丙纶磁性纤维仿毛织物舒适性的多元回归分析及混纺比优化

为了研究丙纶磁性纤维混纺织物的混纺比对面料舒适性能的影响,采用丙纶磁性纤维、棉纤维、竹浆纤维进行混纺,设计9种不同混纺比的平纹仿毛织物。测试混纺织物透气性、透湿性和导湿性能指标。基于多元回归分析法建立数学模型,并对数据结果进行评估,进而利用Matlab遗传算法工具箱对混纺织物的混纺比进行优化验证。结果表明:丙纶磁性纤维/棉纤维/竹浆纤维含量为60/10/30时织物舒适性能最优,为多元磁性纤维混纺仿毛织物的产品开发提供了理论依据。

基于结构划分字典学习的雷达目标识别

在使用高分辨距离像进行雷达目标识别时,有时必须面对大样本问题,可实际上雷达在某一时刻观测到的物理过程是很少的,传统的方法在识别过程中从未考虑过距离像信号的稀疏性。为此,文中提出了一种基于结构划分冗余字典完成雷达一维距离像稀疏表示,进而实现目标识别的算法。该算法首先依据字典原子的结构特点划分冗余字典,简化字典表述的同时减少原子数据存储量;随后,采用改进的遗传匹配追踪算法(IGAMP)对一维距离像训练样本进行稀疏分解以获得各类目标的类别字典;最后,根据类别字典分析测试样本的重构误差实现目标识别。仿真实验证明,文中算法简捷、识别率高,即便受到噪声干扰依然能稳健地识别目标。

基于熵权法的交通流组合预测模型研究

针对基于智能算法的组合预测模型算法复杂、计算周期较长等问题,将信息熵理论应用于交通流量预测,利用客观数据所包含的隐藏信息,建立基于熵权法的变权重组合预测模型。以具体某路段的交通流量为基础数据,分别用基于熵权法的组合预测模型和其他几种预测模型进行分析比较。仿真实验结果表明,该组合预测模型的预测精度和运算速度优于其他几种模型。

基于改进遗传算法的三维单箱装箱问题研究

集装箱装箱问题属于NP（Non-Deterministic Polynomial）问题，为提高集装箱的空间利用率，降低物流配送的成本，合理的装箱方案是必不可少的。针对三维单箱装箱问题，提出一种基于改进遗传算法的人工智能算法，用来实现所建立的优化模型。结合实际装箱问题，分析装箱问题的约束条件，建立数学优化模型，通过将目标函数作为适应度函数和遗传操作中采用排序选择法、部分匹配交叉来实现对传统遗传算法的改进。最后，通过MATLAB编程实现该优化模型的求解，实现了集装箱装载效率的提高。