针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depots heterogeneousfleet vehicle routing problem with time windows,LMHFVPR_TW),提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony opti...针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depots heterogeneousfleet vehicle routing problem with time windows,LMHFVPR_TW),提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony optimization based on clustering decomposition,EACO_CD)进行求解.首先,由于该问题具有强约束、大规模和NP-Hard等复杂性,为有效控制问题的求解规模并合理引导算法在优质解区域搜索,根据问题特点设计两种基于K-means的聚类策略,将LMHFVPR_TW合理分解为一系列带时间窗的低能耗单车场单车型车辆路径子问题(Low-energy-consumption vehicle routing problem with time windows,LVRP_TW);其次,本文提出一种增强蚁群算法(Enhanced ant colony optimization,EACO)求解分解后的各子问题(LVRP_TW),进而获得原问题的解.EACO不仅引入信息素挥发系数控制因子进一步动态调节信息素挥发系数,从而有效控制信息素的挥发以提高算法的全局搜索能力,而且设计基于4种变邻域操作的两阶段变邻域局部搜索(Two-stage variable neighborhood search,TVNS)来增强算法的局部搜索能力.最后,在不同规模问题上的仿真和对比实验验证了所提EACO_CD的有效性.展开更多
针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在...针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明:HDGWO可有效求解TD_VRPMTW。展开更多
Fermentative production of chlortetracycline is a complex fed-batch bioprocess. It generally takes over 90 h for cultivation and is often contaminated by undesired microorganisms. Once the fermentation system is conta...Fermentative production of chlortetracycline is a complex fed-batch bioprocess. It generally takes over 90 h for cultivation and is often contaminated by undesired microorganisms. Once the fermentation system is contaminated to certain extent, the product quality and yield will be seriously affected, leading to a substantial economic loss. Using information fusion based on the Dezer–Smarandache theory, self-recursive wavelet neural network and unscented kalman filter, a novel method for online prediction of contamination is developed. All state variables of culture process involving easy-to-measure and difficult-to-measure variables commonly obtained with soft-sensors present their contamination symptoms. By extracting and fusing latent information from the changing trend of each variable, integral and accurate prediction results for contamination can be achieved. This makes preventive and corrective measures be taken promptly. The field experimental results show that the method can be used to detect the contamination in time, reducing production loss and enhancing economic efficiency.展开更多
针对一类广泛存在的分布式生产-运输-装配集成调度问题(Integrated scheduling problem of distributed production,transportation and assembly,ISPDPTA),建立问题模型并提出一种增强三维分布估计算法(Enhanced three-dimensional est...针对一类广泛存在的分布式生产-运输-装配集成调度问题(Integrated scheduling problem of distributed production,transportation and assembly,ISPDPTA),建立问题模型并提出一种增强三维分布估计算法(Enhanced three-dimensional estimation of distribution algorithm,E3DEDA)进行求解。在E3DEDA的全局搜索部分,先根据ISPDPTA的问题特性,对包含工厂信息的工件与产品进行多段编码,并依据最短路径规则获得各车辆路径;再采用双三维概率模型分别学习和积累种群中较优个体的工件块与产品块结构及其位置信息,并采样生成新个体,从而增强算法发现优质解空间区域的能力。在E3DEDA的局部搜索部分,设计自适应变邻域局部搜索来增强算法的局部搜索能力。具体而言,针对问题各阶段特性,设计10种有效的邻域操作组成备选集合,并采用二维概率模型学习由不同邻域操作所构成的优质邻域结构信息,进而采样生成合理的邻域操作排列并依次执行,以实现对全局搜索所发现优质区域的深入搜索。此外,设计块结构概率评价更新机制,可提升算法执行效率。最后,通过仿真试验与算法对比验证E3DEDA可有效求解ISPDPTA。展开更多
集成学习已成为一种广泛使用的软测量建模框架,但是建立高性能的集成学习软测量模型依然面临特征选择不当、基模型多样性不足、基模型估计性能不佳等诸多挑战.为此,提出一种基于堆栈自编码器多样性生成机制的选择性集成学习高斯过程回归...集成学习已成为一种广泛使用的软测量建模框架,但是建立高性能的集成学习软测量模型依然面临特征选择不当、基模型多样性不足、基模型估计性能不佳等诸多挑战.为此,提出一种基于堆栈自编码器多样性生成机制的选择性集成学习高斯过程回归(selective ensemble of stacked autoencoder based Gaussian process regression, SESAEGPR)软测量建模方法.该方法充分发挥深度学习在特征提取方面的优势,通过构建多样性的堆栈自编码器(stacked autoencoder, SAE)网络,建立基于隐特征的高斯过程回归(Gaussian process regression, GPR)基模型.基于模型性能提升率和进化多目标优化对SAEGPR基模型实施两次集成修剪,以降低集成模型复杂度、保持甚至进一步提升模型估计性能,最后,引入PLS Stacking集成策略实现基模型融合.所提出方法显著优于传统全局和全集成软测量建模方法,其有效性和优越性通过青霉素发酵过程和Tennessee Eastman化工过程得到验证.展开更多
近年来,即时学习软测量方法已被广泛用于过程工业中难测参数的在线估计.然而,常规的即时学习软测量方法仅依靠单一的学习配置,忽略了即时学习性能的多样性,导致预测性能不佳.为此,提出了一种基于多模态扰动的集成即时学习软测量建模方法...近年来,即时学习软测量方法已被广泛用于过程工业中难测参数的在线估计.然而,常规的即时学习软测量方法仅依靠单一的学习配置,忽略了即时学习性能的多样性,导致预测性能不佳.为此,提出了一种基于多模态扰动的集成即时学习软测量建模方法,称为DSS-ELWPLS(Diverse Subspaces and Similarity measures based Ensemble Locally Weighted Partial Least Squares).该方法以局部加权偏最小二乘算法(LWPLS)为基学习器,通过输入特征扰动和相似度扰动以激发即时学习的多样性,然后基于进化多目标优化构建满足多样性和准确性的即时学习基模型.随后采用Stacking集成学习策略,实现即时学习基模型的融合.通过在青霉素发酵过程和工业混炼胶过程中的应用,验证了DSS-ELWPLS方法的有效性和优越性.展开更多
文摘针对带时间窗的低能耗多车场多车型车辆路径问题(Low-energy-consumption multi-depots heterogeneousfleet vehicle routing problem with time windows,LMHFVPR_TW),提出一种结合聚类分解策略的增强蚁群算法(Enhanced ant colony optimization based on clustering decomposition,EACO_CD)进行求解.首先,由于该问题具有强约束、大规模和NP-Hard等复杂性,为有效控制问题的求解规模并合理引导算法在优质解区域搜索,根据问题特点设计两种基于K-means的聚类策略,将LMHFVPR_TW合理分解为一系列带时间窗的低能耗单车场单车型车辆路径子问题(Low-energy-consumption vehicle routing problem with time windows,LVRP_TW);其次,本文提出一种增强蚁群算法(Enhanced ant colony optimization,EACO)求解分解后的各子问题(LVRP_TW),进而获得原问题的解.EACO不仅引入信息素挥发系数控制因子进一步动态调节信息素挥发系数,从而有效控制信息素的挥发以提高算法的全局搜索能力,而且设计基于4种变邻域操作的两阶段变邻域局部搜索(Two-stage variable neighborhood search,TVNS)来增强算法的局部搜索能力.最后,在不同规模问题上的仿真和对比实验验证了所提EACO_CD的有效性.
文摘针对一类考虑城市交通拥堵情况的时间依赖型多时间窗车辆路径问题(time-dependent vehicle routing problem with multiple time windows,TD_VRPMTW),提出一种混合离散灰狼算法(hybrid discrete grey wolf optimizer,HDGWO)进行求解。在HDGWO中,设计了新的灰狼个体更新公式,采用基于客户排列的整数编码方式,使算法可直接在离散问题解空间中执行基于标准灰狼算法个体更新机理的全局搜索;设计了基于问题性质的种群初始化策略,用于生成具有高质量和多样性的初始种群;引入头狼信息交流公式,用于探索头狼形成的优质解空间;构造具有多种局部搜索操作的自适应变邻域局部搜索策略,用于增强算法的局部搜索能力。结果表明:HDGWO可有效求解TD_VRPMTW。
文摘Fermentative production of chlortetracycline is a complex fed-batch bioprocess. It generally takes over 90 h for cultivation and is often contaminated by undesired microorganisms. Once the fermentation system is contaminated to certain extent, the product quality and yield will be seriously affected, leading to a substantial economic loss. Using information fusion based on the Dezer–Smarandache theory, self-recursive wavelet neural network and unscented kalman filter, a novel method for online prediction of contamination is developed. All state variables of culture process involving easy-to-measure and difficult-to-measure variables commonly obtained with soft-sensors present their contamination symptoms. By extracting and fusing latent information from the changing trend of each variable, integral and accurate prediction results for contamination can be achieved. This makes preventive and corrective measures be taken promptly. The field experimental results show that the method can be used to detect the contamination in time, reducing production loss and enhancing economic efficiency.
文摘针对一类广泛存在的分布式生产-运输-装配集成调度问题(Integrated scheduling problem of distributed production,transportation and assembly,ISPDPTA),建立问题模型并提出一种增强三维分布估计算法(Enhanced three-dimensional estimation of distribution algorithm,E3DEDA)进行求解。在E3DEDA的全局搜索部分,先根据ISPDPTA的问题特性,对包含工厂信息的工件与产品进行多段编码,并依据最短路径规则获得各车辆路径;再采用双三维概率模型分别学习和积累种群中较优个体的工件块与产品块结构及其位置信息,并采样生成新个体,从而增强算法发现优质解空间区域的能力。在E3DEDA的局部搜索部分,设计自适应变邻域局部搜索来增强算法的局部搜索能力。具体而言,针对问题各阶段特性,设计10种有效的邻域操作组成备选集合,并采用二维概率模型学习由不同邻域操作所构成的优质邻域结构信息,进而采样生成合理的邻域操作排列并依次执行,以实现对全局搜索所发现优质区域的深入搜索。此外,设计块结构概率评价更新机制,可提升算法执行效率。最后,通过仿真试验与算法对比验证E3DEDA可有效求解ISPDPTA。
文摘集成学习已成为一种广泛使用的软测量建模框架,但是建立高性能的集成学习软测量模型依然面临特征选择不当、基模型多样性不足、基模型估计性能不佳等诸多挑战.为此,提出一种基于堆栈自编码器多样性生成机制的选择性集成学习高斯过程回归(selective ensemble of stacked autoencoder based Gaussian process regression, SESAEGPR)软测量建模方法.该方法充分发挥深度学习在特征提取方面的优势,通过构建多样性的堆栈自编码器(stacked autoencoder, SAE)网络,建立基于隐特征的高斯过程回归(Gaussian process regression, GPR)基模型.基于模型性能提升率和进化多目标优化对SAEGPR基模型实施两次集成修剪,以降低集成模型复杂度、保持甚至进一步提升模型估计性能,最后,引入PLS Stacking集成策略实现基模型融合.所提出方法显著优于传统全局和全集成软测量建模方法,其有效性和优越性通过青霉素发酵过程和Tennessee Eastman化工过程得到验证.
文摘近年来,即时学习软测量方法已被广泛用于过程工业中难测参数的在线估计.然而,常规的即时学习软测量方法仅依靠单一的学习配置,忽略了即时学习性能的多样性,导致预测性能不佳.为此,提出了一种基于多模态扰动的集成即时学习软测量建模方法,称为DSS-ELWPLS(Diverse Subspaces and Similarity measures based Ensemble Locally Weighted Partial Least Squares).该方法以局部加权偏最小二乘算法(LWPLS)为基学习器,通过输入特征扰动和相似度扰动以激发即时学习的多样性,然后基于进化多目标优化构建满足多样性和准确性的即时学习基模型.随后采用Stacking集成学习策略,实现即时学习基模型的融合.通过在青霉素发酵过程和工业混炼胶过程中的应用,验证了DSS-ELWPLS方法的有效性和优越性.