关键词： 智能算法   供热系统   优化控制   遗传算法   粒子群算法  

摘要： 阐述一种基于智能算法的供热系统优化控制方法,探讨利用智能算法,如遗传算法、粒子群算法和神经网络算法,对供热系统进行优化过程控制,包括系统建模、算法设计、仿真及实验验证。

关键词： 风电预测   长短期记忆网络   区间预测   遗传算法  

摘要： 为了进一步提升区间预测的综合效果,提出一种基于竞争学习机制的LSTM风电多目标区间预测方法。提出基于LSTM的上下界估计模型来构建风电区间多目标预测模型,研究多目标系统中的估计误差与预测区间平均宽度的关系;进一步考虑预测误差,引入一种新的偏最小二乘评价指标;通过引入竞争学习机制,提出一种改进的非支配快速排序遗传算法,有效实现了多目标优化。最后通过两个实际风电数据集进行实验验证,结果表明提出方法具有较高的预测精度。

关键词： 选址-路径   贪婪算法   遗传算法   近邻域搜索  

摘要： 针对遗传算法求解选址-路径问题存在收敛速度慢、易早熟等缺点,提出了一种近邻域搜索算法(Nearest Neighbor Search algorithm,NNS)。首先,在构造初始解阶段利用贪婪策略产生初始种群,提高初始解的质量;其次,在交叉阶段采用复制交叉的方式,增强算法的全局搜索;最后,在突变阶段使用近邻域局部搜索过程。此外,还设计了种群管理方案,以促进遗传算法种群多样性。在2个基准集上进行了试验,结果表明,与GRASP、MAPM、LRGTS等算法相比,该算法不仅显著提高了收敛速度,而且具有较强的寻优能力。

关键词： 水位预测   EMD-DELM-LSTM   经验模态分解   多时间尺度分析   人工神经网络  

摘要： 针对水位时间序列具有线性与非线性混合、不确定性高等特点带来的预测困难问题,提出了一种基于经验模态分解(EMD)、长短时记忆网络(LSTM)和深度极限学习机(DELM)的EMD-DELM-LSTM组合模型,其中DELM和LSTM采用并联结构预测,并与EMD串联连接。首先使用EMD将原始信号分解为若干个具有单一特征的本征模态函数(IMFs),再将IMFs分类重组为高、中、低频信号后输入DELM-LSTM并联结构中进行预测并重构。以广州某大学重要湖泊为例验证模型的有效性,结果表明,与EMD-LSTM、EMD-DELM、LSTM、DELM和BiLSTM模型相比,本模型在不同时间尺度下的预测性能均有显著提升,其中40 min时间尺度下的预测性能提升效果最为明显,分别较对比模型提升43.08%、22.92%、45.79%、30.92%和47.31%。可见,本模型对于不同时间尺度的水位预测具有良好的可靠性和稳定性。

关键词： 人工智能   衡阳地区   职业院校   计算机类专业   人才培养体系  

摘要： 针对人工智能时代的迅速发展和衡阳地区职业院校计算机类专业人才培养面临的挑战,本文对其进行深入地研究和探讨。通过文献综述和实地调研,结合人工智能技术的最新发展趋势,分析了当前计算机类专业人才培养的现状及存在的问题。在此基础上,提出了相应的解决方案和建议,旨在优化衡阳地区职业院校的计算机类专业人才培养体系,培养适应人工智能时代需求的高素质人才。

关键词： 微波消解   封闭消解   KED   稀土元素   植物样品  

摘要： 使用微波消解法和封闭消解法对植物样品进行处理,并直接用ICP-MS法同时测定样品中的15种稀土元素。探索采用动能歧视(KED)技术下的最佳工作条件,并以Rh和Ir作内标元素校正非质谱干扰。国家一级生物标准物质测试结果表明,封闭法消解植物样品具有灵敏度高、重现性好等优点,微波消解能满足植物样品稀土元素快速测定的要求,因此两种消解方法都能为相应的研究工作提供可靠的基础数据。实际分析应用证明,KED-ICP-MS法具有干扰少、精密度好、准确度高等优点,适用于植物样品中15种稀土元素的快速测定。

关键词： 马克思主义   中国共产党   中国特色社会主义  

摘要： 马克思主义、中国共产党、中国化马克思主义特别是中国特色社会主义是我们克敌制胜的法宝,是百多年以来影响并决定中华民族命运和中国人民前途的最关键要素和最重大事项;三者融会贯通、合力共为,改变了中国,影响了世界;创造了历史,引领着未来。马克思主义行、中国共产党能与中国特色社会主义好,诠释着三方面的内在联结与辩证统一,标示出各自的重要地位和发挥的重大作用,我们需要在统筹一体中正确把握、在准确定位中科学理解、在互为作用中辩证看待、在重点凸显中深刻领悟。科学把握马克思主义行、中国共产党能、中国特色社会主义好的内在联结与辩证统一,既要解决好理念认识问题,更要解决好实践行动问题;既要回望历史、审视过往并坚守成功经验,更要立足当前、远眺未来并展示实践威力。为此,一要坚持马克思主义理论指导,开辟马克思主义中国化时代化新境界;二要坚持中国共产党全面领导,推进新时代党的建设新的伟大工程;三要坚持中国特色社会主义道路,全面推进社会主义现代化强国建设。

关键词： 人工智能   计算机网络安全   风险评估   深度学习  

摘要： 该研究采用深度学习模型长短期记忆网络(LSTM),旨在实现对复杂网络行为的自动学习和模式识别。通过构建仿真实验环境,模拟了包括DDoS攻击、SQL注入等多种网络安全事件,对系统的有效性和性能进行了全面验证。

关键词： 神经网络模型   遗传算法   CO在线监测   燃煤锅炉   燃烧效率   自学习寻优  

摘要： 为了使燃烧模型更准确地反演锅炉中煤粉的燃尽状态,基于遗传算法改进的神经网络模型,结合锅炉尾部烟道CO在线监测系统,构建基于自学习寻优的锅炉燃烧优化模型,建立了CO体积分数与锅炉热效率的关系。根据自学习寻优结果,对燃煤锅炉的出口氧量、配风方式和燃尽风(SOFA风)进行调整。研究发现,将出口氧量由3.0%调整至2.5%和3.5%,锅炉热效率分别提高了0.53%和0.49%;将锅炉的配风方式调整为缩腰配风和正宝塔配风方式,锅炉热效率分别提高了0.57%和0.73%;将锅炉A、B两侧SOFA风风门开度由87.4%调整为86.7%,锅炉热效率提高了0.71%,降低了热损失。

关键词： 排课问题   遗传算法   Q-学习   深度Q-网络  

摘要： 排课是教学活动中一项常规而重要的事项,传统的人工排课方式费时费力,且容易出现错误,无法满足大规模排课的需求,而经典排课遗传算法存在收敛速度过快、排课效率随约束因素的增加而下降等问题。针对已有排课遗传算法存在的问题,提出一种基于深度强化学习的自学习排课遗传算法(GA-DRL)。GA-DRL算法利用Q-learning算法,实现了交叉参数和变异参数的自适应调整,增强了遗传算法的搜索能力,通过建立马尔可夫决策过程(MDP)的参数动态调整模型,对种群适应度函数进行状态集合的分析,实现对种群的整体性能的综合评价。同时将深度Q-网络算法(DQN)引入调度问题中,以解决排课中种群状态多、Q表数据量大的问题。实验结果表明,与经典排课遗传算法和改进的遗传算法相比,GA-DRL算法在正确率和寻优能力上有所提升。所提算法还可以应用于考场安排、电影院的排座和航空航线规划等问题。