关键词： 预冷设施   遗传算法   自适应大规模邻域搜索算法   选址-路径优化   不确定需求  

摘要： 针对传统固定式冷库成本高、灵活性差等问题，本文结合农产品周期性变化和不确定需求的特点，提出了综合应用预冷车和移动冷库的协调预冷机制，构建了以预冷模式、车场选址、相关车辆的车型与数量及路径等因素为变量，以系统成本最低为目标的多周期农产品预冷设施选址-路径优化模型。求解时，利用k-means聚类算法完成了车场选址及客户群划分，并设计混合自适应大规模邻域搜索遗传算法（HALNS-GA）完成了路径优化。最后，通过算例验证了模型和算法的有效性；通过不同预冷机制下的成本对比和重要参数的灵敏度分析，验证了本文预冷机制的经济性。本研究可为我国农村预冷服务的布局规划和路径提供参考。

关键词： 超临界二氧化碳   布雷顿循环   再热再压缩   遗传算法   热力学优化  

摘要： 研究了具体热源条件下的一种超临界CO2再热再压缩布雷顿循环系统。使用Aspen HYSYS软件建立系统的热力学性能计算模型，运用遗传算法以循环净功率、热效率和?效率为目标，优化工质总质量流量、工质分流比、废气分流比等系统运行参数；基于优化结果研究了工质总质量流量、工质分流比、废气分流比、高压涡轮出口压力对系统循环净功率及热效率的影响。结果表明，在该热源条件下，此构型最大可实现1 575 kW循环净功率、41.16%循环热效率、64.45%循环?效率；存在最佳工质总质量流量使循环净功率达到最大，存在最佳工质分流比使循环热效率达到最大；工质总质量流量是重要的运行参数，在大于12 kg/s和小于12 kg/s区间，废气分流比对循环净功率和热效率的影响不同；循环最低压力在略高于临界压力（7.8～7.9 MPa）时能够得到更好的热力学性能。

关键词： 布尔可满足性问题   消息传递神经网络   图神经网络   机器学习   人工智能  

摘要： 为优化端到端神经布尔可满足性问题(SAT)求解器的消息传递网络结构、减少求解过程中的迭代次数并提升求解器性能，提出一种新型的更多更深的消息传递网络（MDMPN）。该网络通过引入整体消息传递模块，在每次消息传递迭代中实现从文字节点到子句节点的额外的整体消息传递，以传递更多的消息。同时，通过引入消息跳跃模块，实现从文字节点到它的二阶邻居的消息传递，从而传递更深的消息。为了评估MDMPN的性能与泛化能力，将它应用于目前先进的神经SAT求解器QuerySAT和基础神经求解器NeuroSAT。实验结果表明，在困难随机3-SAT数据集上，应用MDMPN的QuerySAT求解性能优于标准的QuerySAT，在求解包含600个变量的困难3-SAT问题上准确率提高了46.12个百分点。应用MDMPN的NeuroSAT也优于标准的NeuroSAT，在求解包含600个变量的困难3-SAT问题上准确率提高了35.69个百分点。

关键词： 重载铁路   车轨耦合   动力学模型   遗传算法   模型校正  

摘要： 重载铁路在现代交通运输中承担着不可替代的作用。车辆-轨道耦合动力学模型是重载列车运行过程中轮轨相互作用机制刻画的重要工具，为重载钢轨病害的产生和演化机理的分析提供依据。然而，现有研究大多依赖人工手动调优的方式来实现车辆-轨道耦合动力学模型的校正，此方式工作量大、效率低且难以保证仿真模型与实际场景的一致性。针对该问题，我们提出了一种基于遗传算法的车辆-轨道耦合动力学模型校正方法，实现了模型的自适应校正，为轮轨相互作用机制和钢轨病害的分析奠定基础。具体地，首先基于Universal Mechanism(UM)软件建立车辆-轨道耦合动力学模型，并设计相应的Matlab接口，为优化算法在迭代过程中修正模型参数和运行模型仿真提供基础。其次，引入Morris筛选法对模型参数的敏感性进行分析，筛选出高敏感车辆参数，用于车辆-轨道耦合动力学模型校正。然后，考虑仿真模型与实际车轨相互作用的一致性，设计了基于遗传算法的模型校正方法，实现车辆-轨道耦合动力学模型的自适应校正。最后，利用真实线路小半径曲线的监测数据对提出的算法的敏感参数筛选和矫正效果进行验证。研究结果表明：提出的方法不仅可有效筛选出高敏感性车辆参数，还能实现车辆-轨道耦合动力学模型的准确校正。本文研究成果优化了车辆-轨道耦合动力学模型参数的自适应调整技术，有效提升车辆-轨道耦合动力学模型的分析精度，进而为重载线路智能运维提供技术支撑。

关键词： 边缘计算   智能垃圾投放系统   边缘测控节点   卡尔曼滤波   物联网  

摘要： 针对传统物联网架构下的智能垃圾投放系统出现云端数据处理压力大、系统响应慢以及称重数据不准确的问题，提出了一种适用于智能垃圾投放系统的边缘计算架构，将部分计算、储存任务量从云端下沉至边缘侧，充分利用边缘侧设备的计算和存储能力，缓解系统云端压力。同时在该架构中引入卡尔曼滤波算法对系统中的称重数据进行优化，减少环境噪声和垃圾投掷时产生的物理振动对称重传感器的干扰。实验结果表明，应用此边缘计算架构的智能垃圾投放系统实时性更好、投放效率更高、测量误差更小，具有广阔的应用前景。

关键词： 功能梯度石墨烯增强多孔材料   非线性温度场   改进的一阶剪切板   状态空间法   振动  

摘要： 针对功能梯度石墨烯增强(functionally graded graphene platelets-reinforced， FG-GPL)多孔薄板在热环境下的振动特性开展研究。基于材料微观力学模型和改进的一阶剪切板理论，在非线性温度场下，建立了FG-GPL多孔薄板的热振动控制方程；使用状态空间法解析求解了固有频率；验证了解的正确性与精度，研究了热环境和材料分布方式各自及其组合对频率的影响，并着重分析了最适用于高温环境的材料分布参数。并给出不同温度梯度时，使板频率最高的材料参数组合。研究发现，通过在高温面设置更多孔隙、在板的上下两侧对称添加石墨烯的方式，能使板保持较高且稳定固有频率。

关键词： 柔性作业车间调度   遗传算法   邻域搜索   最大完工时间   优化策略  

摘要： 本文针对柔性作业车间调度问题（Flexible Job Shop Scheduling Problem ， FJSP），提出了一种融合自适应遗传算法和邻域搜索的优化策略，旨在最小化最大完工时间。首先，在遗传算法框架下，利用自适应种群初始化策略，动态调整种群结构，以提升算法的全局搜索能力。其次，引入多种邻域结构，结合局部搜索策略，通过邻域搜索算法对解空间进行深入探索，增强算法的局部搜索性能。本文设计了一种基于交叉和变异操作的改进机制，旨在增强种群的丰富性和提升算法的收敛速度。通过FJSP的30个标准算例验证了该算法在解决FJSP中的有效性。测试结果表明：本文算法在23个标准算例中的表现均优于或持平于其他智能优化算法，表现出了较好的寻优能力，且通过多次重复实验也显现出了很强的稳定性。

关键词： 核反应堆   堆芯功率   分数阶PID控制器   人工神经网络  

摘要： 堆芯功率是核反应堆运行的重要参数之一.对堆芯功率的控制通常用比例-积分-微分（PID）控制器.分数阶PID控制器是当前堆芯功率控制研究的前沿.使用分数阶微积分能更好地建模堆芯功率的时变性，更真实地描述堆芯功率状态的变化.但是，多数分数阶控制器无法根据环境或需求的变化及时调整其参数、实现快速动态响应.本文基于人工神经网络（ANN）极强的自学习能力提出了一种复合控制器.该控制器将人工神经网络与分数阶控制器结合起来，不仅可以实时参数调优，还保留了分数阶PID控制器的优点，同时实现堆芯功率的稳定控制和动态响应.