针对协同设计中任务的执行流程缺乏柔性,不利于分析实际设计过程的现状,提出一种单元调用变迁对与决策变迁相集成的基于对象的扩展Petri网,扩展了Petri网的可达图以适应分析OEPNs模型.采用OEPNs中的过程网和单元网对协同设计过程建模,利用模型中的单元调用变迁对和决策变迁对过程本身和可能状态进行分析.最后与相关的研究工作进行比较并给出了结论.
相似文献适应性粒子群寻优算法Ⅰ(APSO-Ⅰ)是在有序的决策中始终引入随机的,不可预测的决定.为解决APSO-Ⅰ算法收敛深度不够的问题,提出适应性粒子群寻优第Ⅱ代算法(APSO-Ⅱ).APSO-Ⅱ算法是将有序(标准PSO粒子群寻优)和无序(自适应寻优)进行适当的分离,以发挥各自的优势.在自适应寻优阶段,通过在最优粒子邻域空间探寻更优化的解,一但新的优化解被发掘,便利用标准PSO快速寻优.典型复杂函数优化的仿真结果表明,APSO-Ⅱ在收敛速度和收敛深度上均优于DPSO(耗散型PSO),HPSO(自适应层次PSO),AEPSO(自适应逃逸PSO)和APSO-Ⅰ.
相似文献将动态交通分配实施过程纳入预测控制框架下以满足实时交通诱导的目的,提出一种交通诱导预测控制算法.该算法是在滚动时域基础上进行的,包括实时交通分配、交通流模拟运行及评价以及进化最佳路径3 个重要环节.仿真结果表明,交通诱导预测控制是一种良好的计算机控制方法学,其优化过程预先考虑了目前交通分配对未来路网的影响,因而可有效地防范交通拥堵,实现考虑反馈的路网交通流实时分配优化,同时为出行者提供最佳路径.
相似文献定义了离散型灰色随机变量及其期望值和标准差.针对准则权重已知而方案的准则值为灰色随机变量的多准则问题,提出一种灰色随机多准则决策方法.该方法通过求得各方案在各准则下评价值的期望值和标准差,得到标准期望值决策矩阵;利用各准则权重和规范化矩阵计算出各方案的综合评价区间,采用区间灰数可能度的方法构建方案综合评价区间的评判矩阵,进而得到各方案的排序.最后通过算例表明了该方法的可行性和有效性.
相似文献社会性的群体寻优是秩序与混沌之间的平衡,适应性微粒群寻优算法(APSO)是在标准PSO 上添加反映适应性的随机项,并引入小概率因子,使微粒飞行到粒子群的中心,平衡秩序和随机两个行为 .APSO算法的本质是在有序的决策中始终引入随机的,不可预测的决定,从而使得寻优的决策尽可能模拟社会性群体寻优的复杂行为. 典型复杂函数优化的仿真结果表明,APSO算法具有较好的稳定性.
相似文献针对化工生产设备,提出一种基于群灰色关联分析的化工生产设备故障诊断方法,较好地解决了化工设备状态预测和故障模式识别问题.与传统的灰色关联分析相比,该方法提高了灰色关联分析的准确性和可靠性,降低了对单个参考信号的依赖性.最后将该方法应用于化工设备化学反应器的故障识别,识别结果显示,该方法比传统的灰色关联分析效果更佳,更可靠,具有简便易行,计算量小,不需复杂的诊断设备等优点.
相似文献通过两组搜索方向相反,相互协同的主,辅子群,构造一种新的双子群粒子群优化算法.该算法扩展了种群的搜索范围,充分利用搜索域内的有用信息,在感知到环境变化时能迅速,准确地跟踪动态变化的极值.使用(Dynamic Function 1)生成的复杂动态环境对该算法进行了验证,并与Eberhart提出的动态环境下的粒子群优化算法进行了比较分析.仿真结果表明了该算法的有效性.
相似文献提出一种高效的规则提取算法,采用熵测量改进Chi-merge特征区间离散化方法,模糊划分输入空间.先为每个数据生成单条规则,再聚集相同前项的单条规则产生带概率属性的分类规则.提取的规则无需任何调整,应用模糊推理便可获得较理想的分类效果,同时支持增量式规则更新.最后给出了新方法的性能测试结果.
相似文献应用分形、智能Agent和神经网络自适应控制技术,研究分形供应链适应环境变化的结构模式和策略模式.探讨了分形供应链Agent关联结构,提出了分形供应链双层自适应协同计算模式,论述了资源Agent,信息协调Agent,人机交互Agent和领域计算Agent之间的相互作用关系.以一个分形模块的策略协同为分析对象,研究了领
域单元的自适应协同计算模式,分析了分形模块的成本模型,并对基于Agent交互的神经网络模型部分进行了算例仿真.
针对决策专家以多粒度语言偏好矩阵形式给出偏好信息的多属性群决策问题,提出一种基于二元语义一致化的多属性群决策方法.首先,构建一个基本语言偏好集作为多粒度语言一致化的参考集合;然后,采用基于二元语义的一致化处理方法将不同粒度的语言偏好信息均统一转化为相同粒度的二元语义形式,再通过二元语义的相关集结算子,对各决策专家给出的偏好信息进行集结并进行方案优选,得到满意结果;最后,通过算例说明了该方法的有效性.
相似文献贝叶斯网络是一种能够对复杂不确定系统进行推理和建模的有效工具,广泛用于不确定决策,数据分析以及智能推理等领域.由于理论和实际的需要,贝叶斯网络不断扩展,出现了各种模型和研究方法 .为此,综述了贝叶斯网络在不同领域的扩展模型以及在不同理论框架下的进展,并展望了未来的几个发展方向.
相似文献