关键词： Brune模型   遗传算法   震源参数   定标关系   视应力   重庆  

摘要： 选取2010—2021年重庆数字地震台网记录到的256次M_(L)2.5~5.5地震的波形资料,在频率域对台站记录的波形进行介质衰减、场地响应、仪器响应及几何扩散校正,得到速度谱,采用Brune模型得到震源位移谱,使用遗传算法提取零频极限(Ω_(0))及拐角频率(f_(C)),进而计算标量地震矩(M_(0))、震源破裂半径(r)、应力降(Δσ)等震源参数,并用最小二乘法拟合各参数间的定标关系。结果显示,矩震级(M_(W))范围为2.5~4.6,f_(C)范围为1.2~4.9 Hz,M_(0)范围为6.52×10_(12)~9.19×10^(15)N·m,r范围为272~1107 m,Δσ范围为0.02~10.90 MPa,视应力σapp范围为0.007~4.42 MPa,f_(C)、M_(0)、M_(W)、Δσ等震源参数之间表现出一定的线性或半对数线性或双对数线性关系,其中,Δσ与M_(0)的双对数线性关系(lgΔσ=0.6473lgM_(0)-3.6936)符合Nuttli的板内地震增加应力降(ISD)模型;f_(C)在空间上表现为研究区中部低值、东部和西部高值,f_(C)与r在空间上呈负相关的关系,Δσ空间上表现出北高南低的现象,M_(0)与Δσ在空间上呈正相关的关系。

关键词： 仿生点阵   跳台雪板   力学性能   数值仿真   参数影响   遗传算法  

摘要： 通过借鉴自然界中毛竹的截面微观结构特征,设计了一种应用于跳台雪板内的仿生点阵结构,并基于响应面方法进行了优化设计。通过数值仿真模拟准静态压缩和三点弯曲实验,探究了仿生点阵结构的承载与抗弯性能。研究仿生点阵结构的单胞胞体壁厚、柱状结构的半径和壁厚3个几何参数对其力学性能的影响规律,并运用主次影响分析方法探究不同几何参数对力学性能的影响程度。建立了以比刚度、比弯曲刚度最大为目标,以单胞几何尺寸为约束的优化模型,并采用非支配排序遗传算法进行计算求解,得到Pareto前沿最优解,经数值仿真验证仿生点阵结构抗弯承载性能显著优于雪板内原始点阵格栅结构以及其余2种点阵格栅结构。研究结果对于跳台雪板内填充点阵格栅结构的仿生设计以及雪板整体力学性能的提升具有重要意义。

关键词： 单车调度   单目标规划   Markov过程   遗传算法   LSTM   敏感性分析  

摘要： 针对某大学城共享单车资源分配不平衡问题,建立了与调度成本和用户满意度相关的单目标数学规划模型,对现有共享单车调度策略进行分析,并制定改善方案.通过调查问卷分析单车调度过程中存在的问题,利用Python获取单车的相关数据.在此基础上,基于齐次Markov过程对天气状况进行预测,采用LSTM时间序列对区域内未来单车数量的变化情况进行预测,利用遗传算法求解最优调度路径和调度数量,提出优化方案.通过敏感性分析验证本文所提方案的可行性.结果表明,优化后的调度方案缩短了单次调度时间并提高了用户的满意度,对共享单车管理部门具有指导意义.

关键词： 人工神经网络  

ISBN: (纸本)9787121486661

摘要： 本书全面介绍TensorFlow2.x框架及其在深度学习中的应用，内容包括TensorFlow简介、Python语言基础、环境搭建与入门、TensorBoard可视化、多层感知机实现、卷积神经网络实现、循环神经网络实现、强化学习、迁移学习、生成对抗网络和GPU并行计算等。

关键词： 冰情时间序列   门限自回归模型   非线性预测   遗传算法  

摘要： 给出了建立门限自回归模型（ＴＡＲ） 的一套实用方法， 用作者提出的改进遗传算法可同时优化门限值和自回归系数，成功地解决了ＴＡＲ建模过程所涉及的大量复杂寻优工作这一难题。实例计算的结果说明了， 这套方法在海洋冰情预测中是可行的和有效的， 在各种自然灾害非线性时序动态预测中具有重要的理论意义和广泛的实用价值。

关键词： 水安全   水战略   方案选优   动态组合评价   兼容度最大化模型   遗传算法  

摘要： 水安全危机是人类进入新世纪以来在生存及发展方面所面临的最严重挑战之一。研究科学合理的水安全战略成为区域可持续发展的重大课题。针对区域水战略问题涉及众多因素且各因素之间动态关联的特点,提出了基于水战略方案优选的兼容度极大化动态组合评价模型（CMM-DCEM）,并将其成功地应用于我国广东省北江下游及其三角洲地区水安全战略方案优选评价。评价结果及模型基于不确定性的敏感性分析结果证明:CMM-DCEM实现了主、客观赋权方法以及单一评价模型的融合,使用实码加速遗传算法求解目标函数,克服了传统的组合评价方法计算繁琐的不足,评价过程更加科学合理。

关键词： 车辆路径问题   众包   协同运输   需求可拆分   关系模型   遗传算法  

摘要： 众包是社会车辆接受偏离自己的路线向其他人递送物品并获得少量补偿的运输模式。当企业雇佣车辆和社会众包车辆共同参与物流配送时，如何协调这两者的运输路线是企业降低运输成本的关键。本文在这一背景下，考虑客户需求被任意拆分的情况，建立了需求可拆分的协同运输路径规划模型。然后，设计关系模型辅助评价的遗传算法求解模型，算法框架包括上下两层，上层采用0-1编码的遗传算法将客户分配给不同类型的车辆，下层针对上层的分配结果采用自然数编码的遗传算法，分别解决雇佣车辆和众包车辆的路径规划子问题，为了加快下层遗传算法的求解效率，利用支持向量机模型学习解对之间的优劣关系辅助下层遗传算法搜索。最后，基于标准算例库设计测试集并进行数值实验，结果表明所提出的算法具有较好的性能。企业可以采用协同运输模式，同时优先使用高容量的众包车辆以降低企业运营成本。

关键词： 多目标优化   遗传算法   再生冷却   流量偏差   超燃冲压发动机  

摘要： 超燃冲压发动机高马赫数飞行时，气动热载荷急剧增加，然而冷却剂携带量严格受限，发动机热结构冷却面临严峻挑战。对再生冷却通道优化设计，提高机载冷却剂热沉利用率，是缓解超燃冲压发动机冷却挑战的关键技术。着眼于超燃冲压发动机高热环境下冷却剂流量分配不合理、局部超温风险高等问题，提出沿发动机周向的通道高宽比、位置，以及沿轴向的通道连通结构位置、尺寸的同步设计和独立设计三种优化策略。以正癸烷作为典型碳氢燃料，在跨临界温区对再生冷却通道进行参数化建模，以加热面最大壁温和出口燃油温度相对偏差作为目标函数，基于非支配排序遗传算法NSGA-Ⅱ和RNFNN代理模型联合进行多目标优化设计，求解全局Pareto Front最优解解集。研究结果表明基于NSGA-Ⅱ的再生冷却通道多目标优化可有效优化冷却效果，在不增加冷却剂的前提下，降低热结构温度，缓解超燃冲压发动机冷却挑战。

关键词： 供应链网络设计   自适应人类学习优化算法   遗传算法   供需匹配   B2B电商  

摘要： 在日益复杂多变的B2B大宗商品电商交易中，传统基于人工和经验的供需匹配严重制约了电商企业经营利润和服务水平。本文将上述供需匹配问题建模为综合考虑供给需求匹配、产能、交付时间和信用风险等复杂约束条件下的供应链网络设计模型，并针对模型特点设计多维编码方式，提出一种改进的遗传人类学习混合算法对问题进行求解。以建筑业真实电商业务场景中的数据为例开展的实验表明，本文算法的求解精度与寻优能力在大、中、小三种不同规模的数据中均优于遗传算法、人类学习优化算法等基准算法，可有效替代行业内现行的基于经验的人工决策方式，提升B2B电商业务的智能化水平和经营能力。

关键词： 车辆路径问题   深度强化学习   改进遗传算法   众包车辆-公共交通协同配送  

摘要： 针对农村地区配送场景，提出了一种车辆路径问题的变体—众包车辆-公共交通协同配送问题（Vehicle Routing Problem with Occasional Drivers and Scheduled Lines，VRPOD-SL）。该问题需对参与配送的公交车辆及其服务的物流客户进行选择，同时需选择参与配送的众包车辆，并对众包车辆的行驶路径等进行决策。考虑了众包车辆的起终点、服务范围和最大载重，以及公交车辆的载货空间限制和按固定路线行驶等特点，以最小化配送总成本为优化目标，构建了VRPOD-SL问题的整数规划模型。由于公交车辆提供物流服务的客户选择决策，影响到众包车辆的服务客户选择，进而需要不断求解众包车辆路径问题，这导致问题的计算复杂度较高，因此设计了一种基于深度强化学习的启发式算法，即融合了注意力模型的遗传算法（Genetic Algorithm with Attention Model， GA-AM）。该算法将遗传算法（GA）的全局搜索特性和注意力模型（AM）的并行决策能力相结合，能够有效减少VRPOD-SL问题的求解时间。同时设计了局部搜索算法，以进一步提高解决方案的质量。数值实验表明，所提出的GA-AM在求解性能方面明显优于Gurobi求解器、自适应大邻域搜索算法（ALNS）和变邻域搜索算法（VNS）。此外，研究结果也验证了众包车辆-公共交通协同配送模式的有效性。