关键词： 多式联运   模糊需求   混合时间窗   碳交易   遗传算法  

摘要： 在多式联运中,货运需求的不确定性及混合时间窗约束的存在,往往成为引发物流成本攀升与碳排放量增加等问题的关键因素。从多式联运承运人的视角出发,运用梯形模糊数表示需求的不确定性,构建碳交易政策下的低碳多式联运路径优化模型。同时引入模糊期望值法与模糊机会约束规划对模型进行去模糊化,设计了改进的自适应模拟退火遗传算法对模型进行求解。最后以某多式联运系统为例,验证了模型与算法的有效性。结果表明:模糊期望值法与模糊机会约束规划理论能够有效应对模型中货运需求不确定的问题,提高运输方案的准确性与可靠性;相较于传统遗传算法和模拟退火遗传算法,改进的自适应模拟退火遗传算法下的方案总成本分别减少了48%和12%,更适用于该模型的求解;保证各节点处充足的运输能力和转运能力能够有效降低实际运输中不确定性因素的影响;合理设置碳交易价格系数有利于承运人选择环境友好型的运输方案。

关键词： 目标选择问题   决策意图倾向   作战效能   遗传算法   兵棋推演  

摘要： 针对当前计算机辅助指挥员选择联合火力打击目标能力不足的问题,提出一种基于改进遗传模拟退火算法和自动化兵棋推演的联合火力打击目标选择方法。在根据指挥员决策意图倾向建立整体作战效能评估模型的基础上,利用历史推演数据获得具有较高质量的初始种群;对种群个体对应的作战行动方案进行自动化的并行快速推演,根据推演结果计算基于整体作战效能的个体适应度;对经典遗传算法的个体选择机制、交叉变异算子、终止条件进行改进,以更加有效地避免陷入局部最优,加快收敛速度,提升算法实用性。实验结果表明,所提出的方法具有良好的有效性和快速性,生成的目标选择方案与指挥员决策意图倾向具有较强的一致性。

关键词： 神经网络   遗传算法   路径跟踪   误差控制   自适应控制   系统优化  

摘要： 智能车作为机器人技术和自动化领域的重要应用,路径跟踪算法是确保其精准导航的核心技术。尽管传统比例-积分-微分(PID)控制因结构简单且高效被广泛应用,但在复杂动态环境下对系统参数变化和外界干扰的适应性较差,限制了其性能。为此,本文研究并对比了传统PID控制器与神经网络PID控制器在路径跟踪和误差控制方面的性能。通过引入单神经元网络和有监督的神经网络赫布型学习(Hebb)规则,构建起了基于元神经网络的PID智能车控制算法。通过引入遗传算法优化PID的参数,进一步提升了控制系统的自适应性和鲁棒性。利用python进行仿真实验,结果表明:神经网络PID控制器能够更准确地跟踪参考路径,具有较小的误差和更平稳的动态响应。与传统PID相比,神经网络PID在路径跟踪精度、误差控制和系统稳定性方面表现优越。此外,遗传算法的应用显著优化了PID参数,增强了控制系统的整体性能。本文的研究成果为智能控制系统的应用提供了新的思路,尤其是在路径跟踪和误差控制等场景中具有较大的应用潜力。

关键词： 智能滤池   滤池健康度   遗传算法   反冲洗优化  

摘要： 传统砂滤池运行按照固定时间或者水头损失阈值触发相同的反冲洗策略方式,无法满足实际运行精准冲洗的需求。上海临港水厂从累计过滤流量、标准化水头损失和滤池出水浊度阈值3个方面构建了滤池综合健康度评价体系,分别对单格滤池运行状态进行实时监测、评估和预测,依据健康度预测结果,同时考虑峰谷电价因素,规划滤池的反冲洗排班,实现按需冲洗。智能滤池投运后,平均处理水量提升13.71%。另外,还构建了反冲洗效用模型,利用优化算法动态调整气冲、气水冲、水冲三阶段的反冲洗时长,与系统上线前相比,初滤水浊度由0.24 NTU降至0.09 NTU,出水浊度由0.05 NTU降至0.03 NTU。此外,在保证滤池清洗到位的前提下,反冲洗水耗降低11.73%,电费降低36.61%。

关键词： 脑卒中   癫痫   决策树C5.0   人工神经网络   数据挖掘  

摘要： 目的探究常规临床资料挖掘对卒中后癫痫发作的预测价值。方法选取2020-01—2022-12邯郸市中心医院治疗的100例脑卒中患者为对象,其中研究组32例脑卒中后癫痫患者,对照组68例脑卒中后无癫痫患者。收集并比较2组患者的临床资料,建立决策树C5.0模型及人工神经网络(ANN)模型,对比两种模型预测卒中后癫痫发作的效能。结果研究组在性别、病灶部位、NIHSS评分、低密度脂蛋白(LDL)、C反应蛋白(CRP)、D-二聚体(D-D)、中性粒细胞/淋巴细胞比值(NLR)、血小板/淋巴细胞比值(PLR)等方面与对照组比较有统计学差异(P<0.05)。在决策树C5.0模型中对模型影响最大的3个因素是NIHSS评分、LDL、病灶部位,在ANN模型中对模型影响最大的3个因素是NIHSS评分、病灶部位、PLR。决策树C5.0模型对卒中后癫痫发作的预测准确率为88.00%,阳性预测值为84.38%,阴性预测值为89.71%,灵敏度为78.64%,特异度为77.29%,AUC为0.809。ANN模型对卒中后癫痫发作的预测准确率为95.00%,阳性预测值为93.75%,阴性预测值为95.59%,灵敏度为88.64%,特异度为89.52%,AUC为0.857。结论在基于常规临床资料挖掘构建的卒中后癫痫发作预测模型中,ANN模型的整体性能优于决策树C5.0模型,具有潜在的临床应用价值。

关键词： 海因环氧树脂   Dual-Arrhenius流变模型   BP人工神经网络模型   化学流变学   黏度   复合材料  

摘要： 化学流变学分析在热固性树脂基复合材料加工成型中具有广泛应用,然而传统化学流变模型对加工黏度的预测常使用Dual-Arrhenius流变模型,该方法在具有多场耦合效应的热固性树脂体系中预测精度受限。为突破这一瓶颈,引入了人工智能的方法。采用DSC法分析了海因环氧树脂/马来酸酐体系的反应性,在65~85℃等温固化模式下进行了黏度数据采集,采用BP人工神经网络模型(BP-ANN模型)与Dual-Arrhenius流变模型(DA模型)对海因环氧树脂/马来酸酐体系的流变性能进行对比分析研究。结果表明,相较于DA模型,BP-ANN模型的均方误差降幅达26.0%,平均绝对百分比误差锐减65.0%,均方根误差降低13.0%,同时决定系数提升0.25%。BP-ANN模型相较于DA模型在预测精度上显著提升,这对热固性树脂基复合材料成型过程中的工艺选择和参数优化提供了一定的支撑。

关键词： 微波消解   石墨炉原子吸收光谱法   检测参数   海参   铅  

摘要： 目的:对原子吸收光谱法测定海参中铅的检测参数进行优化。方法:本研究在GB 5009.12-2017《食品安全国家标准食品中铅的测定》第一法的基础上,对空心阴极灯电流、干燥温度、灰化温度、原子化温度进行梯度优化。结果:确定了该仪器测定海参中铅的最优参数为:空心阴极灯电流8 mA、干燥温度130℃、灰化温度800℃、原子化温度2000℃。在确定的检测参数条件下,海参加标回收率为92.57%~97.56%,相对标准偏差为1.77%~4.10%,检出限为0.0128 mg/kg。结论:在优化后的检测参数条件下,该方法具有较高的精密度和准确度,可用于海参中铅含量的测定。

关键词： 大直径钢管桩   极限承载力   BP神经网络   粒子群优化   遗传算法   静载试验  

摘要： 桩基极限承载力直接影响着结构的安全性和稳定性,而大直径钢管桩极限承载力受多种因素影响,往往复杂且难以预测。为了更好地预测大直径钢管桩极限承载力,本文提出了一种基于粒子群(particle swarm optimization,PSO)和遗传算法(genetic algorithm,GA)组合优化的BP神经网络模型。为了验证模型的可行性,以马来西亚某桥的试桩项目为工程背景,对大直径钢管桩极限承载力进行预测,并将预测结果与静载试验结果进行对比分析。研究表明:PSO-GA-BP神经网络模型在训练集的拟合度指标为0.990,明显优于传统BP神经网络,并且平均误差值与均方根误差值也远小于传统BP神经网络。而且PSO-GA-BP模型的预测结果与静载试验结果的相对误差值在3.24%以内,远小于传统的BP模型。这不仅证实了该模型在大直径钢管桩承载力预测中的优越性能,更为桩基承载力设计计算提供一个高效可靠的方法。

关键词： 麻雀搜索算法   作业车间调度   模拟退火算法  

摘要： 针对以最小化完工时间为目标的作业车间调度问题,设计了以麻雀搜索算法为框架,结合遗传算法和模拟退火算法的改进算法。首先,为降低复杂性,在编码设计阶段直接对工序进行编码,根据麻雀中发现者、追随者和侦察者的特征,利用多种交叉、变异策略对其位置进行更新,以提高领域搜索性能;为了避免传统麻雀搜索算法易陷入局部最优的问题,结合模拟退火算法帮助跳出局部最优,提高全局搜索能力;最后,通过10个经典算例进行实验仿真,并与其他算法进行对比。结果表明,所提算法在9个算例中具有更快的收敛速度和更好的解的质量,说明了所提算法的有效性。

关键词： 遗传算法   汽车碰撞安全   多目标优化   轻量化设计  

摘要： 随着汽车保有量持续增长,交通事故中乘员安全保护问题备受关注,传统碰撞安全设计主要是通过单目标优化,难以高效协调安全性、轻量化与成本之间的冲突。遗传算法因其全局搜索能力和并行计算特性为多目标协同优化提供新思路。因此,文章就汽车碰撞安全设计展开探讨,旨在构建基于遗传算法的多目标优化模型,为汽车安全设计提供兼顾效率与精度的新方法,促进其安全性能与经济效益的协同发展。