分析与推理能力。针对传统二元关系知识表示学习的局限,如忽略高阶关系、缺乏扩展性和有限的表达力,多元关系知识表示学习方法应运而生。全面综述了多元关系知识表示学习方法。梳理和分析了知识表示学习相关综述工作;阐释了知识表示学习和链接预测的基本概念,并根据超图、角色、超关系这三种表示形式,定义了多元关系知识表示学习任务;从基于平移距离、张量分解、卷积神经网络、图神经网络和其他类型五类方法,展示了该领域的研究进展;介绍了常用的数据集与评价指标,并通过链接预测任务评估了不同模型的性能;探讨了目前方法存在的问题和挑战,并对未来的研究方向提出了展望。

关键词： 散热器   壁厚预测   随机森林算法   遗传算法   时间序列  

摘要： 水轮机组散热器弯管在长期水流冲蚀作用下壁厚减薄,容易发生穿孔现象,危害机组的安全稳定运行。为了掌握散热器壁厚的减薄规律,以实际电站散热器运行环境为基础搭建散热器弯管冲蚀试验台,找到不同条件下散热器弯管易穿孔位置和冲蚀规律,采用遗传算法优化的随机森林时间序列模型对散热器弯管易失效位置壁厚进行预测。结果表明:在试验工况下,散热器弯管易失效位置在外壁靠下截面角度约60°处。优化后的散热器弯管壁厚时间序列预测模型与实际弯管壁厚平均绝对误差MAE仅有0.013,模型优度系数R2可达98.7%,精确度高,能较好地适用于预测散热器弯管壁厚的变化规律。