基于关联加权预测的多生产线协调生产计划的研究

研究了一类带有限缓冲区的多生产线协调生产计划的模型问题 ,首先通过对制造企业生产现场进行调研 ,建立了上下游生产线部件成品关联结构 ,然后根据该关联结构建立了一种多生产线协调生产计划非线性规划模型 .通常情况下 ,该模型的维数将很大 .为了便于求解与提高求解速度 ,将模型进行了线性化和简化处理 ,并提出了一种快速的求解算法———两阶段关联加权均值预测算法 .仿真结果表明所提的方法是非常有效的 .     

含有限缓冲区的多生产线协调生产计划的研究

研究了一类带有限缓冲区的多生产线协调生产计划的模型问题．通过对制造企业生产现场进行的调研，建立了上下游生产线成品关联结构，给出了成本最低的生产计划模型．该模型是非线性的且目标函数的梯度是分段常数，不能采用常规的非线性规划算法进行求解．考虑到该模型只有目标函数是非线性的，而约束是线性的，文中将非线性目标函数通过增加约束化为线性目标函数，从而把一个本来比较难以解决的非线性规划问题转化为线性规划问题，给实际应用带来了便利．仿真实例说明了依据该结构所建模型及算法的有效性．     

一种基于遗传算法的多传感器多目标航迹关联模型

随着信息技术的发展,智能信息技术得到了广泛应用,其中智能算法较多应用于多传感器信息融合领域。常用的加权法、修正法、最近领域法这3种基本方法只针对两个局部节点的情况进行求解,而无法对较大规模系统目标关联问题进行求解,针对防空作战系统目标关联问题,提出了一种基于遗传算法的多传感器多目标航迹关联算法,将多传感器多目标航迹关联这一问题转化为多维分配问题进行求解,给出了求解该问题的具体模型、算法和求解步骤,并通过仿真实验证明了应用该算法求解此类问题的正确性和有效性,对于多传感器多目标航迹关联应用系统的实现具有一定意义。     

基于模糊聚类的异类多传感器数据关联算法

针对异类传感器观测空间不一致的问题，提出了基于模糊聚类的异类多传感器数据关联算法．该算法首先通过在不同传感器的观测空间上建立多目标运动状态的投影，将多传感器多目标关联问题分解为多个单传感器多目标的关联问题，再对单传感器采用模糊聚类的方法求解关联概率，实现了在密集杂波环境中多目标的数据关联和精确跟踪．该算法降低了多传感器多目标跟踪的复杂性和计算量，有效地解决了异类多传感器可用公共信息少的问题．仿真结果表明，该算法的跟踪误差要小于传统的联合概率数据关联算法，且具有更优越的跟踪性能．     

基于交替迭代遗传算法的多级车间生产计划与调度的集成优化

为了提高多级生产系统的运作效率,研究了一类多周期的多级车间生产计划与调度的集成优化问题,该生产系统由一级混批Job-shop车间和一级混流装配车间串联而成.首先建立了该类集成优化问题的混合整数规划模型,该模型从上下游生产车间的需求关系出发,综合考虑上下游车间的物料平衡、设备负荷以及开工位置等约束条件,同时满足优化上下游生产线的费用目标.然后提出了一种交替式混合遗传协调优化算法求解该集成优化问题,其主要思想是给定计划用一种混合遗传算法求调度,反过来给定已求调度用另一种混合遗传算法求取新计划,如此不断交替使用2种混合遗传算法实现计划与调度的同时优化.仿真结果证明了该方法的可行性和有效性.     

CSP生产模式下轧制计划编制模型及算法

针对紧凑式带钢生产(CSP)模式下的轧制计划编制问题,综合考虑设备能力、订单需求和相邻板坯间厚度跳跃,提出一种两阶段问题求解框架。第一阶段以最小化轧制单元数和非计划卷使用量为目标建立整数规划模型,为保证模型的求解效率,从生产实际中提炼出"优先薄板,后补非计划材"的启发式规则进行求解。第二阶段以最小化板坯间平均厚度跳跃为目标来建模,综合考虑非计划卷厚度可变的特性,提出一种多邻域结构的变邻域搜索算法进行求解。通过某CSP生产线的轧制计划编制实例验证了该模型和算法的有效性。     

一种新颖的最小属性约简模型

传统的基于粗集的属性约简须计算差别矩阵并生成大量的条件属性类,效率低,且很多算法还不完备．为此,本文引入分类关联规则和相容分类关联规则的概念,给出基于分类关联规则的求解下近似和正区域的等价方法,从而提出基于分类关联规则的属性约简模型和算法,该模型将属性约简问题转化为求解一类特殊的分类关联规则集的问题,因而使得相应的算法可有效地改进属性约简挖掘效率,克服传统算法依赖于主存的限制,为属性约简提供了一种新的框架．理论分析表明该算法是有效且可行的．     

一种基于GA的多传感器多目标数据关联算法

研究了漏检情况下多传感器多目标检测中的数据关联问题,并将其描述为数学规划中组合最优化问题． 当传感器数大于等于３ 时,该问题的求解是ＮＰ的． 文中提出了一种基于ＧＡ（Ｇｅｎｅｔｉｃ Ａｌｇｏｒｉｔｈｍ） 的数据关联算法,仿真实验表明,该算法具有较高的关联成功率,并能优化求解的目标个数,提高多传感器系统的检测概率．     

用于多目标数据关联的群智能混合算法

为快速实现多目标数据的关联,将蚁群优化(AGO)算法和粒子群优化(PSO)算法相结合,提出了一种群智能混合算法.以跟踪门确定目标的有效量测,以新息的似然函数描述量测与目标的关联关系,建立多目标数据关联的组合优化模型.利用交叉变异的PSO算法求解出该优化组合模型的次优解,再将该次优解作为蚁群位置和信息素初始化的依据,利用ACO算法对目标函数的解进行细搜索以求得更优解.仿真实验结果表明,该算法能够有效地提高关联准确性和收敛速度.     

考虑生产组织约束的钢铁企业合同计划

针对典型钢铁生产流程A,分析实现流程高效运行的铁钢界面、脱磷与脱碳转炉、精炼设备以及铸轧界面的生产组织约束。建立了考虑生产组织约束的钢铁企业合同计划模型,模型中充分考虑了不同生产线的排产紧凑与协调以及合同投产日期的优化,之后采用禁忌搜索算法对模型进行了求解。最后,从钢厂A中随机选取3组不同规模的实际生产合同,并对其进行仿真实验。仿真结果表明：所建立的合同计划模型与求解算法能够有效协调和优化生产,实现钢铁制造流程高效运行。     

基于复杂事件处理的产品质量预测方法研究

针对制造企业对产品质量控制存在实时性不足,并且事后分析无法及时的为企业减少损失的问题,基于复杂事件处理机制,提出了一个生产线实时监控框架,并阐述了其功能模块。在此基础上,通过灰熵关联分析算法和分类回归树算法识别制造过程关键质量特征,并建立了产品质量预测模型,该模型实现了从生产线上的实时数据提取出产品质量缺陷事件,并以此来对产品质量进行监控,从而达到质量预测的目的。最后对模型进行实例验证,证明了该模型的有效性。     

分散、递阶蚁群算法及其在相变序列图像分割中的应用

提出了一种分散、递阶蚁群算法，它将多个分散的蚁群并行求解各自对应的子问题，形成一个执行层，而递阶协调层利用执行层反馈的信息协调执行层的优化过程，从而得到递阶求解问题的整体最优解．该算法已应用于相变热图序列图像模糊相变线的提取问题，即运用区域划分方法先将序列图像的分割转化为关联型多子图搜索问题，再利用分散、递阶蚁群算法进行求解，结果表明该算法能很好地利用相变线的运动信息成功地解决热相变序列图像分割问题．与蚁群算法独立搜索比较，分散、递阶蚁群算法能更有效地实现多子图之间的关联．     

基于IMM-PDA算法的实际业务流预测研究

多模型可以在不同时刻为业务流构造不同的模拟模型,而概率数据关联则可以有效地在杂波环境中处理单目标的跟踪问题,即将交互式多模型概率数据关联应用到业务流的预测中.研究了在交互式多模型下建立一个实际业务流预测算法的模型.仿真实验表明,该预测算法具有较高精度.     

多Agent诊断求解方法研究

该文首先建造了一种包括多诊断Agent的诊断系统结构。为提高诊断Agent求解效率,对诊断Agent内部的故障模式进行聚类,将故障模式聚集成多个故障原型,使诊断只在特定空间是进行求解,避免搜索过程的盲目性和无关性;在此基础上,设计了一种基于故障原型的诊断Agent内部序贯诊断算法。另外考虑到诊断对象固有的关联性特征造成的多Agent间的诊断耦合,提出了以故障原型为依据建立Agent间关联模型的方法。基于故障原型的序贯诊断算法和Agent关联模型使Agent的内部诊断和Agent间的协作行为得以有效的联系。文中最后通过一个化工过程诊断实例对提出的多Agent诊断求解方法进行了验证。     

一个新的挖掘广义关联规则算法

在分析广义关联规则基本模型和求解在规则的基本性质基础上，提出一个新的基于关系操作的挖掘广义关联规则算法，该算法既使用了成熟的关系操作又充分利用先验，在多概念层上交互挖掘关联规则，有很好的实用性。     

基于多速率运动模型的多帧最近邻数据关联算法

为了提高标准最近邻数据关联算法的关联效果,提出了基于多速率运动模型的多帧最近邻数据关联算法．改正了Hong提出的多速率运动模型中关于过程噪声的一处错误,然后把该模型应用于最近邻数据关联算法,并推广到多帧情况．新算法使用序列关联量测更新目标状态,有效降低了最近邻算法中误关联对跟踪效果的影响．仿真结果表明,该算法在减少计算量的同时大大减少了跟踪丢失率。     

基于增广Lagrangian算法的供应链生产计划协调优化

为解决具有分布特点的多厂供应链生产计划的协调问题,提出了一种基于增广L agrang ian松弛算法的内部价格协调优化策略。利用增广L agrang ian松弛算法将工厂之间的耦合约束松弛,从而把整个供应链计划问题分解为多个可利用本地信息求解的单厂计划子问题。为获取问题可行解与加快算法的收敛速度,又分别提出了一种前溯式可行化算法与一种模糊次梯度算法。通过协调中心对产品内部价格的迭代更新,实现了整个供应链生产计划的协调优化。仿真结果表明,该策略能够较好地协调多厂供应链计划,效果明显优于已有的协调方法。     

一种基于关联图的蛋白质结构预测改进算法

采用一种改进的COMAR （Contact Map Reconstruction）算法求解基于关联图的蛋白质结构预测问题.根据蛋白质关联图和先验知识，并以半随机的方式生成距离信息，根据距离信息得到蛋白质的坐标，并通过坐标修正和摄动，使得重构结构的关联图与给定的关联图相一致.结果表明，阈值较大的关联图所重建的结构较好，与原COMAR算法相比，在相同的迭代次数下，改进的COMAR算法的精度较高.     

一种新的多级关联规则高效挖掘算法

提出一种新的多级关联规则挖掘算法，该算法采用自中间开始并基于集合运算的方法来求频繁集，在求解过程中不需要建立复杂的hash树，并且避免了挖掘初期在每个模式中产生大量的支持事务集，从而减少了I／O操作，提高了挖掘的效率．     

基于数据库约简的关联规则挖掘算法

通过对Apriori算法挖掘过程进行分析，提出了一种基于数据库约简的关联规则挖掘算法．该算法利用每趟挖掘中一些非频繁项集的超集、并集，逐步约简事务数据库中的事务，提高了关联规则的挖掘效率．在这些非频繁项集的基础上建立了数据库约简的定理和推论，并在Apriori算法的基础上设计了ApioriNEW算法．经过对算法进行分析和实验，算法ApioriNEW的挖掘效率比较高．一般情况下，平均可将挖掘效率提高约30%．ApioriNEW算法特别适合大型数据库的关联规则挖掘，已应用在网络故障诊断专家系统的知识获取中．