MEBML在优化排样中的趋同与异化策略

MEBML(Mind- Evolution- Based Machine L earning,基于思维进化的机器学习 )主要由趋同和异化算子构成 ,趋同和异化策略的优劣直接影响着进化的效率与最优性。通过对基本趋同和异化原理的分析 ,提出了将MEBML

计算机优化排样

文中对计算机优化排样的算法进行了研究，从提高系统的优化程度和尽可能缩短系统的运行时间着眼，特别是对于不同零件的多件排样，提出“二步法”，将矩形模块法与启发式搜索法结合起来。

基于遗传算法的优化排样

介绍了遗传算法以及二维不规则图形的计算机优化排样 ,研究了二维不规则图形排样中如何建立遗传算法的目标函数 ,如何实现交叉、变异运算等优化过程 ,找到了运用遗传算法实现二维不规则图形优化排样的方法。通过计算机编制了运用遗传算法进行二维不规则图形优化排样的运算程序 ,并对部分样形进行了优化排样 。

MEBML在优化排样中的应用

MEBML(Mind -Evolution -BasedMachineLearning ,基于思维进化的机器学习 )是模仿人类思维进化而提出的一种新型机器学习算法。由于它开创性运用了不同GA(遗传算法 )操作方法的趋同与异化操作 ,大大扩展了GA的性能。MEBML可应用于各种优化领域及非数值问题 (如 :群体社会行为仿真 )。文中在深入研究MEBML的基础上 ,将MEBML应用于机械领域的优化排样中 ,提出了一种MEBML应用于排样时的有效的编码方案及辅助算子 (如蠕动算子 )。

数字切换系统的描述和实现

数字切换系统是通过其参数数列的数字切换,在系统输入和输出数列之间进行静态转换。本文通过阐述数列集合上的代数运算,给出系统的数学表达式和拓朴表示,讨论代数等价系统和系统不变量,研究系统实现问题和典型实现方法,为开发系统应用软件提供数理基础。

参数切换机械系统实现研究

通过阐述数列半群里的因子分解，讨论串联参数切换机械系统实现的理论和方法及其最小实现，并给出了系统结构实现的评价指标，为系统智能ＣＡＤ提供数理基础。

深孔镗铰刀受力分析及导向块的合理位置

从稳定平衡观点出发，对单刃双导向刀具进行力学分析，建立平衡方程并导出导向块上支反力的计算公式；探讨刀具的力学性质、导向块分布规律及其优化位置。