基于机器学习和非支配排序遗传算法的盾构姿态预测与优化

提出了一种将贝叶斯优化(BO)算法、随机森林(RF)算法和第三代非支配排序遗传算法(NSGA-Ⅲ)相结合的盾构姿态优化方法。依托杭州—临安城际铁路工程,选取盾构参数、土性参数和隧道埋深作为输入参数,使用BO算法优选RF算法的超参数,构建盾构姿态预测模型,并对输入参数进行重要性分析。将盾构姿态预测模型函数作为适应度函数,引入NSGA-Ⅲ算法优化盾构姿态,并得到盾构参数控制范围。结果表明:采用BO-RF算法和工程实测数据训练模型,所得预测模型精度较高;千斤顶推力对盾构姿态影响最大,膨润土掺加量对盾构姿态的影响最小;采用BO-RF-NSGA-Ⅲ优化方法,盾构切口水平位移和垂直位移平均值分别减小了37.20%、36.87%,盾构尾部水平位移和垂直位移平均值分别减小了26.52%和18.10%,对盾构姿态的优化效果显著。该优化方法可靠适用,值得推广。

区间模型非概率可靠性指标的一维优化算法

证明了基于区间模型的非概率可靠性指标只可能存在于:标准化区间向量张成的凸域及其扩展空间中,通过原点和凸域顶点的有限条超射线与标准化失效面的某个交点处,从而极大地缩小了优化方法求取非概率可靠性指标的可行域,使放弃计算结果极易扩张的区间运算法则和计算量太大的高维寻优方法成为可能。提出了求取非概率可靠性指标的一维优化方法,讨论了一维优化方法搜索区间关于0对称且具有半径递减的特性,利用该特性明显提高一维优化算法的效率。

求解非标准作业车间调度问题的均衡算法

针对加工工序的设备是多台具有相同加工能力的机器集合的非标准Job—shop调度问题,利用指针队列及调度均衡的思想来构造目标函数,提出了非标准Job—shop调度算法。经过理论分析和实践验证,相对其他算法更加优化。

基于TPE-Informer模型的铁路继电器寿命预测

针对如何准确、高效地预测铁路继电器寿命问题,提出一种基于TPE-Informer模型的铁路继电器寿命预测方法。首先,搭建铁路继电器电寿命试验平台,获取其整个生命周期的退化数据,从中提取出能够反映其运行状态的特征参数;其次,将提取的特征参数输入Informer模型进行训练,利用多头稀疏自注意力机制挖掘特征信息前后状态的关联性;最后,利用非标准贝叶斯优化算法(Tree-structured parzen estimator,TPE)优化Informer模型超参数,以获得更好的预测性能。采用试验平台采集数据对模型验证,并与其他三种深度学习算法进行结果对比。试验结果表明,所提预测模型比RNN、LSTM和Informer模型预测精度高,平均精度达到96.52%,误差率小,稳定性好,证明了该预测模型应用的可行性。

采用二次选择策略的遗传算法及其性能评估

针对标准遗传算法的固有缺陷，采用二次选择策略构造一种改进的遗传算法，并通过对标准函数的优化分析了二次选择算法的参数与算法性能之间的关系。仿真实验结果表明该文的改进策略能改善标准遗传算法的某些性能，具有较大的工程价值。

计及电网运行非均匀性的多目标输电网规划

电网运行非均匀性是电力系统的一项基本状态属性,反映了电网结构的合理性以及对电网运行安全可靠性的影响。在分析影响电网运行非均匀性因素的基础上,结合分层分区思想,以输电线路负载率的标准离差率为各区域运行非均匀性评价指标,同时考虑电网扩建成本和线路损耗,建立电网扩展规划的多目标优化模型。针对多目标量纲的不统一性,定义遗传择优因子,通过改进遗传算法实现多目标优化的折中求解策略。IEEE Garver 6节点系统和华东某地区输电网规划算例分析表明,所提方法有效可行。

基于多决策变量协同设计的供水管网多目标优化模型研究

在城镇供水管网设计中,管线布置和管径搭配是影响工程经济性和可靠性的重要因素。为提升管网设计的整体优化水平,以管线布置和管径搭配共同作为决策变量,选用"管网建造费用"作为经济性目标函数,选用"管网管段压力均值"、"管网恢复力"和"枝状管流量和"作为管网可靠性目标函数,建立供水管网多目标优化设计模型。使用MATLAB平台搭载EPANET2动态链接库,采用改进的非支配排序多目标遗传算法(NSGA-Ⅱ)求解模型得到帕累托(Pareto)前沿解集,并使用多标准优化和妥协解决方案(VIKOR)法选出最优折衷设计方案。最后以广东省某城镇供水管网设计为例进行验证,得到的前沿解集在多维目标空间中分布均匀,且选出的最优折衷方案综合效益良好,证明了供水管网管线布置和管道尺寸协同设计的科学性和有效性。

计及联络线簇潮流分布非均匀性的多目标输电网规划

为降低地区电网因电源及负荷分布不均匀对供电可靠性的客观影响,提高电网设备利用率,提出了计及联络线簇潮流分布非均匀性的多目标输电网规划方法。从区域角度考察负荷及电源分布的非均匀性,提出区域电源(负荷)划分方法;在分析各联络线簇权重的基础上,选择以联络线簇负载率的标准离差率作为衡量联络线簇潮流分布均匀性指标,表征各区域对外功率交换的差异程度;在同时考虑电网扩建成本和运行损耗的基础上,建立电网扩展规划的多目标优化模型,通过改进遗传算法实现多目标模型的优化求解。通过华东某地区输电网规划算例分析,说明了所述方法的可行性和有效性。

基于MBOA的QoS路由算法研究

无线adhoc网络中的QoS路由指标的优化是多个参数的优化问题,针对其特点,将多目标贝叶斯优化(MBOA)算法引入其中,对QoS的多个参数同时进行优化,用非确定性分类遗传算法(NSGA-II)中的选择方法挑选优选解。仿真实验结果表明,该算法收敛速度快,能够有效的搜索到较好的Pareto前沿。

地下水污染源识别的数学方法研究进展

地下水污染源识别模型可利用有限的观测资料估计污染源位置、污染物泄露强度及其泄露过程,是制定地下水污染修复方案的依据。在阐明地下水污染源识别基本问题基础上,综述了污染源识别研究的两大类数学方法,一类为直接方法,包括反向追踪法和基于正则化的方法;另一类为间接方法,包括基于优化的方法和基于概率统计的方法。同时指出了当前污染源识别数学方法应用中存在的主要问题:地下水污染源识别问题的复杂性、地下水有机污染问题和模型求解效率的低下性。对土壤-地下水的联合管理、基于物联网的地下水污染监测、对非水相流体(Non-aqueous Phase Liquid,NAPL)类污染源识别以及基于图形处理器(GPU)的异构并行计算将是未来研究的重点方向。

改进快速自适应双边滤波的SAR图像去噪

针对已有算法在去除散斑噪声时存在边缘信息丢失的现象,提出一种基于平稳小波变换,结合快速自适应双边滤波、小波阈值去噪和优化贝叶斯非局部均值的算法(SFOBNLM算法),在保持边缘信息的同时有效地去除SAR图像中的散斑噪声.先用平稳小波变换将图像分解为近似子带和细节子带,对这两个子带分别进行快速自适应双边滤波和小波阈值处理;然后用小波逆变换对去噪后的图像进行重构;最后用OBNLM算法对图像进一步去噪.实验结果表明,SFOBNLM算法在峰值信噪比(PSNR)、结构相似度(SSIM)、特征相似度(FSIM)、边缘保持因子(EPF)、等效视数(ENL)和视觉质量方面均优于传统的滤波方法.

基于KNMF-Bayesian-Xgboost算法的P2P网贷借款人信用评价

准确评价P2P网贷借款人信用水平是P2P网贷平台降低借款人违约率、控制整体信用风险的基石。针对网贷借款人数据量大、维度高的特点,提出一种核非负矩阵分解与贝叶斯优化结合的Xgboost分类算法。首先利用核非负矩阵分解方法对借款人数据降维,然后将贝叶斯思想引入Xgboost方法,寻找使分类精度最高的参数组合以优化分类器性能,提高借款人信用评价准确率。仿真实验表明,该种改进的Xgboost算法,相较于经验值定参Xgboost算法及传统支持向量机算法,具有更高的分类精度。