基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

一种区域经济发展差异分析智能混合算法及应用

该文提出一种区域经济发展差异分析智能混合算法:首先有机融合主成分距离加权和遗传算法、模拟退火算法对FCM算法进行优化,采用优化FCM算法对各子区域经济发展水平进行分类;其次采用主成分分析法给各子区域经济发展水平进行综合评分并排名;然后依据分类和排名情况,对区域经济发展差异进行研究分析.该文以西部省份经济发展差异为例研究表明:该算法能够有效对西部省份经济发展差异进行综合分析,很好地反映了各省份经济发展的特征,是一种改进的、可行的大区内子区域经济发展水平差异分析方法.     

基于MapReduce模型带准备时间的平行机调度优化

研究了一类基于MapReduce模型的平行机调度问题.每个工件包含Map和Reduce两道加工工序,Map工序可以分割为若干个子任务,并且在多台平行机上同时并行加工,Reduce工序只有在该工件的所有Map工序的子任务加工完成后才能进行,而且Reduce只能在一台机器上加工且不可中断.结合工件具有释放时间和加工准备时间等约束,以最小化最大完工时间为目标,构建了混合整数规划模型,并设计了采用差分变异策略和逐维Levy扰动机制的改进正弦余弦算法来求解该模型.最后,利用数值仿真实验与标准正弦余弦算法及遗传算法进行对比,实验结果表明,运用改进正弦余弦算法求解的结果与下界值的平均相对偏差GAP为3.02%,较标准正弦余弦算法以及遗传算法的效果提升显著,显示了该改进算法的有效性.     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．     

数控仿真中切削面计算的并行化研究

针对高离散精度模型与刀具包围体进行切削计算的情况,由于三维图像重建的计算量大,基于传统CPU实现的数控加工仿真系统不能满足实时性的三维绘制。本文利用GPU的并行性特点,提出并行方式数控仿真切削面显示算法:通过线程并行处理基于MC算法的实体构造模型中体素与刀具包围体的切削计算,根据切削后体素角点信息和边的状态查找建立的构型索引表和交点数目索引表,加速数控仿真切削面的提取,从而提高三维图像的绘制速度,满足实时性显示要求。     

考虑凸形障碍的应急设施选址与资源分配决策研究

应急设施是应急救援的依托载体,其科学合理的选址事关应急救援的紧迫性和应急资源分配的及时性,障碍约束下的应急设施选址与应急资源分配决策研究具有重要的战略意义.从需求区域的视角和应急设施应急服务质量的视角构建基于障碍约束、容量及安全库存约束的应急设施选址与资源分配优化模型,引入安全库存机制,综合考虑时间性、经济性及地理阻断等多重约束限制,剖析选址和应急物资分配的决策过程,进行应急设施的选址决策和应急物资分配预案的制定.设计灰狼优化算法(GWO)与可视凸点绕障路径耦合算法求解模型,结果表明:所设计算法能有效实现绕障路径的优化,且在需求区域的不同时间满意度偏好下,获得最优的选址-分配方案,研究成果将为应急设施选址与资源分配提供模型和方法设计.     

算法技术对信息分发机制的创新与反思

信息过载加速了人们对信息的认知盈余,而算法技术通过信息大数据化的多次过滤完成精准推送,创新了信息的适配方式,重构了互联网信息分发的形态和受众与信息之间的赋权模式,实现了对信息价值的科学评估和有效适配.文章从信息分发的路径创新和范式创新等解析了算法技术型信息分发机制的创新价值与其面临的机遇和挑战.     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

基于MATLAB下的SER算法与LMS算法的比较

本文主要研究了自适应算法中的两种算法,序贯回归(SER)算法和最小均方(LMS)算法,并且利用Matlab软件对这两种算法进行了计算机仿真.结果表明,相对于LMS算法而言,SER算法自适应权值迭代通常不是按照最速下降的路径,而是在直接指向最佳权值点的方向上进行.而且,当特征值相差较大时,自适应收敛的速率将不会因特征值的影响而变慢.