为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对...为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对运输车辆及各类应急物资进行整合优化。该模型以总配送时间最短为优化目标,将协同配送与时序决策结合起来,将所有车辆在各仓库与需求点之间的配送过程,看作多智能体协作的时序决策过程,降低了多智能主体多任务指派问题的计算复杂程度,使得在大规模问题的情况下,针对时序决策模型的算法依然能够适用。并且,在改进LSTM(Long Short Term Mermory)网络实现输入与输出维度可变的基础上,结合遗传算法(Genetic Algorithm,GA)的理论框架,设计了针对该问题的LSTM-GA算法,并进行了算例模拟,发现LSTM-GA算法的收敛速度与稳定性较单一算法得以提升。结果表明:LSTM-GA算法能够实现LSTM网络接收和输出信息维度的可变性,是一种研究应急物资分级协同配送的有效方法。展开更多
针对复杂化工过程非平稳性、事件驱动性导致的关键指标参数难以精确软测量的问题,提出了一种事件驱动的深度信念网络(event-driven deep belief network,EDDBN)软测量模型设计方法。首先,获取化工过程运行数据并搭建深度信念网络(driven...针对复杂化工过程非平稳性、事件驱动性导致的关键指标参数难以精确软测量的问题,提出了一种事件驱动的深度信念网络(event-driven deep belief network,EDDBN)软测量模型设计方法。首先,获取化工过程运行数据并搭建深度信念网络(driven deep belief network,DBN)模型,以数据驱动的方式对DBN模型进行训练,获得基于DBN的软测量模型。其次,根据DBN模型的训练误差变化特性定义事件,当积极事件发生时会加速当前模型参数的学习步长,当消极事件发生时会跳过当前数据样本并直接进入下一时刻的数据样本学习。这种事件驱动的选择性学习策略不仅能够有效地优化软测量模型训练过程,而且还能降低计算复杂度。同时,通过构造基于马尔可夫链的动态学习过程,分析任意连续两次事件对应输出性能势之差的有界性,给出了EDDBN训练过程的收敛性分析。最后,将EDDBN软测量模型用于湿法烟气脱硫系统二氧化硫(SO_(2))浓度软测量实验,结果表明所提出的EDDBN软测量模型能够在非平稳运行工况下实现对SO_(2)浓度快速、精确地预测分析,并且计算复杂度在数据集(1)和数据集(2)上分别降低约63.83%和63.33%。展开更多
文摘为了在发生突发性公共事件实现应急物资统一供应管理体系下的物资分级与协同配送,根据具体的突发状况,将应急物资的重要程度分为若干级别,按照优先调配重要物资的原则,建立了多个仓库之间物资分级协同配送的数学模型,能在整个区域内对运输车辆及各类应急物资进行整合优化。该模型以总配送时间最短为优化目标,将协同配送与时序决策结合起来,将所有车辆在各仓库与需求点之间的配送过程,看作多智能体协作的时序决策过程,降低了多智能主体多任务指派问题的计算复杂程度,使得在大规模问题的情况下,针对时序决策模型的算法依然能够适用。并且,在改进LSTM(Long Short Term Mermory)网络实现输入与输出维度可变的基础上,结合遗传算法(Genetic Algorithm,GA)的理论框架,设计了针对该问题的LSTM-GA算法,并进行了算例模拟,发现LSTM-GA算法的收敛速度与稳定性较单一算法得以提升。结果表明:LSTM-GA算法能够实现LSTM网络接收和输出信息维度的可变性,是一种研究应急物资分级协同配送的有效方法。
文摘针对复杂化工过程非平稳性、事件驱动性导致的关键指标参数难以精确软测量的问题,提出了一种事件驱动的深度信念网络(event-driven deep belief network,EDDBN)软测量模型设计方法。首先,获取化工过程运行数据并搭建深度信念网络(driven deep belief network,DBN)模型,以数据驱动的方式对DBN模型进行训练,获得基于DBN的软测量模型。其次,根据DBN模型的训练误差变化特性定义事件,当积极事件发生时会加速当前模型参数的学习步长,当消极事件发生时会跳过当前数据样本并直接进入下一时刻的数据样本学习。这种事件驱动的选择性学习策略不仅能够有效地优化软测量模型训练过程,而且还能降低计算复杂度。同时,通过构造基于马尔可夫链的动态学习过程,分析任意连续两次事件对应输出性能势之差的有界性,给出了EDDBN训练过程的收敛性分析。最后,将EDDBN软测量模型用于湿法烟气脱硫系统二氧化硫(SO_(2))浓度软测量实验,结果表明所提出的EDDBN软测量模型能够在非平稳运行工况下实现对SO_(2)浓度快速、精确地预测分析,并且计算复杂度在数据集(1)和数据集(2)上分别降低约63.83%和63.33%。
