关键词： 自适应精英保留   遗传算法   运力优先   距离优先   物资保障  

摘要： 物资保障在军事行动成功与社会秩序维护中具有决定性作用，其核心挑战在于资源约束下的高效分配。针对多物资点对多保障点的物资保障优化问题，本文提出了一种基于自适应精英保留遗传算法的物资保障优化方法。针对物资保障问题模型，设计了两种优化目标的适应度函数—距离优先和运力优先，并融合轮盘赌选择与自适应精英保留策略，构建了物资保障优化方法。实验通过对比本文方法与GA、NSGAⅡ、GA-SA等同类方法在两种优化目标和两种数据场景下的最优优化值、收敛速度、算法鲁棒性等表现，证明了本方法在物资保障优化方面的优越性。

关键词： 水库发电   库区减淤   多目标优化调度   非支配遗传算法  

摘要： 水库排沙调度往往需要降低水位运行，这与发电需要的高水位运行有冲突，需要制定合理的调度方案使水库能够长期运行且发挥最大效益。选取小浪底水库为研究对象，以水库减淤与发电为核心目标，结合一维水沙模型与快速非支配遗传算法(Non-dominated Sorting Genetic Algorithm III， NSGA-Ⅲ），建立了小浪底水沙电优化调度模型。该模型综合考虑了水库的泥沙调度和发电调度，且在计算水库冲淤情况时，采用了相较于经验排沙比公式更精细的一维水沙模型。结果表明：一维水沙模型能够准确地模拟各测站水位过程；通过NSGA-Ⅲ优化后得到的一系列帕累托最优解突显了调度过程中水库减淤与发电间的矛盾，且帕累托曲线上的方案明显优于原方案，在淤积量不变情况下，增加发电量11.4%，发电量不变情况下，减少淤积量48%，在发电与减淤目标函数值比值不变的情况下，两者分别增加13%和50%。研究成果可以定量分析水库发电与减淤目标间的置换关系，为多沙河流水库的水沙电联合优化调度提供了有效的技术支撑。

关键词： 机电系统   振动特性   复杂工况   有限元 – 实验一体化   模态敏感度   遗传算法  

摘要： 本研究针对复杂工况下机电系统振动特性在多工况载荷、温度变化与结构耦合作用下的响应特征,提出了一种基于改进有限元–实验一体化的振动优化设计方法。通过理论建模、有限元仿真及实验验证,分析了系统固有振动频率、阻尼特性与动态响应随工况变化的规律,并基于模态敏感度分析与遗传算法优化关键结构参数。结果表明,优化后系统主要振动频段得到显著提升,共振峰值位移显著降低,有效改善了多工况下的振动性能。最后就实际工程应用提出了设计建议,并展望了基于数字孪生的在线振动优化方向。

关键词： 遗传算法   桥梁结构优化   可视化技术   有限元分析  

摘要： 遗传算法被广泛应用于桥梁结构的优化设计中,结合可视化技术和有限元分析,实现多目标优化。通过不断迭代调整参数,有效地提高结构性能和耐久性,为工程设计带来全新思路和方法。本文针对传统桥梁设计方法存在的局限性提出一种基于遗传算法的多目标优化模型,并结合Python可视化技术来展示优化过程。通过对某预应力混凝土连续梁桥的几何参数和材料参数进行编码,利用选择、交叉、变异等遗传操作进行实例优化。旨在为桥梁设计领域提供全新的全局优化思路,并为可视化辅助决策提供技术支持。

关键词： 调度优化   项目管理   软逻辑   改进遗传算法   重复性项目  

摘要： 铁路桥梁架梁工程是一种典型的线性项目,具备时间紧迫、成本高昂、资源有限等特点,其施工逻辑具有软逻辑特征,但已有研究成果在逻辑关系的选择上缺乏限制,不适用于架梁工程的调度计划。研究旨在依据重复性项目调度方法建立适用于架梁工程的调度模型,设计两阶段的适应度值计算和选择策略、个体竞争性强化策略和种群多样化程度提升策略、基于禁忌搜索和变邻域下降算法的变异过程,提出考虑多种策略的禁忌变邻域遗传混合算法（TSVNDGAMS）。在仿真分析环节:1)以一个实际案例对调度模型的可行性进行了验证,结果表明提出的模型和算法能获得可行的调度结果,且所得结果比实际方案更有优势。2)采用三种规模共30组随机案例,通过四种算法的对比,证明改进后算法在费用均值的优越性以及获得可行解的概率等方面均表现更好。

关键词： 大数据   档案数据挖掘   知识发现   数据预处理   知识表示  

摘要： 随着信息技术高速发展,档案数据挖掘和知识发现已经成为大数据环境中的热点问题。文章对档案数据的预处理技术进行详细描述,主要包括数据清洗、数据整合、数据转换以及数据规约等;并对关联规则挖掘、分类聚类分析、异常检测以及文本挖掘等档案数据挖掘技术进一步论述;分析知识发现与表示技术,主要包括知识表示方法、知识发现流程以及知识发现模型的构建等。旨在为档案数据深度挖掘与知识发现奠定理论基础与技术支持,以促进档案管理现代化与智能化发展。

关键词： 超高层建筑   抗震韧性   人工智能优化算法   遗传算法   粒子群优化  

摘要： 随着城市化进程的快速发展,超高层建筑作为城市发展的标志性象征,因其独特的高度与复杂构造而备受关注。然而,这些特性也使得超高层建筑在面对地震灾害时面临严峻的抗震挑战。传统的抗震设计方法主要依赖于经验公式和既定规范,虽然能够满足一般性的抗震要求,但在应对复杂的地震荷载工况以及多目标优化问题时,在高效性和精准性方面存在明显局限性。近年来,随着人工智能技术的快速发展,人工智能优化算法在工程设计领域的应用日益广泛,为提升超高层建筑的抗震韧性提供了全新的技术思路和解决方案。本文聚焦于遗传算法、粒子群优化算法等人工智能优化算法,深入探究这些算法在超高层建筑结构抗震设计中的具体应用,旨在通过优化手段提升建筑结构的抗震韧性,最大限度地降低地震对建筑结构造成的破坏。

关键词： 人工神经网络(ANN)   造型优化设计   产品意象预测  

摘要： 从用户情感出发,对产品造型特征与目标用户情感意象的匹配关系进行研究。以救援挖掘机为设计对象,运用问卷调研法、语义差异法、聚类分析等方法获取用户评价指标与优势样本。通过决策树方法推理得到产品造型特征要素,针对样本进行造型因子的解构与提取。构建产品造型因子编码矩阵与用户情感意象评价矩阵,搭建产品造型意象人工神经网络(ANN)预测模型,实现产品造型特征与用户情感意象之间的非线性映射关系,通过对比多元线性回归预测模型验证其优势性。根据产品造型意象人工神经网络预测模型推荐造型因子进行设计实践,验证方法的可行性,为特种车辆类产品造型的优化设计提供参考。

关键词： LSTM神经网络   多目标规划   AHP-熵权法   遗传算法  

摘要： 在研究电商销售及存储问题时,主要考虑货量预测与分仓规划两方面,为了提高效率,管理者需要预测库存和销售,并优化仓库分配。通过分析数据,本文假设仓库容量和限制基于历史最大值,然后分仓规划优化问题进行了研究,建立了库存量销售量预测模型、多目标优化模型,此问题的研究对电商商家降低成本和确保履约,提前规划仓储资源,减少冗余场地的投入至关重要。

关键词： 镍基单晶高温合金   蠕变寿命预测   机器学习   ANN模型  

摘要： 镍基单晶高温合金因其优越的高温强度,被广泛应用于航空发动机热端部件,蠕变寿命是衡量单晶高温合金性能的重要指标。本研究通过建立ANN机器学习模型,实现高温合金蠕变寿命预测,通过在模型内添加合金显微组织参数提高模型精度,降低模型过拟合倾向,提高模型泛化能力。将模型应用于DD4500合金优化,逆向指导合金成分设计,新设计合金较原合金蠕变寿命得到大幅提升,同时印证了机器学习技术应用于材料科学领域的有效性。