一种远程医疗系统中多专家会诊的调度问题求解*

为解决病人在医疗会诊中多重复杂的问题,提出了用群体决策的方法调度多专家为病人进行远程医疗会诊。该算法分析了多专家会诊调度的特点,把调度问题转换为图论问题,建立了数学模型,采用贪心算法求得目标函数值,进行迭代扫描,逐步求出最优的多专家会诊调度结果。实验结果表明,该算法很好地解决了用较少等待时间来实现较多集体会诊的问题,也很好地解决了每次集体会诊的专家成员数最优问题,为多专家调度会诊问题提供了一个可行性的解。     

一种应用于多专家会诊系统的调度专家算法

本文提出了一种应用于多专家会诊系统的调度专家算法。它是针对在IBM PC/AT机上建造的用于诊断人体肺病的多专家会诊系统MEMSPD而设计的。     

一种应用于多专家会诊系统的调度专家算法

提出了一种应用于多专家会诊系统的调度专家算法。它是针对在微机上建造的用于诊断人体肺病的多专家会诊系统ＭＥＭＳＰＤ而设计的．     

一种应用于多专家会诊系统的调度专家机制

提出了一种于多专家会诊系统的调度专家机制,它是针对在微机上建造的用于诊断人体肺病的多专家会诊系统ＭＥＭＳＰＤ而设计的。调度机制用ＭＡＣＲＯＬＩＳＰ语言实现。     

远程医疗系统中一种自适应盲算法研究

随着物联网技术以及无线传感网的快速发展,远程医疗(Telemedicine)系统在国内外获得了广泛的研究和应用。Telemedicine会诊旨在患者和医院之间建立起全新的联系,由于信息是在无线系统中进行传输的,从而存在码间干扰。为了提高通信质量,文中着眼于Telemedicine物理层的技术研究,概括介绍了一种基于RLS的分布式盲均衡算法,并在此基础上基于提高算法运行速度,提出了一种新的自适应算法,旨在不失其性能指标的前提下,使其运算复杂度大大降低,有效地克服了传统自适应算法的收敛速度慢的缺点。     

一种求解并行多机间歇调度问题的自适应EDA算法

针对广泛存在于化工生产过程中的并行多机间歇调度问题,提出了一种自适应分布估计算法,用于最小化最早完工时间(makespan)。首先,提出了一种具有自适应学习能力的改进策略,该策略根据当前解的改善状况自适应调节学习速率,有效克服了EDA对学习速率较敏感和依赖的不足,进而使得算法的搜索宽度和深度得到合理平衡;其次,设计了一种基于双精英个体的协同进化策略,该策略通过双概率模型协同进化,使算法能充分利用优秀个体的信息来指导搜索方向。仿真实验和算法比较验证了AEDA的有效性和鲁棒性。     

一种求解多处理机调度问题的a-平坦化调度算法

在分析多处理机调度问题的基础上,提出了α-平坦的概念,并将其引入到多处理机调度问题中;基于此,提出了一种新的基于α-平坦的求解多处理机调度问题的算法。算法首先对作业集合做平坦化处理,然后再对处理后所得的新问题进行求解,最终获得原调度问题的一个近似解。实验结果表明,通过该算法可以求得较好的结果,相对于其它启发式算法,该算法具有较好的稳定性。     

一种求解模糊柔性Job-shop调度问题的多智能体免疫算法

结合实际纸盆车间的生产特点,考虑了模具、机器和操作人员等多种资源约束,以及加工时间和交货日期的不确定性等因素,建立了批量可变的模糊柔性Job-shop调度问题模型。同时结合多智能体系统以及生命科学中免疫系统的免疫信息处理机制,构造了一种用于求解实际Job-shop调度问题的多智能体免疫算法。该方法通过智能体与其邻居间的竞争操作以及自学习操作,并结合自适应疫苗接种、交叉、变异和模拟退火操作,来更新每个智能体在解空间的位置,使其能够更精确地收敛到全局最优解。最后对某纸盆车间的调度实例进行了求解,实验结果验证了算法的有效性。     

一种求解单件车间调度问题的单亲遗传算法

针对单件车间凋度问题,设计一种基于整数编码的单亲遗传算法。该算法既具有单亲遗传算法运算量小、不存在“早熟收敛”现象等优点,在编码中又体现了单件车问调度的“保序性”等工艺约束条件,增强了调度算法的整体性能。对不同规模的FT类问题的仿真结果表明,该算法的收敛速度随着问题规模的增大而加快,并在求解单件车问调度问题时能得到稳定的满意解。     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题,在总结已有经验的基础上对标准遗传算法提出改进:采用基于工序的编码、解码方式,每一次遗传操作后对种群采用循环选择并保留最优个体,对交叉操作和变异概率的计算提出了一系列改进方法,避免遗传算法产生无用解或陷入局部优化,以提高效率。通过实验验证,改进后的算法具有可行性,并且可以得到十分满意的结果。     

求解作业车间调度问题的一种改进遗传算法

为了避免遗传算法的早熟收敛问题,降低算法对初始种群的敏感程度,提高收敛速度,建立了以工件完工时间最小和加工设备利用率最高为目标的数学模型,并提出一种改进遗传算法。在约束条件处理中引入可能解空间概念;设计了适应路径柔性调度问题的基于工序的编码。父代个体和交叉变异得到的个体在选择操作中具有同等选择机会,保证最优个体保留到下一代,又能保持子代的多样性。在遗传过程中引入修正种群,实现多种群杂交,以保持种群的多样性。应用实例分析和工程实践表明,算法稳定可靠,运行效率大大提高。     

一种求解连铸生产调度问题的非线性遗传算法

在对连铸生产工艺背景及工艺约束进行分析的基础上,以使所有连铸机上组成每一个浇次的炉次之间因差异引起的费用最小为目标函数,构造了最优浇次的数学规划模型,并基于该模型,提出了先将所有待优化的炉次聚类成若干个浇次(浇次数已知),然后对每个浇次应用基于Tabu搜索的非线性遗传算法,仿真结果表明该算法的有效性。     

一种求解Job Shop 调度问题的改进遗传算法

传统遗传算法在求解Job Shop调度问题时存在收敛速度慢,易于早熟的缺点。在病毒遗传算法(VEGA)和灾变遗传算法的基础上提出了一种带有灾变因子的病毒遗传算法(IVEGA-C)。该算法在传统遗传算法的基本结构上加入了病毒感染操作和灾变操作,病毒感染操作实现了同代个体之间横向传递进化信息,灾变操作采用灭绝操作。正是这种改进加快了遗传算法的收敛速度,避免了早熟现象和陷入局部最优解。通过仿真实验验证了IVEGA-C算法在解决Job Shop调度问题中的性能优于传统GA算法和VEGA算法。最后给出了应用该算法的一个实例。     

一种新的混合生产调度问题的优化求解

研究了一种新的生产调度问题的优化问题,针对这种新的调度模式,设计了一种两层遗传算法进行优化求解。算法采用了上下两层共同进化,上层遗传算法优化产品生产过程中每类产品对应每台设备所生产的物料类型的分配,下层遗传退火算法优化了所有产品子批量的一个排序。在算法的求解过程中,引入了针对该问题的一个新的批量加工时间计算方法来求得最大完成时间指标的值。最后通过系统仿真论证了算法以及批量完工时间计算的有效性。     

一种求解车间作业调度问题的免疫算法

人工免疫系统是基于生物免疫系统特性而发展的新兴智能系统。基于免疫系统的克隆选择机制,提出一种求解车间作业调度问题的免疫算法。利用免疫算法较强的搜索能力可以实现全局寻优。通过使用克隆、高频变异和抗体抑制等免疫操作,提高了算法的收敛速度和种群的多样性,可以有效地克服遗传算法种群早熟化和收敛速度慢的问题。仿真结果表明,与改进后的遗传算法比较,提出的免疫算法在全局最优解和收敛速度上都有较为明显的优势。     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题，在总结已有经验的基础上对标准遗传算法提出改进：采用基于工序的编码、解码方式，每一次遗传操作后对种群采用循环选择并保留最优个体，对交叉操作和变异概率的计算提出了一系列改进方法，避免遗传算法产生无用解或陷入局部优化，以提高效率。通过实验验证，改进后的算法具有可行性，并且可以得到十分满意的结果。     

一种求解异构DAG调度问题的置换蚁群

减少分布式程序的执行时间,是网格调度系统需要解决的重要问题。因分布式程序常建模为DAG图,故该问题又称异构DAG调度问题。提出的置换调度蚁群PSACS(Permutation Scheduling Ant Colony System)将DAG调度方案表示为任务置换列表,使用标准蚁群搜索技术探索解空间。实验表明,该算法明显优于遗传算法和粒子群算法,能够一次求出大部分(65%)同构DAG调度问题的最优解并获得非常好的异构DAG调度方案。     

一种求解Job-Shop调度问题的新型蚁群算法

Job-Shop调度问题是一类具有很高理论研究和工程应用价值的问题。针对使用蚁群算法求解Job-Shop调度问题时较难设置合适参数的问题,提出一种动态设置参数的新型蚁群求解算法。分析了蚁群算法中参数对求解结果的影响,给出了算法求解Job-Shop调度问题的关键技术和实现过程。最后对五个基本测试问题进行了仿真实验,并与遗传算法、模拟退火算法、基本蚁群算法进行了比较。结果表明,该算法能得到较优的结果,具有一定的应用价值。