XiaoMi-AI文件搜索系统
World File Search SystemNSG
基于NSGA-III算法的罐底液压成形工艺参数优化
2. 上海航天设备制造有限公司，上海 200245) 摘要：液压胀形工艺可以实现大型储罐底部的整体成形，但其质量受诸多工艺参数的影响。针对整体储罐底部液压胀形过程中出现的起皱、开裂缺陷，建立了以预胀压力、液压压力、压边力、压边圆角半径等工艺参数为优化目标的多目标优化模型。基于有限元仿真，利用Kriging技术建立工艺参数与质量标准之间的代理模型。采用NSGA-III算法，在储罐底部达到壁厚变化量最小、断裂趋势最小、翻边皱褶最小、皱褶趋势最小等目标的条件下，确定最优工艺参数。与粒子群优化（PSO）算法相比，NSGA-III算法更适合求解该优化问题。通过仿真实验验证了该方法的有效性和结果的准确性。关键词：储罐·液压成形·克里金法·NSGA-III
基于改进SPEA2和改进NSGA2的智能电网经济调度方法
当前环境危机的严重性促使可再生能源发电与智能电网的融合发展。可再生能源的接入使得智能电网的经济调度变得复杂。因此，智能电网的经济调度模型非常必要。本文提出了一种同时考虑经济性和污染排放的智能电网经济调度模型。用于仿真的智能电网模型由风能、太阳能、燃料电池和火电构成，燃料电池的使用使智能电网实现多能源互补。针对传统集中式通信方式容易发生通信拥塞的缺陷，本文采用多智能体信息交换方法提高稳定性和效率。在该模型的解决方法方面，本文提出了改进强度帕累托进化算法2（ISPEA2）和改进非支配排序遗传算法2（INSGA2）来解决智能电网的经济调度问题。将强度帕累托进化算法2(SPEA2)、非支配排序遗传算法2(NSGA2)及其改进算法同时应用于所提出的智能电网经济调度仿真模型，仿真结果表明ISPEA2和INSGA2是有效的，ISPEA2和INSGA2在精度或运行时间上均比SPEA2和NSGA2有所提高。
NSGA-II 目标对运动想象相关脑电图特征选择的影响
选择与运动想象 (MI) 具有功能相关性的脑电图 (EEG) 特征是基于脑机接口 (BCI) 的运动康复成功的关键任务。MI 期间的个体 EEG 模式需要基于受试者的特征选择，由于特征的复杂性和数量庞大，这是一项艰巨的任务。一种解决方案是使用元启发式算法，例如遗传算法 (GA)，以避免不切实际的穷举搜索。在本研究中，使用最广泛使用的 GA 之一 NSGA-II 和分层个体表示来排除与 MI 无关的 EEG 通道。本质上，在先前记录的 MI EEG 数据集上评估了 NSGA-II 中不同目标的性能。实证结果表明，k-最近邻（k-NN）与皮尔逊相关系数（PCFS）相结合作为目标函数，与其他目标组合相比，分类准确率更高（73% vs. 69%）。线性判别分析（LDA）与特征减少（FR）相结合作为目标函数，最大程度地减少了特征（99.6%），但降低了分类性能（65.6%）。所有与 PCFS 相结合的分类器目标都根据 MI 期间的预期活动模式选择了类似的特征。总之，PCFS 和分类器作为目标函数构成了 MI 数据的良好权衡解决方案。
转基因植物及其应用...
将外国基因从无关来源转移到植物中，并表达它们有助于产生不同的转基因植物。植物在基因工程上赋予了抗昆虫，病毒，除草剂和其他环境压力的抗药性。产生抗昆虫的植物的主要策略之一是据植物中苏云金芽孢杆菌的有毒哭泣蛋白的表达。植物中病毒涂料蛋白的表达产生的抗性病毒感染。植物中超氧化物歧化酶和甜菜碱的产生产生了有效的保护侵害盐胁迫。GOX和突变体EPSPS基因与农杆菌菌株CP4的联合表达产生了非常高的草甘膦对植物的耐植物耐受性。反义技术也可以用于生产缓慢的成熟番茄水果。也可以通过改变氨基酸，脂质，维生素和铁含量来增强作物的营养含量。可以增加氨基酸含量，可以修改脂质成分，以适合油的预期用途，合成维生素E的途径以及维生素A的前体。遗传操作阻止了马铃薯的变色，某些植物的甜味也得到了增强。植物已经过基因修饰，以作为商业和药品诸如生物塑料和抗体的商业和药品大规模生产的工厂。已开发了转基因植物作为疾病治愈的可食用疫苗，这种方法可能有助于生产许多新的，有效和廉价的疫苗。
NSGA-II 设计用于 EEG 中的特征选择...
对于与运动想象 (MI) 相关的脑机接口 (BCI) 系统，由于特征数量巨大而样本数量很少，特征选择是脑电图 (EEG) 分类的重要步骤。这使得分类过程在计算上非常昂贵，并且限制了 BCI 系统的实时适用性。解决此问题的一个方法是引入特征选择步骤，以在分类之前减少特征数量。需要解决的问题是，通过减少特征数量，分类准确性会受到影响。许多研究提出使用遗传算法 (GA) 作为特征选择问题的解决方案，其中非支配排序遗传算法 II (NSGA-II) 是这方面使用最广泛的 GA 之一。有许多不同的配置适用于 GA，特别是个体表示、育种算子和目标函数的不同组合。本研究评估了表示、选择和交叉算子的不同组合，以了解不同组合在与 MI 相关的 EEG 分类的准确性和特征减少方面的表现。总共对 24 种 NSGA-II 组合进行了评估，结合了三种不同的目标函数，针对六个受试者。结果表明，育种算子对平均准确率和特征减少的影响很小。但是，具有分层和基于整数的表示的个体表示和目标函数在表示方面取得了最有希望的结果，而皮尔逊相关特征选择与 k-最近邻或特征减少相结合，在目标函数方面获得了最显著的结果。这些组合用五个分类器进行了评估，其中线性判别分析、支持向量机（线性核）和人工神经网络产生了最高且最一致的准确率。这些结果可以帮助未来的研究开发他们的 GA，并选择分类器，用于基于 EEG 的 MI 分类中的 BCI 系统的特征选择。
CPS性别支持计划...
学校工作人员不得透露可能向他人揭示学生的跨性别状态或性别不合格的信息。因此，鉴于信息的敏感性，当与父母，监护人，其他工作人员或第三方交谈时，学校工作人员不应披露学生的首选名称，代词或其他机密信息，除非未经学生的授权，否则与学生的跨性别或性别不合格状态有关，除非由芝加哥教育委员会授权，否则