一、一类改进进化规划及其优化性能分析(论文文献综述)
肖辉辉,万常选[1](2021)在《基于多策略的改进花授粉算法》文中提出花授粉算法是近年来提出的一种新型的、简单高效的优化算法,已在各个领域得到广泛应用,但其搜索策略存在的不足,制约着其应用范围.为此,提出一种改进的基于多策略的花授粉算法.首先,新全局搜索策略通过利用两组随机个体差异矢量和莱维飞行机制来增加种群多样性并扩大搜索范围,使算法更易跳出局部最优,提升其开采能力;其次,在局部搜索部分引入精英变异策略,并与随机个体变异机制组合成一种新的局部授粉策略,利用精英个体对其他个体的演化方向进行引导,提高算法的搜索速度;通过随机个体变异策略来保持种群的多样性,增强算法的持续优化能力;同时,通过一种线性递减概率规则调节这两种变异策略,使其取长补短,以提高算法的优化能力;最后,对进化中没有得到改善的解,利用余弦函数搜索因子策略产生一个新解加以替换,从而提高算法解的质量.通过5类经典测试函数的仿真实验和采用统计学上的分析,证明了该算法的稳定性和有效性;与现有经典的和知名的改进算法进行了对比,实验结果表明,所提出的改进算法是一种富有竞争力的新算法.同时,利用改进算法对军事领域中的无人作战飞行器航线规划问题进行求解,测试结果表明,改进算法在解决实际工程问题时,同样具有一定的优势.
李鑫[2](2021)在《铁路机车设备画像理论及关键技术研究》文中进行了进一步梳理铁路机务专业是铁路运输系统的重要行车专业,主要负责各型机车的运用组织、整备保养和综合检修。作为重要的铁路运输生产设备,机车的运输生产效率、设备质量状态、整备检修能力、安全管理水平等均会对铁路运输生产能力的稳健提升和经营管理工作的稳步发展产生重要影响。随着各种监测检测设备以及各类信息管理系统的广泛应用,围绕机车积累了形式多样的海量数据,数据增量及质量均大幅提升,数据价值日益体现,铁路行业对于完善机车健康管理的需求十分迫切。当前铁路机务专业在进行机车健康管理的过程中,存在分析方法较少、大数据挖掘不足、管理决策科学性较弱、综合分析平台缺失等问题。铁路机车设备画像理论及关键技术研究作为实现机车健康管理的重要手段,致力于加强机车数据资源的整合利用,通过客观、形象、科学的标签体系全面而精准地刻画机车的质量安全状态,并以此为基础深入挖掘潜藏的数据价值,实现机车事故故障关联分析、安全状态预警盯控、质量安全态势预测、检修养护差异化施修、稳健可靠管理决策等目的,支撑起铁路运输生产及质量安全管理工作的科学化、数字化、智能化发展。本文主要对铁路机车设备画像理论及其一系列关键技术进行了研究与应用,取得了以下创新成果:(1)提出了铁路机车设备画像理论。通过梳理机车设备画像的含义及研究意义,明确了构建铁路机车设备画像理论的必要性及其定位。基于此,给出铁路机车设备画像理论的定义与内涵,梳理了符合现阶段机车运输生产管理需要的铁路机车设备画像理论的构成,阐述了关键技术的研究方法及之间的逻辑关系。同时,设计相匹配的应用架构,介绍了其所包含的核心应用、赋能应用、总体目标等6个方面内容。这为系统性地开展机车健康管理相关研究提供了崭新的理论和方法支持。(2)构建了基于设备画像的铁路机车画像标签体系。通过整合利用机车多维度数据,提出了机车设备画像3级标签体系技术架构,全面分析所包含的数据采集层、标签库层和标签应用层,详细阐释各级标签的内容构成,形成机车画像标签体系的构建方法。针对聚类这一标签产生方式,改进K均值(K-means)聚类算法的初始质心选取方法,提高标签获取的精度和稳定性。通过在某铁路局开展机车设备画像实地应用研究,获得了客观、精准、完整、可靠的机车画像。(3)提出了基于Ms Eclat算法的铁路机车事故故障多最小支持度关联规则挖掘方法。针对机车事故故障在关联规则挖掘中具有不同支持度的特点,提出了改进的等价变换类(Eclat)算法——多最小支持度等价变换类(Ms Eclat)算法,以各项目的支持度值为排序依据重新构建数据集,进而运用垂直挖掘思想获得频繁项集;为了进一步提高Ms Eclat算法在大数据分析场景中的执行效率,将布尔矩阵和并行计算编程模型Map Reduce应用于算法的计算过程,得到优化的Ms Eclat算法,设计并阐述了相应的频繁项集挖掘步骤。通过比较,Ms Eclat算法及其优化算法在多最小支持度关联规则挖掘方面有着极大的计算效率优势。通过在某铁路局开展实际应用研究,验证了算法的有效性、高效性和准确性。(4)设计了基于时变概率的PSO+DE混合优化BP神经网络的机车质量安全态势预测模型。通过总结反向传播(BP)神经网络、粒子群优化(PSO)算法和差分进化(DE)算法的原理及优缺点,设计了基于时变概率且融入了防早熟机制的PSO+DE混合优化BP神经网络预测模型,详细阐释了这一预测模型的训练步骤。以某铁路局的机车质量评价办法为依托,选用灰色关联度分析方法选择出运用故障件数、碎修件数等7个评价项点,预测机车未来3个月的质量安全态势。经过实验对比,新提出的预测模型有着更好的收敛能力,对于机车质量评价等级预测及分值变化趋势预测的准确度分别可以达到98%和91%以上。最后开展了实际预测应用及分析,为科学把控机车质量安全态势提供了较好的技术方法。(5)设计了基于铁路机车设备画像理论的铁路机车健康管理应用。通过总结梳理铁路机车健康管理应用与铁路机车设备画像理论及机务大数据三者间的关系,设计了基于铁路机车设备画像理论的铁路机车健康管理应用的“N+1+3”总体架构及其技术架构。基于此,从设备、人员和综合管理3个方面介绍了机车运用组织、机车整备检修、辅助决策分析等7个典型应用场景,并特别给出这些场景的数据挖掘分析思路及框架,为铁路机车设备画像理论的扎实应用奠定了重要基础。最后,将本文所取得的相关研究成果在某铁路局开展实地的铁路机车健康管理应用实践,通过搭建人机友好的应用系统,完成一系列机务大数据挖掘分析算法模型的封装,实现了机车画像标签生成及设备画像分析、机车事故故障关联分析、机车质量评价分析、机车质量安全态势预测分析等多项功能。通过实际的工程应用,实现了铁路机车设备画像理论及其关键技术的创新实践,取得了良好的效果。全文共有图56幅,表21个,参考文献267篇。
阮一晨[3](2021)在《基于数据驱动的杭州萧山区公共中心体系认知与优化研究》文中研究指明随着我国经济社会的发展由高速增长转为高质量增长,人民生活水平不断提升,社会主要矛盾发生转变,城市生活性空间的发展随之转变为引领城市建设、提升城市居民生活幸福感的主要动力之一。城市公共中心体系是承载城市居民生活性活动的主要空间,在城市公共服务与消费空间的发展中起到重要作用。近年来,城市研究数据与技术快速发展,特别是大数据与机器学习算法的引入,为城市空间结构研究提供了强有力的量化支撑。但同时也引申出公共中心体系研究中,数据表征的充分性、研究方法的适应性、表征关系的实效性等数据技术应用层面的问题。为此,本研究以杭州市萧山区为对象,针对城市公共中心体系研究,在数据技术选择与应用、影响要素与机制分析、优化布局手段等多方面文献综述基础上,结合规划研究中数据应用的特征,总结出本研究着力探索的三个主要问题:如何观察并总结公共中心的特征、公共中心体系发展类型特征与影响要素有哪些、怎样正确引导公共中心空间优化。并借鉴弱假设强表征的数据驱动范式,形成了由理论线索指导表征数据,再构建表征关系,从而推导特征规律的研究逻辑,将之应用于研究问题所对应的空间认知、空间分析与空间优化三个主要流程,以实现空间认知与优化的研究目的,解释公共中心体系空间特征与规律,完善其优化方法与流程。研究内容与结论主要包括三方面:一是公共中心体系的识别与空间特征认识。从供给与需求的角度入手,针对公共中心体系的构成要素,搭建手机信令、POI与调研数据结合的多源数据识别框架,实现杭州市萧山区公共中心体系识别,并从中心的空间布局、结构关系与功能关联认识其基本空间特征。初步认识了体系内的公共中心路径依赖与道路亲缘特征规律与“一主一副数次多基”的4级中心体系,同时发现政府主导配置的公共服务设施在中心关联中具有重要引领性作用。二是在公共中心体系的发展程度与影响要素分析。构建常态化和非常态化两大层面的分析框架:在常态化层面,遵循先扩样后收缩的思路,从浙江省扩样识别公共中心体系的初长型、增长型、成熟型、完善型四大聚类,定位出与萧山区近似的成熟型与完善型聚类样本。同时地形条件、经济规模、人口规模、城市建设、居民消费力与公共交通6类影响要素存在显着的类型性差异,其变化特征主要由发展初期政府主导的投资拉动型增长模式转变为后期由市场引领的消费主导型发展模式。各影响要素间呈现相互作用的网络机制,其中人口规模是发展程度最直接最核心的影响要素。在非常态化要素方面,萧山区公共中心体系深受G20、亚运会与新冠疫情防控等大事件中正向推动力的促进,并在后续使其持续影响。三是在公共中心体系优化分析。杭州市萧山区的研究范围,通过人口与公共中心体系具有强关联的线索,从人口的居住、就业、旅游三方面入手构建“人口—公共中心”的空间关联模型,推导出中心优化的空间基础。在此基础上借助三方面目标准则:一是通过公共中心发展的监督学习模型、满意度与亚运会大事件分析结合,总结出经验目标。二是通过人本主义价值尺度下总结出效率与公平的发展目标,三是在公共中心现状特征中总结的规律性原则。最终在空间与非空间两个层面提出了针对萧山区公共中心体系的优化指引。经三方面内容的逐层推进,实现了公共中心体系认知与优化的数据驱动研究框架搭建,通过实证案例分析与认知,总结具有时空背景的特征经验与一般性的规律,丰富了新数据环境下的城市空间结构研究。
赵颖[4](2021)在《基于非侵入式负荷监测的建筑物电能管理系统研究》文中指出随着智能电网的不断建设与发展,智能用电理念也逐渐深入到千家万户。智能用电管理系统不仅可以指导用户减少不必要的能源消耗,而且管理、供电部门也可以通过它预测和控制区域内负载,以达到“削峰填谷”的目的。为此,本文以住宅建筑为研究对象,提出了基于高级量测体系架构的建筑物电能管理系统的实现方法:根据非侵入式负荷监测技术完成对用户用电数据的采集及分析,搭建深度学习网络对负荷进行分类识别;使用非支配排序差分进化算法对用户用电行为进行优化分析,并为用户提供可选择的优化方案;采用分层管理的理念,对电能管理系统的功能需求进行了深入的分析;使用统一建模语言分析并构建了系统架构。系统的主要功能包括为用户提供合理的用电优化建议、实时监测建筑物的三级供配电系统是否处于安全、可靠、优质、经济的运行状态等。具体的工作为:首先,提出将深度学习网络应用至非侵入式负荷监测技术的实现中,搭建了以双向门控循环单元及注意力机制为核心的网络框架,并在公开的真实数据集REDD上进行了实验验证,解决了目前传统算法对于多状态电器的辨识准确率较低的问题。系统使用非侵入式负荷监测技术完成对用户用电数据的采集及分析,与传统的数据采集方式相比,该方法更易于实现且成本更低。其次,提出使用非支配排序差分进化算法对用户的用电行为进行优化,为用户提供合理的用户行为优化建议进行了实现设计,并在公开数据集REDD上对典型用电器、典型用户某天的用电数据及用户群某天的用电数据这三个对象分别进行了优化。结果表明:本文使用的非支配排序差分进化算法能够在尽量小地影响用户的用电舒适度的情况下,降低用户的用电费用。然后,对系统的楼层和变电所层所具有的功能进行了分析,对系统可能出现的异常及不良用电数据的辨识、电压偏差的监测以及三相不平衡的监测方法做了设计,并提出了相应的管理措施。最后,使用统一建模语言对建筑物电能管理系统进行了构建,其能够对建筑物从用户末端用电设备至变电所总的用电数据进行管理,实现建筑物电能管理的智能化。
王海涛[5](2021)在《考虑模型参数不确定性的电磁轨道炮弹道多目标鲁棒优化》文中研究指明
白羽[6](2021)在《基于参数敏感度的机械结构分层优化方法研究》文中进行了进一步梳理动力工程领域存在着大量的复杂机械结构,其复杂性主要体现在两个方面,一是结构工作时会受到各种方式的载荷作用,二是这些结构通常是由多个子结构通过不同的连接方式构成的。因此,复杂机械结构优化设计一般为多变量、多约束的多目标优化问题,而且各个子目标函数之间存在着相互矛盾的关系,不同的设计变量对优化目标的影响程度也有很大的区别,用传统的直接优化方法对这些复杂结构进行优化设计时求解非常困难。分层优化方法的提出为复杂机械结构多目标优化设计提供了有效途径,然而目前分层优化技术更多集中于大型复杂桁架结构的应用,而对于工程机械构件研究及应用较少,开展基于分层优化的多目标优化方法研究具有重要意义。论文首先从理论角度归纳分析了不同分层优化策略及模型构建方法,针对杆件类结构多目标优化问题,提出了一种基于参数敏感度分析的分层优化方法。该方法通过对机械结构优化问题的输入参数和输出参数进行敏感度分析得出各输入参数对各输出参数的影响程度,然后将整体多目标优化问题分解为多个子层优化问题,每个子层优化问题的设计变量都是对子层优化目标影响程度较大的设计变量。通过分层优化,每个子层问题优化规模较小,且每个子层问题可以选用适合该子层问题的优化算法,达到降低整体优化问题的维数、易于计算的目的。进一步以某柴油机连杆结构为研究对象,针对连杆质量最小和低阶固有频率最大的多目标优化设计问题,分别使用直接整体多目标优化方法和基于参数敏感度的分层优化方法进行优化设计。其中,直接整体优化选用AMO优化算法和MOGA算法直接对整体优化问题求解。分层优化将整体问题按照设计变量对优化目标的影响程度分为两个子层问题,每个子层问题对应原多目标优化问题的一个优化目标进行求解。分层优化通过总迭代计算311次得到优化结果,质量比原结构减少了16.8%。低阶固有频率提高了15.4%。AMO多目标算法迭代计算536次,优化后结构质量减少了13.2%。低阶固有频率提高了18.8%。MOGA多目标算法迭代计算682次,优化后结构质量减少了13.1%。低阶固有频率提高了15.2%。结果表明相比于直接优化方法,分层优化方法的优化更加精确且优化效率更高。文中研究成果为机械结构的多目标优化设计提出了新的思想,同时也可为其他多约束、多变量的复杂机械结构优化设计提供方法参考和有益借鉴。
张同锋[7](2021)在《基于自动化立体货架系统的多穿梭车调度及应用研究》文中研究表明随着我国经济进入转型升级阶段,智能仓储在物流行业内得到迅速发展。面向多穿梭车调度的自动化立体仓库系统作为智能仓储的新型解决方案,它具有存储量大、作业效率高、灵活性好等优点,使其在烟草、医药、电子商务、汽车、工业等诸多领域的行业中得到广泛的推广和应用。在面向多穿梭车调度的自动化立体仓库系统中,货物订单通常以周转箱为存储单元,由穿梭车和提升机协同作业,完成货物订单的出入库任务。穿梭车和提升机分别负责货物运输过程中的水平运动和垂直运动。在穿梭车与提升机协同作业运动过程中易发生货物等待穿梭车的时间或穿梭车等待提升机的时间过长等问题,因此优化穿梭车和提升机的协同调度方案对提高仓储的出入库作业效率具有关键性作用。因此本文针对面向多穿梭车调度的自动化立体仓库系统,以仓库入库订单作业的任务调度展开研究。主要研究有:(1)通过研究面向多穿梭车调度的自动化立体仓库系统结构组成以及设备作业的主要特点,分析总结了面向多穿梭车调度的自动化立体仓库系统的作业流程以及影响作业效率的因素。(2)根据面向多穿梭车调度自动化立体仓库系统的作业流程,结合穿梭车与提升机的运动规律,分析建立了单任务单穿梭车货物入库的订单作业时间模型。通过对单任务作业时间模型的分析,减少了订单的等待时间以及穿梭车的等待时间,可以提高系统的作业效率。(3)针对面向多穿梭车调度自动化立体仓库系统的任务调度优化问题,根据对系统货物入库作业流程的分析以及结合货位分配原则,建立了以完成一个固定时间窗口内所有入库订单任务总时间最小为目标的任务调度数学模型,并通过改进遗传算法求解调度模型。并以某立体仓库的情况为实验对象,验证了模型及算法的有效性与稳定性,确定了最优入库任务调度方案。通过Flexsim仿真软件对调度方案进行仿真验证。通过对面向多穿梭车调度自动化立体仓库系统的入库任务调度的研究、优化、仿真与验证,改进算法在求解该任务调度模型上具有一定的有效性和稳定性。
陈浩[8](2021)在《考虑条件风险的含风电系统源网协调优化调度研究》文中研究说明近年来随着我国经济的飞速发展,带动了人民生活水平的快速提升,相应的社会的总用电量也在逐年增长,但传统化石能源例如煤炭和石油等却日渐枯竭。风力发电以其清洁环保、可再生、广泛分布等优点在电力系统中的比重逐年提升。但风速存在极强的随机性,造成风电功率存在极大的波动性,在风电全额上网的要求下,风电并网势必会给电力系统的稳定运行带来极大的风险。因此,有必要量化风电并网过程中存在的潜在风险,给电网调度人员提供可靠参考,辅助调度人员决策。为了避免调度人员决策的盲目性和无依据性,本文基于条件风险价值理论提出了衡量风电并网功率偏差风险的量化方法,并在调度过程中引入源网协调优化运行理念,该模型综合考虑了系统各时段的风电最优出力、系统的最优潮流、系统综合运行成本、风电并网的风险性等因素,建立了以系统综合运行成本最低和风电并网条件风险功率综合偏差值最小为优化目标的多目标优化调度模型。针对风速随机性较强,风速区间估计不准确的问题,借鉴定积分求和理念结合风速分布特点。采用最短置信区间法对风速概率密度函数进行矩形求和,该方法能快速得到设定置信水平下对应的风速最短置信区间,提高了风速置信区间的估计精度。针对该非线性、强耦合、多目标的调度模型,设计了一种新型的多目标复合回溯搜索算法,该算法将种群分割策略及跟踪优势个体进化的理念引入到回溯搜索算法,解决了寻优深度与收敛速度之间的矛盾,提升了解的多样性。为了验证本文所提风电并网条件风险功率偏差计算方法和源网协调运行优化调度模型的有效性以及算法的高效性,以改进后的IEEE-30节点为例进行仿真。仿真结果表明,所设计的多目标复合回溯搜索算法可快速得到不同置信水平下风电最优计划出力及系统最优潮流方案。采用本文所提方法得到的风电并网策略,能有效评估风电并网过程中存在的风险。
韩培钰[9](2021)在《基于WebGIS的目标探测设备优化协同系统的研究与实现》文中研究指明运动目标具有高度动态性和随机性,探测信息的井喷增长与实际场景探测设备资源的不足产生了冲突,如何高效管理多源异构探测设备,及时为它们动态地分配探测任务并组合执行,成为构建探测系统的关键问题。现有研究已实现了设备的接入及探测数据的存储,而在如何合理调度探测资源并优化系统探测性能方面尚有欠缺:仅单方面考虑或过于强调了决定设备探测效能的某一因素,未能搭建起完整的探测效能评价体系;缺乏系统最终效能的评估与反馈,没有形成探测闭环框架,不利于长期累计效益的提升;对于动态调度的时机和影响因素分析不足,没有保证调度决策的动态响应;对遗传求解算法的优化不足,算法的效率不高,易出现过早收敛域局部最优解、丢失或漏探目标等情况。为弥补现有工作不足,本文建立了对探测实际效果进行分析和评估的通用数学模型,完善了评价探测性指标体系与目标函数;搭建了基于优化调度、协同探测和效能评估反馈的设备资源优化配置闭环决策框架,以效能评价值为反馈环节引入决策过程;分析了触发设备资源动态调度的时机和场景,与以时间窗口为尺度的周期调度相结合增强了实时响应性;研究了基于贪婪策略的设备调度算法和改进遗传算法,适用于本文数学模型中,完善了基因编码规则,改进了选择算子和选择步骤,设计了自适应非线性交叉和变异算子,调整了符合任务实际约束的交叉、变异步骤,新增了基因交流步骤,通过与最新算法的对比实验证明其在收敛性和全局寻优能方面具有优势和创新性。此外,本文以地理信息系统(Geographic Information System,GIS)地图和React框架为前端可视化基础,以浏览器/服务器架构和组件化设计思想搭建了仿真系统,以海洋探测环境为应用场景,实现目标探测态势和设备动态调度结果的可视化,进行的功能测试和性能测试证明了本文研究内容具备可行性和有效性。
巩旭鹏[10](2021)在《改进启发式算法及其在矿山生产调度中的应用》文中研究说明随着科技的不断进步,矿山开采也发生了很大的变化,进入了信息化时代。但在现阶段,开采工艺的信息化程度并不高,矿产资源并不能得到有效利用,造成企业效益低下。如何利用智能化技术进行生产调度成为可持续发展的必要前提,进一步提高矿山资源的整体利用率。由此,本文对以下几个方面进行研究分析:(1)介绍了目前采矿业的相关情况,通过对矿山资源优化及生产调度的详细描述,并给出了现有的主要研究方法。进一步对后文所用到的帝国主义竞争算法(Imperialist Competitive Algorithm,ICA)和遗传算法(Genetic Algorithm,GA)进行深入分析。基于其不足之处,提出了自适应帝国主义竞争算法(Imperialist Competitive Algorithm with Adaptive competition,AICA)和自适应遗传算法(Adaptive Genetic Algorithm,AGA),克服了常规算法的缺陷。最后拿基准函数测试算法的有效性,结果表明了算法在求解时的优越性。(2)研究了基于AICA算法对矿山截止品味的优化,将矿山生产各环节的关系建立以以最大净现值(Net Present Value,NPV)为目标函数的优化模型。分别利用ICA和AICA算法对模型求解,结果证明了改进算法的优越性。并与现有Lane理论进行最优截止品味误差对比,AICA误差较小。最后以国内某矿山为例,进行理论验证。基于所建立模型和矿山数据,利用改进前后算法进行优化,结果显示AICA算法更优,得到的NPV更大,能为企业创造更大的效益。(3)根据矿山卡车的调度特点,分析其目标需求,根据现有文献的研究现状,建立了以矿卡运输代价最小、矿卡排队时间最短的多目标模型。基于AGA算法,设计出多目标加权和NSGA-II两种算法对模型求解,由结果对比可知,NSGA-II算法求解较优。本文的研究和结论进一步丰富和完善了矿山资源优化及生产调度决策的理论和方法,在理论和实际应用上都具有一定意义。
二、一类改进进化规划及其优化性能分析(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、一类改进进化规划及其优化性能分析(论文提纲范文)
(2)铁路机车设备画像理论及关键技术研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
前言 |
1 绪论 |
1.1 研究背景及意义 |
1.2 必要性及可行性分析 |
1.2.1 必要性 |
1.2.2 可行性 |
1.3 本文拟解决的主要问题 |
1.4 本文研究的主要内容 |
1.5 本文组织架构及技术路线 |
1.6 本章小结 |
2 国内外研究现状及发展趋势 |
2.1 机务大数据研究及应用 |
2.1.1 国外 |
2.1.2 国内 |
2.2 机车检修现状 |
2.3 设备画像 |
2.3.1 画像的概念 |
2.3.2 构成要素 |
2.3.3 模型与方法 |
2.4 标签技术 |
2.4.1 画像标签的定义 |
2.4.2 标签分类 |
2.4.3 标签构建原则 |
2.4.4 标签构建方法 |
2.5 设备健康管理 |
2.5.1 国外设备健康管理现状 |
2.5.2 国内设备健康管理现状 |
2.5.3 我国铁路机务专业PHM技术发展差距 |
2.6 本章小结 |
3 铁路机车设备画像理论 |
3.1 机车设备画像概述 |
3.2 铁路机车设备画像理论构建 |
3.2.1 铁路机车设备画像理论的定义与内涵 |
3.2.2 铁路机车设备画像理论的构成 |
3.2.3 铁路机车设备画像理论的应用架构 |
3.3 本章小结 |
4 基于设备画像的铁路机车标签体系构建 |
4.1 问题概述 |
4.2 面向设备画像的标签技术 |
4.3 机车画像标签体系构建 |
4.3.1 机车画像标签体系技术架构 |
4.3.2 机车画像标签体系 |
4.4 基于聚类的机车第三级标签获取方法 |
4.4.1 K-means算法 |
4.4.2 K-means算法的改进 |
4.4.3 K-means算法与改进算法的比较验证 |
4.5 机车画像标签体系构建实例 |
4.5.1 K-means改进算法的应用 |
4.5.2 机车完整标签体系的产生 |
4.6 本章小结 |
5 基于MsEclat算法的铁路机车事故故障多最小支持度关联规则挖掘 |
5.1 问题概述 |
5.2 MsEclat算法的背景知识 |
5.2.1 垂直格式数据集 |
5.2.2 支持度、置信度与提升度 |
5.2.3 概念格理论 |
5.2.4 多最小支持度下的频繁项集判定 |
5.2.5 面向有序项目集合的最小支持度索引表 |
5.2.6 基于等价类的可连接性判定 |
5.3 MsEclat算法原理 |
5.3.1 Eclat算法简述 |
5.3.2 改进的Eclat算法—MsEclat算法 |
5.4 优化的Ms Eclat算法 |
5.4.1 基于布尔矩阵的T_(set)位运算求交 |
5.4.2 基于MapReduce的等价类并行运算 |
5.4.3 大数据场景下优化的MsEclat算法的频繁项集挖掘步骤 |
5.5 算法比较验证 |
5.5.1 MsEclat算法与水平挖掘算法的对比 |
5.5.2 MsEclat算法与其优化算法的对比 |
5.6 机车事故故障关联规则挖掘分析 |
5.6.1 待分析项目的选取 |
5.6.2 关联规则挖掘结果分析 |
5.7 本章小结 |
6 基于PSO+DE混合优化BP神经网络的铁路机车质量安全态势预测 |
6.1 问题概述 |
6.2 机车质量等级评价 |
6.3 基于机车质量评价项点的特征选择 |
6.3.1 灰色关联度分析 |
6.3.2 机车质量等级的比较特征选择 |
6.4 PSO+DE混合优化BP神经网络 |
6.4.1 BP神经网络原理 |
6.4.2 PSO算法原理 |
6.4.3 DE算法原理 |
6.4.4 基于时变概率的PSO+DE混合优化BP神经网络预测模型 |
6.5 机车质量安全态势预测分析 |
6.5.1 预测模型训练 |
6.5.2 预测模型训练结果分析 |
6.5.3 预测模型应用分析 |
6.6 本章小结 |
7 基于铁路机车设备画像理论的铁路机车健康管理应用总体设计 |
7.1 机务大数据与机车健康管理 |
7.2 铁路机车健康管理应用设计 |
7.2.1 设计目标及定位 |
7.2.2 总体架构设计 |
7.2.3 技术架构设计 |
7.3 铁路机车健康管理应用的典型应用场景分析 |
7.3.1 设备质量综合分析 |
7.3.2 人员运用综合把控 |
7.3.3 运输生产综合管理 |
7.4 本章小结 |
8 某铁路局机车健康管理应用实践 |
8.1 应用开发方案 |
8.1.1 系统开发环境 |
8.1.2 数据调用方式 |
8.1.3 分析模型定时任务调用方式 |
8.2 机车数据管理功能 |
8.2.1 基本数据管理 |
8.2.2 视频数据管理 |
8.2.3 机务电子地图 |
8.3 机车画像标签生成及分析功能 |
8.3.1 机车画像标签管理 |
8.3.2 单台机车画像分析 |
8.3.3 机车设备画像分析 |
8.4 机车事故故障关联分析功能 |
8.5 机车质量评价分析功能 |
8.5.1 单台机车质量安全分析 |
8.5.2 机务段级机车质量安全分析 |
8.5.3 机务部级机车质量安全分析 |
8.5.4 全局机务专业质量安全综合分析 |
8.6 机车质量安全态势预测分析功能 |
8.7 本章小结 |
9 总结与展望 |
9.1 本文总结 |
9.2 研究展望 |
参考文献 |
图索引 |
FIGURE INDEX |
表索引 |
学位论文数据集 |
TABLE INDEX |
作者简历及攻读博士学位期间取得的科研成果 |
(3)基于数据驱动的杭州萧山区公共中心体系认知与优化研究(论文提纲范文)
致谢 |
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景 |
1.1.1 社会主要矛盾发生转变带来的新需求 |
1.1.2 公共服务规划地位提升形成的新定位 |
1.1.3 数据科学革命引领的新视野 |
1.1.4 国土空间规划体系下的新要求 |
1.2 研究目的与意义 |
1.2.1 主要研究目的 |
1.2.2 研究意义 |
1.3 相关概念界定 |
1.3.1 数据驱动 |
1.3.2 公共中心体系 |
1.4 研究内容与范围 |
1.4.1 研究主要内容 |
1.4.2 研究范围 |
1.5 研究方法 |
1.5.1 定性研究方法 |
1.5.2 定量分析方法 |
1.6 技术路线与章节安排 |
1.6.1 研究技术路线 |
1.6.2 章节组织 |
2 相关研究综述 |
2.1 研究的理论基础 |
2.1.1 城市形态发展与演化理论中的城市中心 |
2.1.2 城市空间组织理论中的城市中心 |
2.2 城市公共中心体系的识别 |
2.2.1 城市中心识别数据源 |
2.2.2 城市中心及其体系识别方法 |
2.3 城市公共中心体系的演变趋势与影响要素 |
2.3.1 城市多中心结构的实践与效能 |
2.3.2 公共中心体系的发展趋势 |
2.3.3 公共中心的形成机制与影响要素 |
2.4 公共中心与城市服务的空间布局优化 |
2.4.1 公共中心的布局优化 |
2.4.2 各类城市服务的布局优化 |
2.5 借鉴与启示 |
2.5.1 研究借鉴 |
2.5.2 研究启示 |
3 研究框架 |
3.1 数据驱动的发展脉络 |
3.1.1 大数据的发展及利用 |
3.1.2 机器学习发展历程 |
3.1.3 数据驱动在城乡规划中的应用 |
3.2 表征学习与城市空间科学互动的研究理念 |
3.2.1 表征学习的应用难点 |
3.2.2 分析框架的基本流程 |
3.2.3 数据分析的基本逻辑 |
3.2.4 数据获取的基本原则 |
3.3 数据驱动的公共中心体系研究框架 |
3.3.1 研究主要问题难点 |
3.3.2 测度识别的理论先验 |
3.3.3 影响要素分析的理论先验 |
3.3.4 优化策略的理论先验 |
3.4 本章小结 |
4 萧山区公共中心体系识别与空间特征 |
4.1 供需视角下的中心度评级体系与数据基础 |
4.1.1 中心度的评价 |
4.1.2 中心度计算的数据基础 |
4.2 中心度计算结果与空间特征 |
4.2.1 指标权重计算 |
4.2.2 设施聚合度:多中心结构展现 |
4.2.3 设施规模度:中心集聚特征显着 |
4.2.4 设施使用度:就近满足的网络结构 |
4.2.5 中心度:内聚外散,北密南疏的整体格局 |
4.3 识别与特征分析 |
4.3.1 基于密度阈值的公共中心识别流程设计 |
4.3.2 公共中心的空间分布特征 |
4.3.3 公共中心的体系结构特征 |
4.3.4 功能关联特征 |
4.4 本章小结 |
5 萧山区公共中心体系的发展程度与影响要素 |
5.1 公共中心体系发展程度的表征 |
5.1.1 公共中心体系的总能级 |
5.1.2 公共中心体系的总数量 |
5.1.3 公共中心体系的均衡度 |
5.2 基于集成学习的中心度表征模型 |
5.2.1 特征构造与模型设计 |
5.2.2 模型精度检验方法 |
5.2.3 模型训练与精度表现 |
5.3 基于集成模型省域区县中心度拟合 |
5.3.1 中心度的分块拟合 |
5.3.2 中心体系的采样结果 |
5.3.3 省域区县公共中心体系表征 |
5.4 常态化影响要素分析 |
5.4.1 公共中心体系常态化影响要素的选择 |
5.4.2 中心度的多元线性回归 |
5.4.3 公共中心发展程度的聚类及其特征 |
5.4.4 公共中心体系的演化趋势分析 |
5.4.5 常态化影响要素构成与影响机制构建 |
5.5 萧山区公共中心体系的非常态化影响要素 |
5.5.1 公共服务设施配置 |
5.5.2 基础设施建设 |
5.5.3 城市空间调整 |
5.5.4 经济发展 |
5.5.5 城市品牌价值提升 |
5.5.6 城市治理能力提升 |
5.6 本章小结 |
6 萧山区公共中心体系布局优化 |
6.1 人口与公共中心体系布局的空间关联 |
6.1.1 基于人口的公共中心体系布局先验 |
6.1.2 人口分布的空间特征与空间关联 |
6.1.3 人口与公共中心的空间关联模型构造 |
6.1.4 模型结果与分析 |
6.1.5 人口与公共中心体系关联中的主要特征 |
6.2 公共中心优化目标 |
6.2.1 经验目标 |
6.2.2 价值目标 |
6.2.3 规律原则 |
6.3 公共中心体系布局优化指引 |
6.3.1 空间优化指引 |
6.3.2 服务优化策略 |
6.4 本章小结 |
7 结论与展望 |
7.1 研究主要结论 |
7.1.1 公共中心识别与空间特征分析 |
7.1.2 公共中心的影响要素与机制分析 |
7.1.3 公共中心的优化指引 |
7.2 主要创新之处 |
7.2.1 引入了多源数据与算法适应的公共中心识别系统 |
7.2.2 尝试了表征数据与理论结合的影响要素解释机制 |
7.2.3 构建了集成框架与机制协同的目标估计监督模型 |
7.3 研究不足与展望 |
7.3.1 研究内容的深入挖掘 |
7.3.2 研究理论的深化演绎 |
7.3.3 数据技术的更新适应 |
参考文献 |
附录 |
附录1 浙江省区县中心体系发展程度影响要素 |
附录2 集成树分类规则 |
附录3 网络调查问卷中公共中心体系相关问题 |
个人简介 |
(4)基于非侵入式负荷监测的建筑物电能管理系统研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 非侵入式负荷监测研究现状 |
1.3.2 用户用电行为研究现状 |
1.3.3 建筑物电能管理研究现状 |
1.3.4 建筑物能源管理系统研究现状 |
1.4 本文主要工作 |
第二章 建筑物电能管理系统基础理论 |
2.1 非侵入式负荷监测理论研究 |
2.1.1 基本原理 |
2.1.2 负荷分类 |
2.1.3 负荷特征分析 |
2.2 基于高级量测体系架构的建筑物电能管理系统 |
2.3 本章小结 |
第三章 基于深度神经网络的非侵入式负荷监测 |
3.1 数据集的选择 |
3.2 数据预处理 |
3.3 开关事件的检测 |
3.4 窗口可变的序列到短序列的深度神经网络模型 |
3.4.1 实现流程 |
3.4.2 网络的输入及输出 |
3.4.3 深度学习网络模型 |
3.4.4 门控循环单元GRU |
3.4.5 双向门控循环单元Bi-GRU |
3.5 结果与分析 |
3.5.1 软件及工具包简介 |
3.5.2 算例分析及评价 |
3.6 本章小结 |
第四章 基于非侵入式负荷监测的用户用电行为优化 |
4.1 基于NILM的用户用电行为分析 |
4.1.1 NILM和用户用电行为优化的联系 |
4.1.2 用户用电行为具体分析 |
4.2 基于NSDE算法的用户用电行为优化 |
4.2.1 用户用电设备分类 |
4.2.2 优化目标函数的确定 |
4.2.3 NSDE算法优化用户的用电方式 |
4.3 用户优化用电行为评估 |
4.3.1 典型用电设备用电行为优化 |
4.3.2 典型用户某天的用电行为优化 |
4.3.3 用户群某天的用电行为优化 |
4.4 本章小结 |
第五章 基于非侵入式负荷监测的管理层电能管理 |
5.1 管理层功能分析 |
5.1.1 楼层层功能分析 |
5.1.2 变电所层功能分析 |
5.2 用电数据管理 |
5.2.1 异常数据 |
5.2.2 不良数据 |
5.3 电能质量管理 |
5.3.1 电压监测 |
5.3.2 三相不平衡监测 |
5.4 电能管理措施 |
5.4.1 异常及不良用电数据的管理措施 |
5.4.2 电压偏差的管理措施 |
5.4.3 三相不平衡的管理措施 |
5.5 本章小结 |
第六章 基于非侵入式负荷监测的建筑物电能管理系统设计 |
6.1 系统体系架构图 |
6.2 系统UML设计 |
6.2.1 用例图 |
6.2.2 活动图 |
6.2.3 类图 |
6.2.4 顺序图 |
6.2.5 包图 |
6.3 数据库信息表设计 |
6.4 本章小结 |
第七章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
个人简历 在读期间发表的学术论文 |
致谢 |
(6)基于参数敏感度的机械结构分层优化方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 机械结构优化设计 |
1.2.2 多目标优化设计 |
1.2.3 机械结构分层优化设计 |
1.3 论文内容及章节安排 |
2 理论基础 |
2.1 结构力学理论基础 |
2.1.1 结构与载荷 |
2.1.2 结构应力 |
2.1.3 结构变形 |
2.2 有限元理论 |
2.2.1 有限元法简介 |
2.2.2 有限元法分析 |
2.3 结构优化理论 |
2.3.1 设计变量 |
2.3.2 约束条件 |
2.3.3 目标函数 |
2.4 本章小结 |
3 基于分层优化的多目标优化研究 |
3.1 机械结构多目标优化 |
3.1.1 多目标优化设计问题 |
3.1.2 多目标优化模型 |
3.1.3 多目标求解方法 |
3.2 机械结构分层优化研究 |
3.2.1 针对不同类型设计变量的分层优化 |
3.2.2 按结构优化层次进行分层优化 |
3.2.3 按满足结构的功能质量和结构性能分层优化 |
3.3 基于参数敏感度分析的分层优化方法 |
3.3.1 参数敏感度分析理论 |
3.3.2 基于参数敏感度分析的分层优化模型 |
3.3.3 子层求解方法与层间变量的协调 |
3.4 算例验证 |
3.5 本章小结 |
4 工程应用实例——某柴油机连杆结构优化设计 |
4.1 连杆的静力学分析与模态分析 |
4.1.1 连杆的结构三维模型的建立 |
4.1.2 连杆模型网格划分 |
4.1.3 连杆的受力分析 |
4.1.4 连杆的静力学分析结果 |
4.1.5 连杆模态分析结果 |
4.2 连杆结构多目标优化设计 |
4.2.1 优化问题描述 |
4.2.2 优化模型的建立 |
4.2.3 设计参数选取 |
4.2.4 连杆结构直接优化 |
4.3 柴油机连杆结构分层优化设计 |
4.3.1 参数敏感度分析 |
4.3.2 连杆结构分层优化方法 |
4.3.3 分层优化结果 |
4.4 分层优化方法与直接优化方法结果对比 |
4.5 本章小结 |
5.总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
攻读硕士学位期间所取得的研究成果 |
致谢 |
(7)基于自动化立体货架系统的多穿梭车调度及应用研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 引言 |
1.1 课题的研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 自动化立体仓库研究现状 |
1.2.2 穿梭车系统调度研究现状 |
1.2.3 文献总结 |
1.3 研究内容和创新点 |
1.3.1 研究内容 |
1.3.2 创新点 |
1.4 论文结构 |
1.5 本章小结 |
第2章 面向多穿梭车调度的自动化立体仓库系统 |
2.1 面向多穿梭车调度的自动化立体仓库系统构成 |
2.2 面向多穿梭车调度的自动化立体仓库布局 |
2.3 面向多穿梭车调度的自动化立体仓库存取作业分析 |
2.3.1 立体仓库中的穿梭车出入库作业流程 |
2.3.2 影响穿梭车存取作业效率的因素 |
2.4 入库作业货位分配原则 |
2.4.1 基于ABC分类法货位分配优先级评判因素 |
2.4.2 自动化立体库的货位分配 |
2.5 面向多穿梭车调度的自动化立体仓库存取作业评价指标 |
2.6 本章小结 |
第3章 穿梭车任务调度模型 |
3.1 问题描述 |
3.2 单任务入库平均作业时间分析 |
3.3 任务调度建模 |
3.3.1 模型假设 |
3.3.2 模型构建思路 |
3.3.3 数学模型建立 |
3.4 本章小结 |
第4章 穿梭车任务调度模型算法设计 |
4.1 遗传算法与基本原理 |
4.2 基本遗传算法设计 |
4.3 基于改进遗传算法设计 |
4.3.1 编码 |
4.3.2 适应度函数 |
4.3.3 遗传进化操作 |
4.3.4 基于规则的改进遗传算法 |
4.3.5 算法流程设计 |
4.4 本章小结 |
第5章 实例验证 |
5.1 模型仿真验证 |
5.2 Flexsim仿真验证 |
5.2.1 Flexsim仿真建模步骤 |
5.2.2 入库作业流程仿真整体布局 |
5.2.3 仿真参数设置 |
5.2.4 仿真运行与结果 |
5.3 本章小结 |
第6章 总结与展望 |
6.1 研究总结 |
6.2 展望 |
参考文献 |
致谢 |
攻读学位期间参加的科研项目和成果 |
(8)考虑条件风险的含风电系统源网协调优化调度研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 国内外研究现状 |
1.2.1 含风电系统优化调度研究现状 |
1.2.2 优化调度求解算法研究现状 |
1.3 本文主要研究内容 |
第二章 风速模型及风电出力特性 |
2.1 风速物理特性 |
2.1.1 风能指标 |
2.1.2 风速模型 |
2.2 风力发电形式 |
2.2.1 离网运行 |
2.2.2 并网运行 |
2.3 风电机组参数 |
2.4 风电出力特性 |
2.4.1 风电出力模型 |
2.4.2 风电出力概率分布 |
2.5 本章小结 |
第三章 不确定性问题的研究方法 |
3.1 机会约束方法 |
3.2 VaR与 CVaR方法 |
3.2.1 VaR方法 |
3.2.2 CVaR方法 |
3.2.3 VaR与 CVaR方法比较 |
3.3 机会约束方法与CVaR方法对比 |
3.4 本章小结 |
第四章 考虑条件风险的风电并网优化调度模型 |
4.1 风电出力不足/盈余条件风险分析 |
4.2 最短置信区间法 |
4.3 模型目标函数 |
4.3.1 综合运行成本最优目标 |
4.3.2 风电条件风险最优目标 |
4.4 源网协调优化运行 |
4.5 约束条件 |
4.6 本章小结 |
第五章 多目标复合回溯搜索算法 |
5.1 算法介绍 |
5.1.1 回溯搜索算法 |
5.1.2 复合回溯搜索算法 |
5.2 多目标复合回溯搜索算法构造 |
5.3 MOCBS算法流程 |
5.4 本章小结 |
第六章 模型仿真与分析 |
6.1 模型参数设置 |
6.2 最短置信区间上下限 |
6.3 算例分析及结果 |
6.3.1 风电并网条件风险分析 |
6.3.2 源网协调优势对比分析 |
6.3.3 MOCBS与 MOBS算法对比分析 |
6.3.4 源网协调优化调度最佳折衷解 |
6.4 本章小结 |
第七章 总结和展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
个人简历在读期间发表的学术论文 |
致谢 |
(9)基于WebGIS的目标探测设备优化协同系统的研究与实现(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 论文创新内容 |
1.3 论文组织结构 |
第二章 相关基础与国内外研究介绍 |
2.1 基础理论与技术介绍 |
2.1.1 目标探测技术 |
2.1.2 待探测目标运动模型 |
2.1.3 设备优化管理框架 |
2.2 国内外研究现状与相关工作 |
2.2.1 设备优化管理 |
2.2.2 设备智能分配求解算法 |
2.3 本章小结 |
第三章 目标探测设备优化调度模型的研究与设计 |
3.1 协同管理调度的闭环结构 |
3.2 设备动态调度分析 |
3.2.1 动态调度场景与时机 |
3.2.2 共探测度 |
3.2.3 信息熵增量与设备故障 |
3.3 基于效能函数的目标-设备协同调度模型 |
3.3.1 模型分析 |
3.3.2 优先级的评估 |
3.3.3 目标-设备适配系数 |
3.3.4 设备协同水平 |
3.3.5 探测成本和代价 |
3.3.6 约束条件 |
3.4 本章小结 |
第四章 目标探测设备优化调度算法研究与实现 |
4.1 基于贪婪策略的算法研究与实现 |
4.2 改进遗传算法的研究与实现 |
4.2.1 个体编码与种群的初始化 |
4.2.2 改进选择算子 |
4.2.3 设备编号交叉 |
4.2.4 变异与基因交流 |
4.2.5 算法终止 |
4.3 系统效能评估算法的研究与实现 |
4.4 算法算例与仿真实验分析 |
4.4.1 基于贪婪策略调度算例分析 |
4.4.2 改进遗传算法仿真与结果分析 |
4.5 本章小结 |
第五章 目标探测设备优化协同仿真系统的实现与测试 |
5.1 控制中心调度算法输入实现 |
5.1.1 GIS地图实现 |
5.1.2 目标多维度输入数据实现 |
5.1.3 目标-设备信息图谱实现 |
5.2 调度控制算法输出可视化实现 |
5.2.1 设备探测航迹可视化实现 |
5.2.2 设备分配与多维度数据信息展示实现 |
5.2.3 效能评估可视化实现 |
5.3 测试目标与测试环境 |
5.4 系统功能测试 |
5.4.1 AIS雷达与声呐探测航迹测试 |
5.4.2 多设备探测数据可视化测试 |
5.4.3 目标-设备信息图谱可视化测试 |
5.4.4 动态调度可视化测试 |
5.4.5 效能评估与反馈改进测试 |
5.5 系统性能测试 |
5.5.1 响应性测试 |
5.5.2 稳定性测试 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(10)改进启发式算法及其在矿山生产调度中的应用(论文提纲范文)
摘要 |
Abstract |
缩略词注释表 |
第1章 绪论 |
1.1 课题研究背景 |
1.2 国内外研究现状及存在问题 |
1.2.1 国内外研究现状 |
1.2.2 存在问题 |
1.3 本文主要研究内容及意义 |
1.3.1 研究内容 |
1.3.2 研究意义 |
1.4 论文结构安排 |
第2章 相关理论与算法改进 |
2.1 矿山资源优化及生产调度概述 |
2.2 矿山资源优化及生产调度问题主要研究方法 |
2.2.1 精确算法 |
2.2.2 启发式算法 |
2.2.3 改进算法 |
2.3 改进ICA及实验测试 |
2.3.1 ICA的基本思想 |
2.3.2 ICA的改进 |
2.3.3 实验结果与分析 |
2.4 改进GA及实验测试 |
2.4.1 GA概述 |
2.4.2 GA改进策略 |
2.4.3 算法结果测试 |
2.5 本章小结 |
第3章 基于AICA的矿山截止品味优化 |
3.1 最优截止品位模型的确定 |
3.2 最大化目标函数 |
3.3 基于AICA的模型求解策略 |
3.3.1 实验结果分析 |
3.4 实例应用 |
3.5 本章小结 |
第4章 基于多目标遗传算法在矿山车辆调度中的应用 |
4.1 露天矿卡车运输调度多目标优化模型 |
4.1.1 目标函数 |
4.1.2 约束条件 |
4.2 多目标遗传算法 |
4.2.1 多目标加权遗传算法 |
4.2.2 NSGA-II算法 |
4.3 露天矿卡车调度多目标遗传算法 |
4.3.1 矿卡调度问题编码 |
4.3.2 产生初始种群 |
4.3.3 遗传算法及其改进策略 |
4.3.4 约束处理 |
4.3.5 矿石规划模拟算例 |
4.3.6 多目标加权遗传算法求解 |
4.3.7 基于NSGA-II算法的求解 |
4.4 不同方法计算结果对比分析 |
4.5 本章小结 |
总结与展望 |
参考文献 |
致谢 |
附录A 攻读学位期间的研究成果及发表的学术论文 |
四、一类改进进化规划及其优化性能分析(论文参考文献)
- [1]基于多策略的改进花授粉算法[J]. 肖辉辉,万常选. 软件学报, 2021(10)
- [2]铁路机车设备画像理论及关键技术研究[D]. 李鑫. 中国铁道科学研究院, 2021(01)
- [3]基于数据驱动的杭州萧山区公共中心体系认知与优化研究[D]. 阮一晨. 浙江大学, 2021(01)
- [4]基于非侵入式负荷监测的建筑物电能管理系统研究[D]. 赵颖. 华东交通大学, 2021(01)
- [5]考虑模型参数不确定性的电磁轨道炮弹道多目标鲁棒优化[D]. 王海涛. 哈尔滨工业大学, 2021
- [6]基于参数敏感度的机械结构分层优化方法研究[D]. 白羽. 中北大学, 2021
- [7]基于自动化立体货架系统的多穿梭车调度及应用研究[D]. 张同锋. 浙江科技学院, 2021(01)
- [8]考虑条件风险的含风电系统源网协调优化调度研究[D]. 陈浩. 华东交通大学, 2021(01)
- [9]基于WebGIS的目标探测设备优化协同系统的研究与实现[D]. 韩培钰. 北京邮电大学, 2021(01)
- [10]改进启发式算法及其在矿山生产调度中的应用[D]. 巩旭鹏. 兰州理工大学, 2021(01)