利用旋转算法构建DEA模型生产前沿面

传统数据包络分析模型的生产前沿面构造方法较为复杂,为了解决这一问题,提出了一个新的构建DEA生产前沿面的算法,称为旋转法. 阐述了旋转算法的含义. 分别从二维和高维角度对传统的四类DEA模型的生产前沿面进行构建,并对算法的理论依据进行了证明. 通过实际算例证明,相比起传统的方法,比如极点极方向法、Graham扫描法等,旋转法非常简单而且实用价值很广. 最后提供了一个关于该算法在实际中的应用---构建决策单元中含有负值的DEA模型,解决了传统DEA模型无法处理决策单元中含有负值的不足.     

集约生产计划问题参数规划模型的转换与分解算法

为求解模糊的集约生产计划问题,从模糊集约生产计划已清晰化后的参数规划模型着手,将参数规划模型进行分解,提出了分解算法,并将分解算法与分枝定界法进行了比较分析,仿真结果验证了这种算法的有效性与优越性.     

基于VRPTW-AT模型的钢包优化调度方法

在炼钢-连铸生产过程中,钢包的优化调度对减少钢铁生产的热能消耗,提高生产效率具有重要作用.将钢包调度问题归结为任务带有时间窗、车辆带有调整时间的车辆路径问题(vehicle routing problem with time windowsand adjustment time,VRPTW-AT).根据钢包服务钢水过程的约束建立了钢包调度问题的数学模型,针对模型特点提出了分散搜索(scatter search,SS)算法.基于国内某钢铁企业生产实绩做测试案例,对SS算法的优化效果与钢厂生产的实际数据进行了对比分析,实验结果表明了模型和算法的有效性.     

改进分布估计算法在热轧生产调度中的应用

在热轧生产调度数学模型的基础上,提出一种改进的基于小生境技术的分布估计算法。采用Hebb学习规则来更新概率模型,增强了小生境之间以及整个群体间的相互学习能力。在对新种群采样时,引入了一种竞争选择机制,使得父代中的优秀个体在进化过程中得以保留,从而保证了进化持续有效的进行。为将该算法用于热轧生产调度,设计了一种新的解码方式,并采用某钢厂实际生产数据进行仿真实验,验证了算法的有效性。     

改进差分进化算法求解化工间歇与连续混合生产过程调度问题

采用统一时间离散化方法,用改进的差分进化算法求解带有限中间存储的连续生产过程和间歇生产过程混合的化工生产调度问题.提出随机产生符合容量约束的任务队列组成染色体的新的编码方式,采用块交叉和块变异进化操作. 为了提高算法全局收敛能力,该文对算法的选择操作进行了改进,并通过Logisic混沌映射方法获得交叉算子CR的取值. 最后,通过化工算例仿真来说明模型和算法的有效性.     

超启发式DE算法求解零等待发酵工艺调度

为解决具备间歇过程特点的零等待发酵工艺调度过程中易变质的难点,提出了一种超启发式差分算法,并将最小化最大完工时间设置为优化目标。此算法分为2层,高层为改进的自适应差分进化算法,来对低层的启发式操作进行选择排序。而低层组合排序成了新的算法对问题域进行操作,加入模拟退火算法避免陷入局部最优。所提出的方法具有学习的机制,对不同问题具有较强的泛化能力。通过测试算例和实际生产进行算法的比较和求解验证了此算法的有效性,结果表明所提出的算法比传统的启发式算法性能更优。     

步进式加热炉炉温优化算法的改进与计算机仿真

在保证轧钢生产顺利进行的条件下,对加热炉炉温分布进行优化设定是实现钢坯加热生产节能降耗的有效手段,同时也是轧制成品良好质量的重要保证。针对已有优化设定方法的不足,在分析了钢坯加热的工艺目标和加热机理的基础上,提出了一种改进的加热炉炉温优化算法并对该算法进行了计算机仿真研究,结果表明了该方法的有效性。     

面向两客户的差异工件平行机批调度问题

将差异工件的批调度问题扩展到两客户生产环境,建立了两个客户分别以最小化制造时间跨度和最小化最大工件延迟时间为生产目标的差异工件平行机批调度模型.首先提出了一种启发式算法TSEDD(two-set earliest due date)对分批方案进行排序并安排到平行机,然后设计了一个多目标蚁群优化算法MOACO(multi-objective ant colony optimization)对不同客户中的工件进行分批并结合TSEDD完成对问题Pareto最优解集的求解.实验结果表明,与经典的多目标问题求解算法NSGA-Ⅱ和SPEA2算法相比,MOACO具有较好的求解效果,且随着问题中工件规模的增大,算法的优势更加明显.     

主生产计划日报的神经网络监控

本文将生产计划作为动态系统,采用BP网建立了主生产计划的神经网络模型,依据梯度算法建立了优化器,对主生产计划日报的调度进行了研究,并以某公司为实际背景进行了仿真实验.     

热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.     

非线性规划的混合遗传算法

遗传算法是一类模拟自然界生物进化过程与机制、求解问题的自组织和自适应的人工智能技术,是非常好的求解优化问题的算法,但是它也容易产生早熟现象,且局部搜索能力较差。因此,在分析传统的非线性规划方法的基础上,针对传统方法的局限性,为非线性规划模型设计了一种新的启发式算法,即结合遗传算法、模拟退火算法和动态惩罚函数法的混合遗传算法,以发挥各算法处理问题的优势。对算法的过程进行了分析。通过实例说明,该算法对于求解所建立的问题是有效的。     

基于DSM的研发项目流程多目标仿真优化

分析了复杂产品研发项目中流程结构的不确定性,采用设计结构矩阵对其进行仿真建模,并将设计结构矩阵调度策略嵌入仿真模型,建立了同时最小化项目工期和成本的多目标优化模型.提出了一种基于设计结构矩阵仿真与非支配排序遗传算法的混合优化算法,获取研发项目流程多目标优化的Pareto最优解.以某飞机初步研制项目流程为研究算例,验证了混合优化算法的可靠性和有效性,并对获得的最优流程结构进行了深入的仿真评价与分析。     

广义预测控制的快速算法及其应用

针对工业过程控制中的典型回路 ,一般采用一阶或二阶系统加纯滞后模型的特点 ,提出了一种快速广义预测控制算法 (FGPC) ,与标准的广义预测控制算法相比 ,该算法具有结构简单 ,在线运算量小的特点 ,比较适用于实时控制 ,并讨论了其中的参数计算。最后以典型工业过程系统的控制仿真验证了所提出算法的有效性。     

煤矿物资配送车辆路径问题的人工鱼群算法

对郑州煤电物资供销公司危险品运送的车辆路径问题进行了分析,建立了相应的数学模型,运用人工鱼群算法求解出运费最小的方案。该算法首先初始化一个鱼群,并在初始化的过程中给出了一种修复算子,使鱼群中每条鱼当前的状态代表一种可行的配送方案,然后执行本文设计的随机行为、觅食行为、聚群行为和追尾行为进行全局寻优。最后,把该算法与扫描算法、遗传算法求解进行比较,证明了人工鱼群算法求解车辆路径问题的有效性;同时,该算法也拓展了求解VRP问题的算法空间。     

基于混合遗传的粗集理论在工期目标实现中的应用

提出了一种基于混合遗传算法的相对约简算法,把模拟退火融入到遗传算法中形成混合遗传算法,提高了遗传算法的优化效率,并用这种混合遗传算法寻求最小条件属性集及最小属性值约简.并把该算法引入到工程管理中,提出若干条决策规则,工程管理人员按照这种决策规则进行施工过程的管理,确保在预定时间内完成工程任务.如果对整个施工过程的每道工序都提出决策规则,就可以实现施工过程的智能化管理.     

EM算法在Wiener过程随机参数的超参数值估计中的应用

Wiener过程广泛用于产品的性能退化建模,为了便于Bayesian统计推断大都采用随机参数的共轭先验分布。针对目前的二步法得到的超参数先验估计值精度不高的问题,研究了最大期望(expectation maximization,EM)算法在Wiener过程超参数先验估计中的应用。EM算法将随机参数作为隐含变量对先验信息进行整体处理,利用随机参数的期望值代替其估计值,通过Expectation和Maximization组成的递归迭代过程寻找超参数的估计值。仿真实验表明,EM算法相比于二步法提高了估计精度,特别是在采样数量较少时EM算法具有较大的精度优势。GaAs激光器实例应用表明EM算法不但具备很好的收敛性而且有良好的工程应用价值。     

面向社团结构划分的最短路径相异性指数算法

用最短路径距离取代网络中用布朗微粒衡量的两节点之间的距离,在此基础上提出了基于最短路径的相异性指数算法.对算法实现过程进行描述,并将算法应用于存在的研究算法分析实例上,说明该算法可行性.把该算法应用于本文构造的虚拟企业网络的社团划分上,划分结果与预期相符.     

基于节点属性的社群结构探测算法改进

对Vincent D. Blondel等提出的B算法的特点及机理进行了分析, 讨论了节点属性对社群结构探测的可能影响. 进而通过重构初始化网络, 控制节点(社群)合并过程两个方面, 对B算法进行了改进, 获得更优的模块性指标及对应的社群划分. 经计算机模拟网络与实际网络的社群结构探测, 结果表明所提改进算法有效可用, 能在获得较大模块性指标的同时, 获得较好的社群划分结果, 且拥有更低的运算时间.     

一种新型的感知逼真的渐进网格简化算法

网格简化是计算机图形学中一个传统的研究课题,它对网格的存储和传输处理以及实时绘制都有着重要的意义。在视觉感知理论的指导下,提出一种新型的渐进网格简化算法,在简化过程中尽量保持视觉敏感的区域。依据半边折叠的能量函数来有效控制几何误差。实验表明,此算法不但可以生成一系列感知逼真的细节等级模型,而且具有很好的时间复杂性。