关键词： 病媒生物   人工神经网络   反向传播神经网络   风险模型   预警  

摘要： 目的 建立口岸输入性病媒生物风险传入模型，为病媒生物传入风险提供科学有效的预测方法，达到对风险及时识别和预警的目的。方法 基于人工神经网络中的反向传播神经网络（back propagation neural network,BPNN）技术，建立输入层、隐含层和输出层，通过层间信息正向传播计算输出值，通过误差反向传播对网络的权值和阈值进行修正，直到满足收敛条件。采用分步法，使用22个输入层神经元，对某海港口岸国际航行船舶输入性病媒生物传入风险预测。结果 利用BPNN模型，使用某口岸2018—2022年数据预测2023年病媒生物传入风险，当隐含层神经元为10个时，模型预测准确度最高，2023年的预测传入风险为20.67%，实际风险为21.27%，均方误差（MSE）为0.028，模型性能良好。结论 该风险模型的建立满足了风险评估要求，今后将完善模型架构，提高预测精准程度。

关键词： 无人机   多目标优化模型   路径规划   遗传算法   NSGA-Ⅱ算法  

摘要： 随着无人机技术的快速发展,路径规划作为无人机执行任务的核心技术之一,已经成为提升无人机任务效率和安全性的重要保障。在此背景下,本文提出了一种多目标优化的数学模型,旨在同时优化能量消耗、任务时间、成本和目标覆盖率等多个指标。该模型综合考虑了任务点数量、侦察目标的特性以及任务执行过程中的各类成本等因素,力求在实际应用中实现无人机任务的最佳执行。 本文第一部分构建了无人机路径规划问题的多目标优化模型,模型包括能耗、时间和成本三个目标函数,其中:能耗函数考虑了无人机飞行过程中的加速、匀速、减速及悬停时的能量消耗;时间函数优化了无人机的飞行时间和任务完成时间;成本函数则通过威胁成本和侦察成本来衡量无人机路径的安全性。给出了约束条件,其中设计了初始点与终点约束、访问点唯一约束、消除子回路约束条件,确保无人机从初始点出发并返回初始点,且每个任务点不得重复经过。 第二部分为了有效求解该模型,选择了非支配排序遗传算法(NSGA-Ⅱ)作为基础求解算法。尽管NSGA-II在许多应用中表现出良好的性能,但在面对较为复杂的多目标优化问题时,其收敛速度较慢且容易陷入局部最优的困境。针对这一问题,本文引入了λ-交换机制来对传统算法进行改进,该机制通过动态调整种群的多样性,有效避免了算法过早收敛到局部最优,改进后的混合遗传算法增强了全局搜索能力,能够有效平衡不同目标之间的冲突。 第三部分应用改进后的混合遗传算法对单无人机多目标路径规划模型进行了求解,得到了合理的优化结果。实验结果表明,经过λ交换机制优化后的混合遗传算法在处理多目标问题时,能够有效平衡不同目标之间的冲突,通过数值实验验证了算法的可行性与有效性。 第四部分探讨了多无人机协同路径规划的复杂性问题。通过模拟不同数量的无人机同时执行完成任务的场景,并分析在侧重不同的目标函数时,选择完成任务时无人机的最佳数量。

关键词： 圆锥曲线   定值问题   求解技法  

摘要： 本文结合具体实例，提出求解圆锥曲线中的定值问题需要抓住条件特点、挖掘内在联系、将问题变形转化变成熟悉易解的典型问题求解的策略.

关键词： 分布式优化   协同编队   遗传算法  

摘要： 在智能编队调度中，分布式优化技术起到了至关重要的作用，其通过协调多个智能体来实现整体效能的最大化。然而，该技术在实际应用中仍存在着信息共享不足、通信延迟及个体能力差异等问题。本文深入解读了分布式优化算法的协同编队调度方法，将生产总任务划分为多个子任务，并实时监测资源利用率和完成时长等指标。针对出现的异常节点情况，通过遗传算法优化调度方案，选出最优父代并对其进行交叉与变异操作，最终选择出适应度值最大的优化方案。研究发现，该方法能够快速响应异常，适应复杂生产需求，提升生产灵活性。通过开展动态仿真实验，进一步验证了调度方案的可行性。本研究对提高资源利用率和平衡多样性优化目标具有重要价值，为解决静态调度策略的局限性提供了新思路。

关键词： 高空核电磁脉冲   人工神经网络   快速预测模型  

摘要： 针对高空核爆炸产生的高空核电磁脉冲(high altitude electromagnetic pulse, HEMP)对现代电子设备和电力网络构成严重威胁的问题，为有效预测和减轻HEMP的影响，基于Karzas-Latter高频近似模型和世界地磁模型，构建了神经网络训练数据集，并通过训练得到了一个新的HEMP快速计算模型。该模型采用多层感知器结构，包含1个输入层、5个隐含层和1个输出层，使用Sigmoid激活函数和均方差损失函数。实验结果表明，该模型能够在短时间内完成HEMP电场峰值的精确预测，极大缩短了计算时间。研究成果可为HEMP风险评估及快速响应提供参考。未来的研究将进一步优化模型架构扩展应用场景，提升模型的实用性和可靠性。

关键词： 共水热液化   城市污泥   人工神经网络   响应曲面法   生物原油产率  

摘要： 随着全球城市化和工业化的快速发展，城市污泥处理量迅速增加，如何快速高效地进行城市污泥处理和处置成为能源环境领域研究的重点。城市污泥共水热液化是一种有前景的湿生物质生产生物原油的技术，可以增加生物原油产率并提高其质量，同时降低生物质水热液化成本，有利于实现工业化应用。采用了Box-Behnken方法进行了29个实验组的设计，首次利用响应面法（RSM）和人工神经网络（ANN）2种数学模型对城市污泥和微藻共水热液化工艺参数进行了建模和优化，探究了典型共水热液化操作参数对生物原油产率的影响。研究结果表明，ANN模型和RSM模型对共水热液化的预测具有较高的准确性和可靠性，其中ANN模型的拟合度可达0.998 9。反应温度和生物质/水比率对城市污泥和微藻共水热液化生物原油产率有显著的促进作用。最后，采用遗传算法结合人工神经网络模型，对城市污泥和微藻共水热液化的最佳工艺条件进行了预测，结果显示最大的生物原油产率可达32.2%。

关键词： 寄生虫   结构主义符号学   寄生  

摘要： 电影《寄生虫》自上映以来引发热议，它通过叙事的方式，揭示社会阶层之间的问题，反映深刻的现实问题。本文以《寄生虫》为研究对象，借助索绪尔和皮尔斯的结构主义符号学理论，深入剖析影片中“寄生”与“被寄生”的关系及其所反映的社会阶层对立冲突。从空间、人物、物品符号入手，解读电影如何将阶级隐喻具象化，揭示阶级间的相互依赖与不平等。研究发现，电影通过符号构建了一个生动的社会阶层图景，展现出阶级对立的不可调和性，引发对社会现状的反思。这种从结构主义符号学视角的分析，为理解社会阶层关系提供了新的维度，有助于深入探讨社会不平等问题的本质。

关键词： 车辆路径优化   需求不确定   遗传算法   变邻域搜索   鲁棒优化  

摘要： 近年来,伴随经济快速发展与居民生活水平的显著提升,消费者对生鲜食品的需求量大幅增长,同时对生鲜食品质量的要求也日趋严格。然而,由于生鲜食品具有易腐性和易变质的特性,导致冷链物流配送系统的运营成本长期处于较高水平。在物流总费用中,配送成本始终占据较大份额,因此,优化配送成本是减少物流成本的关键所在。对企业而言,设计既合理又高效的配送方案,不仅能有效降低运营成本,还能增强客户满意度,为企业提供在激烈市场竞争中实现可持续发展的显著竞争优势。 J企业是以销售、配送生鲜食品为主要活动的企业,本文以J企业为研究对象,对其进行实地调查并进行分析,发现J企业目前没有合理配送方案,其配送线路由配送司机自由安排,使得配送成本偏高。并且由于不能在客户要求的时间窗内完成配送,造成客户的满意度普遍较低,对于J企业的发展造成很大影响。同时,由于需求点的需求量往往受季节性波动等外部因素影响而呈现动态变化特征,且信息传递具有滞后性,造成配送中心不能及时掌握准确的需求数据,使得需求确定情况下的配送方案具有不可行性。 针对J企业当前存在的问题,本文构建了以综合配送成本最小化和客户满意度最大化为目标的双目标物流配送路径优化模型,分别针对需求确定和需求不确定两种情景展开研究。对于需求确定的情况,建立了需求确定性路径优化模型;而对于需求不确定的情况,则基于鲁棒优化理论,构建了相应的鲁棒优化模型。由于此问题具有较高的计算复杂度,采用精确算法难以在有限时间内获得最优解,因此本文采用遗传算法进行求解。同时为进一步提升遗传算法的性能,针对其局部搜索能力不足和易陷入早熟收敛等缺陷,本文提出将遗传算法与变邻域搜索算法相结合的策略,以增强算法的局部搜索能力,并通过算例验证该改进方法的有效性。最后,利用改进后的遗传算法对不同需求情景进行求解与分析,为企业优化物流配送路径提供了理论支持和实践参考。 通过研究发现,当需求波动+25%时,若继续采用基于确定需求情景的配送方案,配送路径的总运量将超过车辆的最大承载能力,从而导致配送方案不可行。然而,基于鲁棒优化思想构建的需求不确定模型所求解的配送方案,能够有效应对需求波动。无论需求量如何变化,该模型在最大需求量情景下生成的配送方案均能满足车辆运载限制,确保配送任务的可行性。这一结果表明,鲁棒优化方法在处理需求不确定性方面具有显著优势,能够为企业提供更加稳健和可靠的配送策略。

关键词： 辐射制冷   光栅多层膜   智能窗   遗传算法   相变材料  

摘要： 辐射制冷可自发地将物体的热量通过大气窗口辐射到宇宙空间而实现制冷,并且不需要外部能源的输入。这种被动辐射制冷技术可以降低能耗和减少温室气体的排放,能够广泛应用在建筑、农业和工业等领域。为了满足夜间环境和全天候的制冷需求,本文设计了两种基于光栅多层膜结构的辐射制冷器。进一步地利用遗传算法对辐射制冷器的参数进行了优化,包括各层厚度、光栅周期和填充因子等。并对其光学特性、辐射制冷性能以及物理机理等进行了分析讨论。 本文首先提出了一种适用于夜间环境的一维光栅多层膜结构的辐射制冷器。首先介绍了Ti和MgF2的光学特性,并利用这两种折射率差异显著的材料设计了具有偏振和角度不敏感、近乎完美的吸收率/发射率和优异的辐射制冷性能的夜间制冷器。通过利用遗传算法对结构参数进行优化之后,进一步地便对结构的光学特性、物理机理和辐射制冷性能等展开了讨论。结果表明,我们提出的夜间辐射制冷器的TE偏振和TM偏振的平均吸收率/发射率分别达到了96.1%和92.2%。对电磁场强度分布的分析表明这种优异的光谱特性来自于多种共振效应的协同作用。而且在环境温度为300 K时,夜间制冷功率可以达到121.8 W/m2,能够实现低于环境温度11.7 K的降温效果。 其次,本文还设计了一种能够实现全天候辐射制冷和透明度调节的辐射制冷智能窗,由顶部的二维SiO2光栅和底部VO2/Ag/VO2组成,也同样使用遗传算法对结构进行了优化。VO2具有金属-介质相变特性,在不同的状态下会有不同的光学特性,通过利用VO2的相变特性实现了透明度的调节。当VO2处于介质态时,底部为DMD结构,智能窗的可见光平均透射率和近红外平均反射率分别达到了75.4%和87.8%。当VO2处于金属态时,底部则相当于三层金属结构,可见光平均透射率则只有9.8%。在大气窗口范围内,智能窗还具有高达98.2%的外部平均发射率和低至1.9%的内部平均发射率,可以有效阻止室内外环境的辐射热交换。同时对辐射制冷性能分析的结果表明,智能窗的日间冷却效果始终优于相同厚度的玻璃,降温幅度达到了22.6 K。并且在夜间环境下,冷却功率可以达到124.7W/m2,可以实现比环境温度低14.9 K的降温效果。 本文提出的两种光栅多层膜结构可以适应不同环境的制冷应用需求,能够促进光栅多层膜结构在高效辐射制冷和光学动态调控管理等领域中的应用。同时具有实际应用的潜力,并对实现大气窗口选择性发射和透明度可调的结构具有一定的理论指导意义。

关键词： 天线阵列   微带带通滤波器   神经网络   遗传算法  

摘要： 随着无线通信技术的快速发展和移动业务的普及,频谱资源日益紧张,通信系统对多天线阵列系统、多输入多输出(Multi-Input Multi-Output,MIMO)天线与带通滤波器的需求愈发迫切。在此背景下,宽带、低耦合、小型化且高增益的多天线阵列、宽带高隔离度MIMO天线以及可定制化的带通滤波器的设计成为提升系统性能与适应性的关键方向。 本文结合新型结构与先进的计算机辅助设计方法,提出并设计了以下两款天线阵列与一款滤波器: 1、提出了一种新型多天线阵列设计方法,印刷偶极子天线用作辐射单元,结合均匀平面阵2×2进行排列。通过引入寄生单元、挖槽和加辐射枝节等技术,显著降低了单元间的互耦效应,同时实现了天线阵列的小型化和高增益特性。测试与仿真结果一致,均表明,该天线阵列在工作频段1.19GHz-1.84GHz内阻抗匹配良好,增益达到6.74d B,且单元间隔离度优于18d B。 2、提出了一种基于遗传算法的宽带高隔离度的MIMO天线,利用遗传算法的全局优化能力,通过优化天线的几何结构和参数,降低天线之间的耦合效应。该方法通过将天线的几何形状与去耦性能之间的映射关系纳入遗传算法的适应度函数,使得设计能够在满足宽带要求的前提下,最大限度地减少天线间的干扰,再人工引入三阶微带匹配网络结构实现宽带的设计要求。仿真与测试结果表明,所设计的天线在2.69GHz到3.99GHz的宽频段内,能够有效降低耦合效应,且耦合做到最差仅20d B,天线的增益保持稳定,回波损耗优于10 d B,满足了高效宽带通信系统的设计要求。 3、提出了一种基于神经网络的可定制带通滤波器设计方法,其核心在于构建微波器件几何参数与电磁响应特性之间的非线性数学映射模型,通过构建包含多层隐藏层的神经网络结构,该模型可有效表征滤波器复杂几何物理参数与S参数特性之间的非线性对应关系,基于经过充分训练的神经网络逆向模型,系统能够根据任意给定的中心频率和工作带宽,从而达成滤波器性能的精确逆向设计目标,实现滤波器的定制化设计。为了验证所提出的设计方法的准确性,选择中心频率为1.2GHz、带宽为300MHz的带通滤波器进行实物加工以及测试,测试结果表明,该滤波器在1.05GHz到1.25GHz在的频段内具有良好的频率选择特性,插入损耗低于1.2d B,回波损耗优于15 d B,带外抑制最高可达到50d B。