基于模糊规划的处理时间不确定条件下的Job shop问题

研究了处理时间不确定条件下的Job shop生产调度问题,建立了基于模糊规划理论的不确定Job shop调度模型。在采用两种模糊运算的基础上,结合模糊优化和遗传算法给出了一个解决非线性模糊优化问题的可行算法,通过仿真数据说明了所建模型及算法的有效性,并就结果进行了讨论。     

不确定优化问题的研究动向

讨论了不确定优化问题的研究方法，综述了随机规划、模糊优化和区间优化这三类不确定优化问题的主要研究算法、优缺点，提出了进一步研究的发展方向。     

不确定条件下的零等待F1ow shop生产调度问题

研究了处理时间不确定条件下，含零等待模块的模糊Flow shop生产调度问题；采用三角模糊数描述处理时间的不确定性，用零等待策略对加工过程进行约束，建立了基于模糊规划理论的零等待Flow shop调度模型，通过中间值最大隶属度的方法，将原有的模糊调度模型转化为清晰的调度模型；最后应用改进的模拟退火算法对模型进行仿真优化，制定了适用于实际排产过程中的GANTT图，仿真结果说明了调度模型的正确性和改进算法的有效性。     

基于局部模型的再入滑翔类飞行器轨迹在线调整算法设计

针对再入滑翔类飞行器滑翔过程各种复杂条件不确定以及任务不确定问题，将轨迹离线优化与在线调整相结合，提出了一种基于局部模型的轨迹在线调整算法。该算法利用离线Radau伪谱函数表征飞行轨迹，构建轨迹局部模型，并通过轨迹约束空间离散化形成局部模型集；在线运行过程中，引入模糊聚类思想，设计了一种基于模糊隶属度的局部模型子集构建与更新方法，根据实时飞行状态以及任务约束构建与更新局部模型子集，并采用加权融合方法实现轨迹在线生成。最后，通过仿真分析验证了算法的轨迹生成与在线调整性能。     

不确定环境下再制造加工车间多目标调度优化方法

针对再制造生产过程中工件的加工时间和成本不确定性调度问题,文章提出了一种不确定环境下再制造加工车间多目标调度优化方法。该方法采用模糊变量表示其不确定性参数,以最小化加工时间和成本为目标,在满足模糊交货期等约束条件下,构建了不确定环境下多目标决策的模糊机会约束规划模型,并提出了求解该模型的混合智能算法;应用模糊模拟技术产生样本数据,用于训练神经网络以逼近不确定函数;针对神经网络中存在收敛速度慢、容易陷入局部最优的缺点,应用改进的粒子群算法优化神经网路,将训练好的神经网路嵌入改进的遗传算法中求解调度模型。最后,通过仿真实例,验证该模型和算法的可行性。     

生产调度问题的模糊满意优化

研究了生产调度的模糊多目标优化问题．分析了生产调度问题中的优化目标和系统约束的模糊性，分别定义了其模糊满意度，形成了一类具有模糊目标和模糊约束的多目标优化模型，运用模糊优化算法进行求解，对一算例进行了仿真研究，验证了该算法的有效性。     

工期-成本-质量的模糊均衡优化及其Pareto解

针对实际工程项目中存在的不确定因素,通过对工期、成本、质量3个目标函数相互关系的模糊描述,以工序持续时间为决策变量,建立了基于三者的模糊均衡优化模型.为了求解该模型,在微粒群算法的基础上提出遗传免疫微粒群算法,通过测试函数的Matlab仿真验证了算法的有效性,并用于实际工程项目模糊均衡优化问题的计算,得到多组模糊的Pareto最优解,同时绘制相应的3维散点图,为决策者的选择提供准确和直观的依据.研究结果表明,所构建的工程项目工期—成本—质量的模糊均衡优化模型构建的合理性,同时表明遗传免疫微粒群算法在求解该模型方面的有效性.     

不确定条件下的零等待Flow shop生产调度问题

研究了处理时间不确定条件下,含零等待模块的模糊Flowshop生产调度问题;采用三角模糊数描述处理时间的不确定性,用零等待策略对加工过程进行约束,建立了基于模糊规划理论的零等待Flowshop调度模型,通过中间值最大隶属度的方法,将原有的模糊调度模型转化为清晰的调度模型;最后应用改进的模拟退火算法对模型进行仿真优化,制定了适用于实际排产过程中的GANTT图,仿真结果说明了调度模型的正确性和改进算法的有效性。     

基于递阶遗传算法的模糊系统优化设计

给出一种基于递阶遗传算法的模糊神经网络优化算法, 在该算法中对每个染色体都采用递阶编码, 并提出一种改进的交叉算子, 可以同时优化模糊神经网络结构和权值参数. 算法中采用双目标函数作为适应度函数对模糊神经网络模型的精确度和复杂性进行估价, 且对应一个实际问题, 可以通过调整适应度函数的参数值确定所需模糊神经网络模型的精确度和复杂性之间的比例, 从而生成一个适当的模糊神经网络模型. 模拟实验结果验证了该算法的有效性.     

一种新的动态进化聚类算法

针对模糊聚类算法不适应复杂环境的问题,提出了一种新的动态进化聚类算法,克服了传统模糊聚类建模算法须事先确定规则数的缺陷。通过改进的遗传策略来优化染色体长度,实现对聚类个数进行全局寻优;利用FCM算法加快聚类中心参数的收敛;并引入免疫系统的记忆功能和疫苗接种机理,使算法能快速稳定地收敛到最优解。利用这种高效的动态聚类算法辨识模糊模型,可同时得到合适的模糊规则数和准确的前提参数,将其应用于控制过程可获得高精度的非线性模糊模型。     

基于可信性测度的模糊用户平衡交通分配模型

考虑出行行为选择的模糊性以及可信性测度,同时兼顾可能性与必要性的优势,采用三角模糊数作为路段阻抗,建立了基于可信性的模糊多路径分配模型以及模糊用户平衡分配模型．以期望最短路为参照,提出了模糊有效路径的概念,给出了模糊多路径分配算法．在此基础上构建了模糊用户平衡分配的MSA算法．运用一简单算例进行了仿真试验,试验结果证明...     

Fuzzy Economic Order Quantity Inventory Models Without Backordering

In economic order quantity models without backordering, both the stock cost of each unit quantity and the order cost of each cycle are characterized as independent fuzzy variables rather than fuzzy numbers as in previous studies. Based on an expected value criterion or a credibility criterion, a fuzzy expected value model and a fuzzy dependent chance programming (DCP) model are constructed. The purpose of the fuzzy expected value model is to find the optimal order quantity such that the fuzzy expected value of the total cost is minimal. The fuzzy DCP model is used to find the optimal order quantity for maximizing the credibility of an event such that the total cost in the planning periods does not exceed a certain budget level. Fuzzy simulations are designed to calculate the expected value of the fuzzy objective function and the credibility of each fuzzy event. A particle swarm optimization (PSO) algorithm based on a fuzzy simulation is designed, by integrating the fuzzy simulation and the PSO algorithm. Finally, a numerical example is given to illustrate the feasibility and validity of the proposed algorithm.     

Fuzzy Programming Models for Vendor Selection Problem in a Supply Chain

This paper characterizes quality, budget, and demand as fuzzy variables in a fuzzy vendor selection expected value model and a fuzzy vendor selection chance-constrained programming model, to maximize the total quality level. The two models have distinct advantages over existing methods for selecting vendors in fuzzy environments. A genetic algorithm based on fuzzy simulations is designed to solve these two models. Numerical examples show the effectiveness of the algorithm.     

温度预测模糊控制系统

将预测控制与模糊控制结合起来,形成一种预测模糊控制算法,并将该算法用于工业电阻炉的实时温度控制,获得了良好的控制效果。算法中,预测控制负责提高控制精度,模糊控制负责为实时控制提供预测模型未收敛时的控制量及模型收敛后的修正前控制量。     

基于PSO-FCM的长输管道泄漏检测方法

为了提高长输管道泄漏检测的准确率,将改进模糊C均值算法应用于长输管道泄漏检测研究.在传统模糊C均值算法的基础上引入粒子群算法,对其寻找聚类中心的迭代过程进行优化,用粒子群算法替代模糊C均值的梯度下降法,以提高模糊C均值算法的聚类效率和准确率.然后分别用所得的基于粒子群优化的模糊C均值聚类模型、传统模糊C均值聚类模型以及3层BP(Back Propagation)神经网络分类模型对同一组管道泄漏检测实验数据进行处理.对比实验结果证明,基于粒子群优化的模糊C均值算法其性能优于传统的模糊C均值算法和3层BP神经网络,将其模型应用于长输管道泄漏检测的方案可行.     

接触电阻计算新方法

运用模糊系统对接触电阻进行建模.首先通过全因子法进行试验,得到足量试验数据,从试验数据中选出一部分能代表整个样本空间特征的数据作为训练数据训练模糊系统,剩下的作为测试数据对模糊系统进行测试,检测系统可靠性.然后在分析基本遗传算法与递推最小二乘算法特点的基础上,将二者结合形成混合算法,混合算法是在基本遗传算法之后进行递推最小二乘算法的运算.通过训练数据分别利用递推最小二乘算法、基本遗传算法、混合算法训练模糊系统,混合算法的收敛效果优于其他2种方法.通过训练数据建立基于回归分析的接触电阻模型.利用测试数据对各模型进行测试,并比较测试结果,混合算法训练模糊系统所得模型的测试效果是各模型中最好的.测试和比较结果说明若能得到足量训练数据,用混合算法训练模糊系统的方法对接触电阻进行建模是可行的.     

带有模糊约束最短路问题的数学模型及算法

针对带有模糊约束的最短路问题,在其模糊线性规划模型的基础上,利用容差法和罚函数法对该模型进行转化,得到了与原模型具有相同最优解与最优值的转化模型,并提出一种修正的萤火虫算法求解转化模型.数值算例结果表明,该模型与算法对求解带有模糊约束的最短路问题有效.     

基于模糊竞争学习的模糊模型一体化辨识

提出了一种利用MGS(modified Gram-Schmidt)算法建立非线性系统模型的建模方法,并给出了基于MGS算法的模型结构和参数辨识的一体化方法,即利用MGS正交变换对通过模糊竞争学习的聚类结果进行变换,确定对模型贡献大的规则,删除对模型贡献小的规则,同时对模型中的参数进行估计,实现模糊模型结构和参数的优化.仿真结果表明,提出的方法能够对非线性系统进行模糊建模.     

连续搅拌反应釜的自适应模糊辨识与预测控制

化工领域为保证生产安全,对温度、压强、浓度等工艺指标有严格的要求。连续搅拌反应釜属于典型的化工设备,存在较强的非线性和时滞性,传统的建模与控制方法无法满足其精度要求。针对连续搅拌反应釜系统提出一种自适应模糊辨识与预测控制的方法。首先根据模糊划分C均值聚类算法得到模糊隶属度和初始聚类中心,在此基础上采用分层遗传算法进一步优化连续搅拌反应釜T-S模糊模型的参数。其次,采用自适应机制遗忘因子递推最小二乘法来估计T-S模糊模型的后件参数。最后,基于得到的T-S模糊模型,对连续搅拌反应釜进行自适应模糊广义预测控制,仿真结果验证了该算法的有效性。     

基于遗传模糊算法的智能车辆避障路径规划研究

利用模糊逻辑和遗传算法构建一种智能车辆避障路径规划方法.首先建立智能车辆的动力学模型,然后设计模糊控制器,以智能车辆与目标点及障碍物中心点的角度差、智能车辆与障碍物的距离为输入量,智能车辆的速度、转角为输出量分别建立避障行为模糊规则表和趋向目标模糊规则表,最后利用遗传算法对避障行为模糊规则表进行优化.仿真结果表明,该方法是正确和有效的.