自上世纪80年代以来光纤已被广泛应用于天文望远镜中，光纤光谱仪望远镜的星像和光纤的耦合效率易受到视宁度、光纤定位精度等因素的影响。本项目致力于进行提高光纤光谱仪望远镜星像和光纤耦合效率方法的研究，在光纤入射端胶结梯度折射率透镜以增加光纤接收星像的面积，同时在出射端配置微型焦比变换系统，修正由于光纤引入梯度折射率透镜导致的焦比退化。该方法的研究有助于改善由于圆顶视宁度、光纤定位偏差导致的效率损失。项目研究拟在国内光纤光谱仪望远镜上进行测试，结合目前国内望远镜的台址视宁度、光纤光谱仪的光纤芯径计算，研究成果有望将目前光纤光谱仪望远镜的通光效率提高50%或更高。

项目研究按计划书执行，围绕提高光纤光谱仪望远镜通光效率的研究计划，开展了提高望远镜星像和光纤耦合方法的研究，模拟分析了视宁度变化对光纤光谱仪望远镜通光效率的影响，并开展了提高望远镜星像－光纤耦合方法的研究，开展了光纤和梯度折射率透镜胶结工艺方法的研究，设计并加工了可适应用于天文观测的微透镜，并完成了光纤－微透镜胶结，并在实验室搭建了望远镜模拟系统，进行了光纤－微透镜的性能测试，通过性能测试该系统可应用于望远镜实际性能测试。

自动化仓储系统(AS/RS)是现代工厂物流和CIMS中的重要环节，随着现代工业生产的发展，对自动化仓储提出了更高的要求。本文将现代智能优化理论的研究与AS/RS应用相结合，以进一步完善仓储的智能化管理、提高系统整体效率为目标，开展自动化仓储系统优化方法的研究，对提高企业竞争力和国民经济的运行质量都具有重要的理论和实际意义。 AS/RS是一个离散的、随机的、动态的、多因素、多目标的复杂系统，对AS/RS的智能化管理将导致复杂的系统优化问题。传统的方法求解过程不仅时间较长、成本较高，而且很难求得最优解。本文通过采用智能优化遗传算法(GA)和基于群集智能的蚁群算法(ACO)对AS/RS的若干优化问题进行研究，提出了相应的改进算法并进行了实例验证。论文主要工作如下： 1．针对AS/RS输送系统在实际运行时导致设备资源利用冲突和自动导引小车(AGV)的任务分配问题，建立了考虑多个复杂约束条件的AGV优化调度问题的多参数优化数学模型。将局部搜索技术引入标准遗传算法中，提出了带有局部搜索的混合遗传算法。该算法解决了局部搜索中寻找高效邻域结构的技术难题，能够搜索到问题的全局解，有效地解决了输送系统出现的死锁和瓶颈效应问题。 2．针对货物存取频繁和存储货位动态变化问题，建立了固定货架系统货位分配优化问题的多目标模型；针对分配模型各目标存在相互冲突不存在唯一的最优解，提出了基于Pareto最优和小生境技术的改进遗传算法。该算法除了常规遗传操作以外，设计了Pareto解集过滤器和小生境技术，求得均匀分布的Pareto最优解集，较好地解决了货位分配多目标优化问题，并为AS/RS提供多种动态优化解决方案。 3．为进一步提高AS/RS效率需要解决大规模入/出库拣选作业的路径规划问题。本文首先针对水平分层旋转货架系统的特点构建了拣选作业路径规划问题的数学模型。然后针对不同设备配置下的固定货架系统，定义了单巷道固定货架拣选作业问题(SAOPP)和多巷道固定货架拣选作业问题(MAOPP)；分别构建了SAOPP路径规划数学模型和作业次数不确定的MAOPP路径规划的多目标数学模型。针对ACO算法求解路径规划问题存在容易出现停滞现象，提出了自适应动态改变信息素挥发系数的策略；针对ACO算法求解大规模路径规划问题时存在的收敛速度慢，容易陷入局部最优的缺陷，提出了候选点集合策略、动态插入点策略及选择算子的策略。实验证明用本文设计的新型改进ACO算法求解大规模路径规划问题时，能快速得到近似最优解。 4．为验证本文建立的优化模型和提出的求解方法的有效性，结合一个实际的应用对象进行了系统设计和应用分析。结果表明：所建立的数学模型和相应的优化算法完全可以应用于实际自动化立体仓库系统中，可以达到了减少企业物流成本，提高仓储整体效益的目的。 本文得到了国家自然科学基金项目、辽宁省高等学校优秀人才支持计划项目和辽宁省高等学校创新团队支持计划项目的支持 。2100433B

本项目拟采用数据包络分析（DEA）方法和模型，对建成高层住宅进行生态效率设计评价，以期认识我国高层住宅生态效率的演变特征，分析其关联因素，发现高生态效率的高层住宅布局、楼型、套型方案。住宅的生态效率可以理解为其整个生命周期中消耗的土地、能源与所产出的居住面积、环境质量、经济效益的比值。高层住宅面大量广，其生态效率对我国城市经济、社会、环境发展有着重大而深远的影响。DEA方法以相对效率概念为基础，用于评价具有相同类型的多投入、多产出的决策单元（DMU）是否有效的一种非参数统计方法，近年来成功应用于众多领域的决策评价之中。本项目按照DEA理论和方法，把高层住宅作为决策单元，进行生态效率评价，理论上具有可靠性和可操作性。项目的研究过程包括确定评价目标、建立评价指标体系、收集和整理相关数据、选择计算模型和程序、分析评价结果并提出决策建议等阶段，最终达到预期研究目标。