关键词： 遗传算法   粒子群算法   神经网络  

摘要： 中低压配电网中三相负荷失衡导致无功功率剧增,传统基于对称补偿的功率平衡器因算法僵化、补偿容量冗余等问题难以满足动态需求。基于此,提出融合遗传算法(GA)优化神经网络与粒子群算法(PSO)的智能补偿控制策略,通过构建GA-BP参数预测模型精准解析电网状态,结合PSO动态优化静止无功补偿器(SVC)参数,旨在实现三相不平衡负载的低成本高效补偿。仿真结果表明:该方法使三相电压不平衡度降低65.6%,功率因数提升42.6%。验证所提方案在提升电能质量、降低网损方面的优越性,为配电网动态无功补偿提供智能化解决方案。

关键词： 新型快递配送模式   遗传算法   快递市场管理办法  

摘要： 随着《快递市场管理办法》新规的发布,物流业“最后一公里”将迎来巨大的改变,快递上门配送将成为常态。为有效应对激增的配送单量,守好物流过程的“最后一公里”,本文将从社会网络分析视角出发,提出新型快递上门配送模式,旨在提高配送成功率,节省人力资源,并将通过遗传算法优化配送路径,验证其最优性。

关键词： 智能电网   分布式能源   优化配置   遗传算法  

摘要： 本研究旨在优化智能电网中分布式能源配置,目标是降低电网总成本、提高电网可靠性,并减少环境影响,提出了一种结合数学模型与优化算法的解决方案。方法 构建了一个以最小化总成本为目标的数学模型,结合遗传算法(GA)与粒子群优化算法(PSO)优化智能电网中的分布式能源分配。通过MATLAB/Simulink仿真平台,分析了不同配置方案对电网的影响。结果 通过优化策略,电网的开销得到了显著的减少,而方案C(PSO优化)成功地将总成本降低了20%。系统的故障恢复时间减少了37.8%,同时系统的可用性也提升到了95%。CO2的排放减少了33.3%,而绿色能源的占比增加到了60%。结论 分布式能源优化配置有效降低了电网运行成本,提高了电网可靠性,并减少了环境影响,为智能电网的可持续发展提供了理论依据和实践指导。

关键词： 船舶建造   智能算法   遗传算法   优化设计   建造效率  

摘要： 本文以遗传算法为例子,通过对遗传算法基本原理及特点的介绍,提出了智能算法在船舶建造过程中的应用方向,发现其在面对复杂优化问题方面具有的独特优势,并对遗传算法在船舶建造过程环节的应用,如船舶设计优化、生产调度与资源配置、质量控制与检测等方面的应用进行了分析,研究成果表明遗传算法作为一种智能算法在船舶建造过程中的应用前景广泛、具有重要的实践价值。

关键词： 种植规划   遗传算法   连片种植   多目标优化   黑土地保护  

摘要： [目的/意意义义]针对集约化农业中土壤退化与规模化生产间的矛盾，以黑龙江省富锦市为例，构建地块尺度的种植规划方法，以协同优化作物连片布局、土壤恢复、实际生产及经济收益，同时保障国家大豆种植任务。[方方法法]基于遗传算法框架，融合连通分量分析构建多目标优化模型，整合收益、大豆种植、连片指数、轮作效益，以及水田-旱田转换5项指标。结合拉丁超立方体采样生成高质量初始种群，设计基于连通分量的交叉策略和混合变异策略，利用Distributed Evolutionary Algorithms in Python (DEAP)库实现优化效果，通过4年模拟验证性能。[结果和讨论]优化方案显著提升连片指数，从0.477大幅增加并稳定至0.9以上，地块碎片化减少；经济效益动态稳定，始终在0.7附近波动，没有出现大幅下降情况；大豆种植面积稳定满足国家阈值，同步实现战略扩种，从0.207增长至0.539；最小化地块属性转换的优化目标考虑了实际生产的因素，取得了良好效果，与轮作收益达到了良好的平衡。[结论]本方法通过智能算法衔接微观布局与宏观政策，为黑土地保护与生产效益平衡提供量化技术路径。研究成果可为东北粮食主产区种植结构优化、高标准农田建设提供决策支持。

关键词： 红壤   离散元   参数标定   响应面   BP神经网络   遗传算法  

摘要： 为解决云南林下三七种植中农机具设计缺乏准确可靠的离散元仿真参数的问题，以云南林下三七种植红壤为研究对象，选取EDEM中的Hertz-Mindlin with JKR cohesion模型，对相关仿真参数进行标定。在前期试验的基础上，采用Plackett-Burman试验和最陡爬坡试验筛选显著性因素及其最优值区间；以土壤仿真堆积角为响应值，分别采用响应面法（response surface methodology,RSM）和机器学习对显著性参数进行优化和对比。结果显示，采用RSM优化得到土壤JKR（Johnson-Kendall-Roberts）表面能为5.597 J·m-2、土壤-土壤碰撞恢复系数为0.314、土壤-土壤滚动摩擦因数为0.132、土壤-65Mn钢碰撞恢复系数为0.264，测得仿真堆积角为38.16°，与实际堆积角相对误差为2.03%；采用GA-BP（genetic algorithm-back propagation）-GA模型优化的土壤JKR表面能为5.245 J·m-2、土壤-土壤碰撞恢复系数为0.404、土壤-土壤滚动摩擦因数为0.171、土壤-65Mn钢碰撞恢复系数为0.318，仿真堆积角为36.81°，与实际堆积角相对误差为1.57%。综上表明，GA-BP-GA算法在参数优化方面优于RSM方法，获得的红壤参数标定结果可以用于离散元仿真。

关键词： 短纤维复合材料   迁移学习   应力-应变曲线   人工神经网络  

摘要： 随着复合材料在航空航天、汽车多个领域的广泛应用，准确预测其力学性能变得愈发重要。本研究提出了一种基于迁移学习的短纤维复合材料应力-应变曲线预测方法。首先，通过DIGIMAT构建数据库并采用拉丁超立方抽样技术选取样本，以提高模型训练的效率。然后，利用人工神经网络（ANN）作为代理模型，并通过迁移学习方法，能够快速获取新材料的应力-应变预测模型。研究结果表明，迁移学习模型能有效捕捉材料应力-应变行为的关键特征，特别是在预测五阶多项式系数方面表现出色。进一步分析了纤维体积分数和长径比对材料力学性能的影响，发现较大长径比的纤维能更有效地传递应力。本研究为短纤维复合材料的性能预测提供了一种有效的工具，尤其在数据获取困难或成本较高时，展现了迁移学习在复合材料性能预测中的潜力和应用前景。