改进权重自适应GA及冷连轧轧制规程多目标优化

针对聚合多目标优化方法的权重难以确定的问题,提出了一种改进的权重自适应方法,并以遗传算法为基础对冷连轧轧制规程进行多目标优化.首先,结合某冷轧厂实际的轧制规程优化过程,选取等功率裕量、轧制能耗及带钢打滑概率作为优化目标,建立了冷连轧轧制规程的多目标优化模型.然后将改进的权重自适应遗传算法(GA)应用于不同规格的带钢轧制规程多目标优化中,结果表明,与实际应用的轧制规程相比,该方法有效的降低了3个目标函数的值;与权重自适应GA相比,改进的权重自适应GA的针对性更强,同时重要性高的目标收敛速度更快.

行列双动态规划的改进自适应立体匹配算法

在各种立体匹配算法中,利用动态规划算法求解可有效地提高立体匹配的速度和精确度,同时具有实时性好、易于实现的优点。利用动态规划算法的优点,提出一种基于行列动态规划的自适应立体匹配算法,采用改进的自适应代价函数和能量最小化模型,对最优化问题进行求解。在求解的过程中,基于行动态规划得到的列方向视差值的变化给予对应数据项不同的奖励值,以减少行动态规划产生的明显条纹,最后使用列动态规划得出最终结果。实验结果表明,该算法能够减少总体的匹配错误率,减少明显的条纹瑕疵,取得较理想的立体匹配效果。

应急资源动员点的选择模型研究

为提高应急资源的动员效率、保障巨灾情景下的应急资源供给,需要科学地选择应急资源动员点。根据应急资源动员点内涵以及应急资源需求特征,构建应急资源动员点选择指标体系,包括5个一级指标和13个二级指标;设计基于博弈论组合赋权的逼近理想解排序法(TOPSIS)的应急资源动员点选择模型。实例分析结果表明,利用博弈论组合赋权法计算指标综合权重,能兼顾主观和客观因素,结果更加合理;同时,用改进的TOPSIS法选择应急资源动员点,能从多个指标综合考虑动员点的情况,更科学地计算出各动员点对最优方案的接近度,进而确定动员点的优先顺序。

基于改进熵和欧氏贴进度的模糊物元分析模型及应用

对传统熵权法进行改进,借助改进熵权法对评价指标进行赋权,在欧氏贴进度和模糊物元分析理论的基础上,建立了改进熵和欧氏距离的模糊物元分析模型,并通过案例说明了此模型的合理性。

基于灰色理论的军事配送能力预测

军事配送模式的生命力和可持续性关系到战斗力量的维持和战争态势的稳定发展,精确预测配送模式能力是现代后勤科技战略的发展要求。随着军事物流在战争中所占比重的加大,军事配送能力的发展变化更加受到重视。军事配送模式的可持续性前提在于对其能力参数的预测和决策,灰色理论恰好能够解决预测和决策中所遇到的困境。通过对以往军事配送绩效参数记录,建立灰色预测模型,在残差计算上加以改进,提高了模型精度,对保障部队未来配送能力进行预测;然后对其进行灰色关联度分析,进行决策控制,依据决策结果微调或改进运行模式。灰色理论方法为预测军事配送模式能力提供了新的思路和方法。

城市工业废弃地再利用项目的溢出效应评价——基于改进的CRITIC-熵权赋权法

工业废弃地作为阻碍城市绿色发展的关键因素之一,对我国生态环境、土地资源、城市空间肌理等多方面均产生较大程度的破坏与浪费。对工业废弃地再利用项目体现出的各项溢出效应进行科学的分析与评价,有助于管理者正确认识项目的实际质量以及应重点关注的指标因素,有助于推动我国工业废弃地的再利用进程,并为同类项目溢出效应的评价和生态补偿提供参考依据。针对工业废弃地再利用项目的溢出效应评价,本文共识别文化、社会、经济以及生态四类溢出效应以及21项三级指标。为缩小现象性异常评价信息对项目溢出效应评价的影响,设置调节系数对CRITIC-熵权赋权法进行改进,并将其与工业废弃地再利用项目溢出效应评价模型进行融合。结合山东淄博1954陶瓷文化创意园案例,对新构建的溢出效应评价模型进行运用与分析,结果显示:(1)改进后的CRITIC-熵权赋权法可有效消除现象性异常信息对指标赋权的影响;(2)文化、社会以及生态溢出效应之间具有较强的正相关关系,而三者与经济溢出效应之间具有负相关关系;(3)管理者在该类项目的改造与运营中应重点关注公共交通便捷度、传统工艺传承情况以及产品、名人或历史事件对社会的影响程度这三项指标对项目综合溢出效应的影响。

改进层次分析法的滑坡灾害危险性

对滑坡的危险性进行评价并提出防治措施能有效的减缓滑坡灾害带来的损失.以广东省滑坡危险性评价为例,选取地形地貌、地层岩性、地质构造、岩土体结构、水文地质条件、植被覆盖率、降雨分布、地震以及人类经济工程活动等9个评价因素,通过改进的层次分析法得出因素权重的大小,清楚地显示出主要因素和次要因素.结果表明:地层岩性影响最大,岩土体结构次之,植被覆盖率最小.结果对滑坡的危险性评价提供了更科学、合理的依据.

加权阵列天线的设计方法——马尔柯夫链法

加权阵列天线的设计目前主要采用统计法。本文通过总结统计法的优缺点,提出了一个新方法——马尔柯夫链法。新方法采用将阵列分成若干个区的方式,反映了在阵列的不同部分,单元相关性不同这一特性,改变了以前设计加权天线对笼统地考虑整个阵列上的单元排列。应用随机过程的马尔柯夫链特性,得到了各个随机量处于不同状态的概率。由于马尔柯夫链法反映了实际低副瓣天线的口径分布,因而利用此种方法更容易得到低副瓣的加权阵列天线。