协同进化交叉熵算法求解浇次不固定的炼钢连铸调度问题

浇次不固定的炼钢连铸调度问题（Cast uncertain steelmaking continuous casting scheduling problem,CU_SCCSP）广泛存在于钢铁生产行业中。该问题对应炼铁、精炼和连铸三个连续生产阶段,其中炼铁和精炼阶段为带运输时间的混合流水线调度子问题,连铸阶段为带独立设置时间的复杂并行机调度子问题,且两个子问题相互耦合。针对该问题,建立优化目标为最小化最大完工时间和平均等待时间加权和的排序模型,并提出一种协同进化交叉熵算法（Co-evolution cross-entropy optimization algorithm,CCOA）进行求解。设计前后子问题两段式编码和双向解码的策略,并采用启发式规则和随机方式初始化种群,以确保初始解的质量和分散性。在算法全局搜索阶段,采用分别对应前后子问题的双概率分布协同学习和积累优质解信息,并在采样概率分布生成新个体时引入考虑子问题耦合的模糊关系矩阵对概率分布取值进行适当调整,以增强算法较快到达优质解区域的能力,同时设计种群分裂机制来提高算法的引导性并扩大搜索范围。为提高算法的局部搜索能力,对分裂后的双种群中个体执行基于interchange和insert邻域操作的协同搜索,进而对当前历史最优解执行结合SWAP邻域快速评价的变邻域搜索,可增加算法在解空间中多个优质区域的搜索深度。仿真试验和算法比较验证了所提算法的有效性。     

增强人工蜂群算法求解半导体最终测试调度问题

本文提出一种增强人工蜂群算法(Enhanced Artificial Bee Colony,EABC),用于最小化半导体最终测试调度问题(Semiconductor Final Testing Scheduling Problem,SFTSP)的最大完工时间.该算法采用混合启发式方法初始化种群,并利用前插式解码策略来提高初始解的质量.在算法搜索阶段设计多种基于问题性质的探索策略和基于贝叶斯网络的概率模型对问题解空间进行深度与宽度的协同搜索.此外,提出基于重启策略的种群更新机制以加强算法跳出局部最优的能力.实验部分构造多种对比算法来验证EABC中各关键环节的有效性.通过基于实例的数值仿真以及与NFOA(Novel Fruit fly Optimization Algorithm)、KMEA(Knowledge-based Multi-agent Evolu-tionary Algorithm)和CCIWO(Cooperative Co-evolutionary Invasive Weed Optimization)的算法比较验证了EABC的有效性和鲁棒性.     

基于多维EDA算法的低碳分布式装配流水车间调度

针对低碳分布式装配置换流水车间调度问题(LC＿DAPFSP),建立以同时最小化总能耗和总完工时间为优化目标的数学模型,进而提出一种多维分布估计算法(MEDA)以进行求解.首先,采用随机方法和启发式算法共同生成初始化种群;其次,建立基于矩阵立方体的概率模型,用于合理学习并积累优质解的块结构信息和序关系信息,同时设计有效采样机制对概率模型采样以生成新种群,从而合理引导算法搜索方向并发现可行解空间中的优质解区域;然后,为平衡算法的全局探索与局部开发能力,提出基于问题特性的变邻域局部搜索方法,可对全局搜索发现的优质解区域进行细致搜索;最后,通过仿真实验与算法对比验证MEDA是求解LC＿DAPFSP的有效算法.     

混合迭代贪婪算法求解准时生产分布式流水线调度问题

针对以最小化总延迟时间为优化目标的分布式置换流水线问题(distributed permutation flowshop scheduling problem,DPFSP),建立问题排序模型,并提出混合迭代贪婪算法(hybrid iterated greedy,HIG)进行求解.基于问题特点提出最小工期差值(smallest due date difference value,SDV)规则及3种工厂分配规则, 同时结合问题性质提出两种工件插入各工厂内部时问题目标值的下界估计方法.首先,通过实验确定使用分配规则1将工件向各工厂进行分配,同时结合下界估计方法的NEH作为改进启发式算法以生成较高质量初始解;其次,为了增加解的多样性,提出一种关键工厂的移除策略和适用于问题的模拟退火机制;然后,设计基于4种有效邻域操作的两阶段变邻域下降搜索策略,用于在HIG每代中对问题解空间的不同区域进行较深入和细致的搜索;最后,通过仿真实验和算法比较验证了采用HIG求解所提出问题的有效性.     

关于物联网的温室监控系统的智能化设计

在现代物联网的基础上,结合温室监控系统和实际需求,来进行物联网的温室监控系统的智能化设计.此设计包括了远程、现场监控系统以及数据库,实时采集环境数据,提高子系统的响应速度,自动控制温室环境和校准设备,保证了设备的安全性与同步性.试验结果表明此智能化设计稳定、可靠,完全达到了温室监控系统智能化的要求.     

混合交叉熵算法求解复杂零等待流水线调度问题

针对制造行业中广泛存在的一类复杂零等待流水线调度问题, 即带序相关设置时间和释放时间的零等待 流水线调度问题(NFSSP SDSTs RTs), 建立问题的排序模型并提出一种混合交叉熵算法(HCEA)进行求解, 优化目 标为最小化总提前和延迟时间. 首先, 设计了一种基于问题性质的快速评价方法, 有效降低评价解的计算复杂度. 其 次, 采用交叉熵算法学习并积累优质解的结构特征, 建立概率模型对优质解的工件块分布进行有效地估计. 通过合 理的采样和更新方法, 实现对解空间中优质区域的全局搜索. 然后, 为提高算法搜索效率, 设计带两种搜索策略的快 速局部搜索方法, 对全局搜索发现的优质区域进行细致且深入的搜索. 最后, 仿真实验与算法对比验证了HCEA可 有效求解NFSSP SDSTs RTs.     

大数据时代运动训练科学研究的新路径

本文探讨了大数据时代在运动训练科学研究中的新路径。重点讨论了大数据的收集与管理，包括数据来源、获取方式、质量控制和存储管理策略。此外，还介绍了大数据分析技术和方法，并探讨了其在优化运动表现、预防运动损伤以及个性化训练方面的应用。同时，对于数据隐私和伦理问题进行了讨论，强调了数据使用和共享的伦理考虑，并提出了相关的安全保护措施。最后，对大数据时代下的运动训练科学研究挑战和未来发展方向进行了展望，以期有助于深入了解运动训练科学领域中大数据的潜力与应用前景。