基于模拟退火算法的矩形件排样

针对矩形件排样问题，提出了最低轮廓线最佳匹配算法。该算法根据最低轮廓线排放矩形，使板材浪费降至最低。并将其与模拟退火算法相结合，可获得近似最优的排样结果。最后给出不同规模的算例，结果表明，该算法比最低水平线算法排样结果好，是解决矩形件排放的有效方法。     

灰狼算法在定制化家具矩形件排样中的应用

针对定制化家具矩形件排样问题，以板材的利用率最大化为目标，建立矩形件排样模型，提出一种改进的灰狼算法进行求解，针对定制化家具的零件差异性较大的问题，在矩形件排样定序问题中，采用改进的灰狼算法进行求解，改进算法的编码方式、游走和奔袭策略，在矩形件排样定位问题中，采用改进的最低水平线定位算法，实现矩形件定位过程中的零件序列微调，并确定排布位置，再次优化排样方案，实现利用率最大化。     

面向智能制造的不规则零件排样优化算法

以智能工厂应用场景为例,为提高广泛应用于智能制造领域的二维不规则件的排样性能,提出了基于启发式和蚁群的不规则件排样优化算法.首先提取不规则件的几何特征,对零件进行组合操作预处理,使两个或多个不规则零件组合为矩形件或近似矩形件并对其包络矩形,然后利用蚁群学习算法对预处理后的零件进行排样,确定零件排放的最佳位置,不断更新得到最优排样结果.仿真实验结果表明,综合考虑板材利用率以及耗时情况,所提算法取得了较好的结果,能够满足实际生产的需求.     

基于双种群遗传算法的含缺陷矩形件排样优化研究

结合缺陷约束的最低水平线算法与双种群遗传算法,对板材内部含缺陷时的情况进行矩形件排样优化。用双种群遗传算法对矩形件排样顺序进行寻优,将矩形件的排样顺序和旋转方式划分为2个种群分别进行遗传迭代,并结合改进的初始种群生成策略,改善算法的搜索效率及全局寻优能力。基于缺陷约束的最低水平线算法通过更新缺陷矩形轮廓信息与引入缺陷位置约束判断,使矩形件在根据优化顺序排样时可避开缺陷部位。通过算例运算测试可知,相比于经典遗传算法,所提算法在4种不同数量缺陷的板材中,最优板材利用率与排样优化稳定性均有所提高。双种群遗传算法和基于缺陷约束的最低水平线算法可在含缺陷板材的排样问题中得到推广应用。     

蚂蚁算法在矩形件优化排样中的应用

蚂蚁算法是解决优化问题的一种相对轻新的启发式算法，大规模的矩形件优化排样问题是个NP难题。文中尝试用蚂蚁算法求解矩形件优化排样问题，根据提出的求解算法，开发出了基于蚂蚁算法的计算机辅助优化排样系统，并将蚂蚁算法的求解结果和遗传算法进行了对比，试验结果证明了用蚂蚁算法求解矩形件优化排样问题的可行性和有效性。     

基于填充算法的矩形件排样优化求解

针对矩形件优化排样问题，提出了一种将填充算法和遗传算法相结合的优化排样方法。该方法应用填充算法对遗传算法作预处理，使矩形件排样适用于“一刀切”的下料工艺，并克服了填充算法局部搜索的缺点，使搜索空间由一点扩大为多点，最终可获得总体最优的排样结果。算例表明，该优化排样算法运算速度快，具有广泛的适应性。     

不规则件优化排样的小生境遗传模拟退火算法

提出一种基于小生境遗传模拟退火算法求解不规则件排样问题的方法。该方法首先充分考虑不规则形状零件自身的形状特征,采用组合矩形包络算法将二维不规则零件的排样问题转化为矩形件的排样问题,克服了以往简单采用最小包络矩形代替零件排样存在空白区域,从而导致材料可能发生的利用率过低问题;然后利用遗传模拟退火算法及小生境技术相结合,寻找排样件在排样时的最优次序及各自的旋转角度;最后用"最低水平线与填充算法相结合"策略的启发式排样算法实现自动排样。实例表明了该算法的有效性和实用性。     

基于改进遗传算法的矩形件排样优化研究

针对定宽无限长板材上的矩形件排样优化问题,将具有启发式判断的改进最低水平线策略与具有全局搜索能力的改进遗传算法结合在一起,共同解决矩形件排样问题,提高了板材的利用率。实例表明,该算法可以得到更好的排样结果。     

矩形件优化排样改进的启发式算法与系统

在分析传统矩形件优化排样近似算法及其主要缺陷的基础上，提出了一个新的启发式算法，并据此算法开发了矩形件排样系统，获得了比原近似算法更好的优化排样结果。     

求解矩形件排样问题的十进制狼群算法

为了使矩形件排样问题在可接受的时间内获得精确解,以在一定时间内获得高利用率的排样布局方案为研究目标,提出一种适合求解矩形件排样问题的十进制狼群算法。该算法结合基于复合评价因子的最低水平线搜索算法,对人工狼的位置进行十进制整数编码,重新设计游走和奔袭等智能行为,具有狼群算法的职责分工协作式搜索特性,能够较好地平衡算法的全局优化和局部搜索能力。采用多组算例对所提算法进行测试,并与其他元启发式和启发式算法进行对比,结果表明所提算法具有实用性和有效性。     

改进的人工免疫算法在机床颤振诊断中的应用

针对人工免疫算法对多样性的要求,通过提出了在克隆选择算法的基础上增加一种模拟姓氏继承的算法,有效提高了算法训练时的效率。在CA6140型卧式车床的振动数据进行的实验中,该方法表现出色。     

GMRES算法在雷诺方程数值解法中的应用

雷诺方程是流体润滑问题计算的基本方程,研究其有效的数值解法在工程上具有很大的实际应用背景,本文主要选取了流体润滑计算领域的一个有普遍意义的典型实例－点接触等温弹流润滑问题进行雷诺方程的解法研究。数值解法计算雷诺方程,均有归结为求解ＡＸ＝ｂ的问题。本文研究ＧＭＲＥＳ算法及传统采用的ＳＯＲ算法解该方程的速度与精度等各方面的问题。通过对比,加预处理的ＧＭＲＥＳ算法在解此方程中具有明显优势。     

一种基于改进蚁群算法的混合型调度算法

针对混合型制造业车间生产调度及时性、合理性、科学性及应用结合性上的不足,提出了一种基于改进蚁群算法的混合型调度算法,结合混合型生产的特点,首先给出了混合型生产调度问题细化模型,然后对传统生产调度模型中的蚁群算法进行了改进,最后通过在具备混合型生产特点的汽车玻璃制造企业测试应用后,验证了该算法的可行性及有效性。     

一种基于混合型结构优化算法——Apriori-Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法:Apriori-Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori-Mend算法运行速度比Apriori算法有明显的提高。     

Operation algorithm for a parallel hybrid electric vehicle with a relatively small electric motor

In this paper, operation algorithms for a parallel HEV equipped with a relatively small motor are investigated. For the HEV, the power assist and the equivalent fuel algorithms are proposed. In the power assist algorithm, an electric motor is used to assist the engine which provides the primary power source. In the equivalent fuel algorithm, the electric energy stored in the battery is considered to be an equivalent fuel, and an equivalent brake specific fuel consumption for the electric energy is proposed. From the equivalent fuel algorithm, distribution of the engine power and the motor power is determined to minimize the fuel consumption for a given battery state of charge (SOC) and a required vehicle power. It is found from the simulation results that the fuel economy and the final battery SOC depend on the motor discharge energy and it is the best way to charge the battery only by the regenerative braking, not by the engine to improve the overall fuel efficiency of the HEV with the relatively small motor.     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

．NET框架下RSA算法的研究与实现

对目前在非对称加密系统中占主流地位的RSA算法进行分析研究，并利用微软的.NET Framework 2.0框架给出其具体的C#代码实现。     

一种基于混合型结构优化算法——Apriori—Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法：Apriori—Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori—Mend算法运行速度比Apriori算法有明显的提高。     

相移干涉术修正五步算法研究

研究了修正五步算法对线性相移误差及探测器二次非线性响应误差的不灵敏特性。数值模拟结果表明，该算法在一定程度上优于B.Zhao＆Y．Sur－rel的六步算法。