物流中心选址是供应链网络优化的核心环节，直接影响运输成本、配送时效及客户满意度。传统方法（如重心法、层次分析法）存在单目标局限或主观权重依赖问题，而遗传算法、粒子群算法等智能算法易陷入局部最优。本文引入新型仿生智能算法——企鹅优化算法（Penguin Optimization Algorithm, POA），通过模拟企鹅群体觅食行为中的“聚集取暖”与“群体协作”机制，构建多目标物流中心选址模型。

在全球 “双碳” 目标与港口智能化转型背景下，传统海港物流调度与能源系统独立运行模式存在资源错配、能耗高、经济性差等问题。本文从物流系统运行特性出发，分析岸桥调度对船舶在港状态的影响，构建港船物流协同调度模型；结合海港物流用能特点、船舶在港状态及负荷特性，建立物流 - 能源系统耦合负荷模型，实现物流与能源系统深度协同；以运行成本最低为目标，融合多种能源利用形式，构建海港物流 - 能源耦合系统协同优

随着“双碳”目标和绿电直连政策的推进，利用风电、光伏等新能源生产绿氨成为工业深度脱碳的重要路径。本文针对绿电制氨园区的运行优化与系统影响问题，基于逐时功率平衡、多场景调度优化和源荷储协同思想，选取新能源自发自用比例、总用电量绿电比例、新能源上网比例、吨氨成本、产能利用率和区域净负荷爬坡等指标，建立了逐时能量平衡、离散开停机、连续负荷调节、储能联合调度和多园区渗透率分析模型。针对问题一，建立典型日逐

随着“双碳”目标和绿电直连政策的推进，利用风电、光伏等新能源生产绿氨成为工业深度脱碳的重要路径。本文针对绿电制氨园区的运行优化与系统影响问题，基于逐时功率平衡、多场景调度优化和源荷储协同思想，选取新能源自发自用比例、总用电量绿电比例、新能源上网比例、吨氨成本、产能利用率和区域净负荷爬坡等指标，建立了逐时能量平衡、离散开停机、连续负荷调节、储能联合调度和多园区渗透率分析模型。针对问题一，建立典型日逐

随着“双碳”目标和绿电直连政策的推进，利用风电、光伏等新能源生产绿氨成为工业深度脱碳的重要路径。本文针对绿电制氨园区的运行优化与系统影响问题，基于逐时功率平衡、多场景调度优化和源荷储协同思想，选取新能源自发自用比例、总用电量绿电比例、新能源上网比例、吨氨成本、产能利用率和区域净负荷爬坡等指标，建立了逐时能量平衡、离散开停机、连续负荷调节、储能联合调度和多园区渗透率分析模型。针对问题一，建立典型日逐

随着“双碳”目标和绿电直连政策的推进，利用风电、光伏等新能源生产绿氨成为工业深度脱碳的重要路径。本文针对绿电制氨园区的运行优化与系统影响问题，基于逐时功率平衡、多场景调度优化和源荷储协同思想，选取新能源自发自用比例、总用电量绿电比例、新能源上网比例、吨氨成本、产能利用率和区域净负荷爬坡等指标，建立了逐时能量平衡、离散开停机、连续负荷调节、储能联合调度和多园区渗透率分析模型。针对问题一，建立典型日逐

实际中的大多数系统均为非线性系统，而Koopman算子可以描述非线性系统的可观测状态量在高维空间中的线性演化过程，可以将非线性问题转化为线性问题，对于非线性系统的研究有较大的价值。利用Koopman算子理论，可以仅依靠实验数据或系统仿真数据建立非线性系统的线性模型，基于该模型可实现对非线性系统的分析、预测和控制[6]。为了识别杜宾汽车模型的非线性动力学，我们使用Koopman算子理论首先从系统的仿

文章提出一种基于人工蜂群算法的非确定性双向规划机制搜索算法.首先针对不同场景,采用两种方法进行环境建模;其次,结合非确定性搜索机制引入双向规划方法,对人工蜂群算法中食物的产生方式做出改进,优化下一个节点的产生结果,再提出一种新的方法对已产生路径进行优化;最后研究了多无人机协同路径规划的两种模型:不同的起点起飞,同时到达同一终点,或按照指定顺序和时间间隔依次到达同一终点,并给出若干实验仿真.仿真结果

在强背景噪声和/或多重干扰下提取故障脉冲是轴承故障诊断的一项具有挑战性的任务。稀疏表示已被广泛应用于提取故障脉冲，并且能够实现最先进的性能。然而，大多数当前的方法依赖于精心调整多个超参数，并且由于近似正则化和/或启发式稀疏模型可能会遭受算法退化的可能性。为了克服这些缺点，本文提出了一种用于轴承故障诊断的稀疏贝叶斯学习（SBL）框架，然后提出了两种群稀疏学习算法来提取故障脉冲，其中第一种仅利用故障脉

本文模拟从波浪能转换器 （WEC） 中提取的能量，当受控移动窗口阻塞 MPC 时，单设备。它还比较了使用标准MPC和GPC控制时WEC提取的能量。摘要： 海浪能是可再生能源最集中的来源之一。然而，到目前为止，它还没有达到商业化所需的经济可行性。为了提高波浪能转换器的效率，已经提出了几种先进的控制策略，包括模型预测控制（MPC）。然而，每个优化问题的计算负担都是传统（全自由度）MPC的缺点，这通常会