加工时间离散可控作业车间调度问题分解方法

给出了加工时间离散可控的作业车间调度问题（job-shop scheduling problem with discretely controllable processing times,JSP-DCPT）基于析取图的模型及其数学描述.提出一种三步分解方法,使得JSP-DCPT可以通过求解一个作业车间调度问题（job-shop scheduling problem,JSP）以及一系列离散时间-成本权衡问题得到解决.为简化分解方法,引入时间-成本相平面描述离散时间-成本权衡问题的权衡点,并详细阐释了一种基于极限模式的集合支配理论以确定用于消减JSP-DCPT分解所得离散时间-成本权衡问题的一个上界.随后提出一种基于极限模式的集合支配分解算法EMSDDA（extreme mode-based set dominant decomposition algorithm）.基于JSP标准算例FT10构造了测试算例JSPDCPT_FT10,实验仿真验证了提出的理论及分解方法的有效性.     

一种基于加工匹配度的车间作业调度方法研究

单件小批量生产形式下的作业车间调度是生产调度中的重要问题.在综合考虑订单优先级、加工时间等诸多因素的基础上,提出了加工匹配度的概念来研究作业调度问题,建立了相应的调度模型,设计了一种启发式作业调度算法.在某制动阀生产企业数控车间的实际应用结果表明,该方法能够较好的辅助车间调度人员进行车间作业调度.     

考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度

针对多产品混合加工车间中有限夹具-托盘资源引发的生产力制约问题,提出了考虑夹具-托盘组合优化的多资源约束柔性作业车间智能调度方法.首先,以最小化最大完工时间为目标建立了基于设备-夹具-托盘三资源约束的混合整数规划模型.其次,设计了基于可行性修复和自学习型变邻域搜索的改良遗传算法并进行求解,提出了种群染色体初始化、交叉、变异过程中的可行性修复策略,在算法迭代中后期引入三种变邻域搜索方法并构建搜索策略知识库,自学习地求得最优解.最后,基于工业大数据生成算例,并通过数值实验证明了该算法具备求解精度和求解时间上的双重优越性,可有效解决设备-夹具-托盘约束下的柔性作业车间调度问题,为加工车间的生产排产智能化转型提供有力支持.     

计算网格环境下基于多址协同的作业级任务调度算法

计算网格下多管理域机群互连为作业级任务协同调度创造了机遇，同时在协同性、异构适应性、网络适应性和算法可扩展性方面对传统的作业调度模型与算法提出了新的挑战．通过引入网格环境下作业级多址任务调度模型与性能模型，提出多址任务协同调度算法框架．以最优和贪心资源选择策略为核心，提出两种作业级多址协同调度算法．同Sabin与Yahyapour等人提出的单址与多址协同算法进行实验对比，验证了调度模型与算法的有效性与先进性．     

具有切换时延的抢占和非抢占式光交换调度研究

在分组交换和路由器设计中弓』入光交换技术，在可升级性、带宽、功率消耗和成本等多方面具有好处．然而，光交换机的切换时延比电交换机的切换时延长得多，使得传统面向电交换的时隙调度算法不适合于光交换环境，因此，需要设计新的调度算法，以便在传输的时隙空隙和切换次数间找到折衷．将此类光交换调度问题分为抢占式调度和非抢占式调度两种不同情形，分析并指出了它们各自的优缺点．尽管非抢占式调度不利于在时隙空隙和切换次数间取得折衷，但对于任意的切换时延，给出的基于最大加权匹配的贪心算法都可以实现2-近似（成本不高于最优调度的两倍），而且算法复杂度不高，为O（N^2）．对于抢占式调度，也给出了一种新颖的调度算法——2-近似启发式算法．每次在查找交换机的切换矩阵时，该算法都能保证剩下的业务矩阵都是2-近似的．仿真结果和分析表明了2-近似启发式算法：1）非常逼近最优调度；2）比ADJUST和DOUBLE算法无论是在业务传输时延，还是在计算复杂度上，都有显著改善．     

应用于微结构制造自治系统的流水线作业调度

在微结构制造自治系统中,作业调度起到至关重要的作用。当前大多数的IC作业调度都是基于组合优化技术的,与以往这些工作不同,本文提出了一种新的基于流水线的调度方案。流水线对于串行作业来说能够达到最佳的运行效率,因此获取最优调度方案问题的关键即在于对IC制造设施进行配置,使之成为流水线。本文对于流水线调度的基本算法进行了讨论。对一个实例进行了基于流水线技术的调度,结果表明多数机器都能够达到100%的最高运行效率。本文所开发的一个调度模拟程序,除了对流水线运行的情况进行模拟外,还能够用作实际的调度器,进行最优化作业调度。     

时滞离散智能系统的动态输出反馈镇定控制器综合的统一方法

提出标准神经网络模型（SNNM）来描述包含神经网络或T—S模糊模型的时滞（或非时滞）离散智能系统．SNNM由离散线性动力学系统和有界静态非线性算子连接而成．利用SNNM的全局渐近稳定性分析的结果，分别设计线性或非线性动态输出反馈控制器，使得SNNM的闭环系统稳定．控制方程可以表示为线性矩阵不等式（LMI）形式，便于利用各种凸优化算法求解以获得控制规律．大部分基于神经网络（或模糊模型）的时滞（或非时滞）离散智能系统都可以转化为SNNM，以便采用统一的方法来综合这些智能系统的控制器．SNNM的3个应用例子表明：SNNM不仅使得大多数基于神经网络（或模糊模型）的离散智能系统镇定控制器的综合简单易行，而且为其他类型的非线性系统的控制器综合提供新的思路．     

单一风电场的短期负荷调度优化策略

随着并网风电场数量迅速增加,单一风电场的调度水平需要提高.如何优化一个周期内风电场机组运行的数量与启停方案,迫切需要研究.针对风电场机组数量众多,调度方案解维数过高的问题,分析风电场机组负荷特性,提取机组负荷特征矩阵,运用FCM模糊聚类算法对风电场机组群进行分类;定义风电场机组运行相对损耗指标和启停相对损耗指标,在风功率预测的基础上,根据总调度指令,应用非线性规划理论建立风电场机组组合优化模型,运用模糊聚类算法和遗传算法相结合对模型进行求解.所建立模型和相应求解方法克服了风电场机组调度解维度过高带来的困难,获得了连续时期的风电场全部机组优化调度.最后,通过算例分析计算了某45MW风电场的多目标机组优化调度,验证了所提出算法的可行性和有效性.     

改进果蝇优化算法优化广义回归神经网络的预测问题研究

为提高传统非线性预测模型的预测精度,提出一种基于改进果蝇优化算法优化广义回归神经网络的预测方法,将果蝇群体分两部分分别进行迭代寻优,从而改进了果蝇优化算法的寻优性能,进而避免了在寻优过程中陷入局部最优。该方法利用改进果蝇优化算法优化广义回归神经网络的径向基函数扩展参数,然后用训练好的广义回归神经网络预测模型进行预测,最后通过订单预测算例进行实证研究。实证研究结果显示,该方法在解决订单预测问题中与未改进的果蝇优化算法优化广义回归神经网络和传统的广义回归神经网络方法对比,具有更高的预测精度和更好的非线性拟合能力。     

基于PSO算法改进的ANFIS在织物染色配色中的应用研究

本文研究了PSO（粒子群优化）算法及一种用于织物染色配色的自适应模糊神经网络（ANFIS）,提出了基于织物染色配色的粒子群算法改进的ANFIS配色模型,并进行了仿真试验。从仿真试验的结果看,该配色模型收敛速度快,精确度较未改进的ANFIS模糊神经网络有明显的提高,在解决织物染色配色问题上取得了令人满意的配色效果。     

Forecasting Core Business Transformation Risk Using the Optimal Rough Set and the Neural Network

In the process of enterprise growth, core business transformation is an eternal theme. Enterprise risk forecasting is always an important concern for stakeholders. Considering the completeness and accuracy of the information in the early‐warning index, this paper presents a new risk‐forecasting method for enterprises to use for core business transformation by using rough set theory and an artificial neural network. First, continuous attribute values are discretized using the fuzzy clustering algorithm based on the maximum discernibility value function and information entropy. Afterwards, the major attributes are reduced by the rough sets. The core business transformation risk rank judgement is extracted to define the connection between network nodes and determine the structure of the neural networks. Finally, the improved back‐propagation (BP) neural network learning and training are used to judge the risk level of the test samples. The experiments are based on 265 listed companies in China, and the results show that the proposed risk‐forecasting model based on rough sets and the neural network provides higher prediction accuracy rates than do other widely developed baselines including logistic regression, neural networks and association rules mining. Copyright © 2015 John Wiley & Sons, Ltd.     

泄漏检测信号滤波技术比较

通过泄漏检测模型试验分析测量信号中的噪声来源，在对比研究传统小波去噪、改进神经网络去噪、最小二乘拟合去噪等方法在实测数据中去噪效果的基础上，借鉴神经网络反向传播学习算法的思路，提出了信号预滤波结合闽值自学习小波去噪的综合滤波方法。该方法通过对恒定状态下带噪压力信号阈值自学习使得重构信号与期望输出均方误差最小来获得单一工况下的最佳去噪阈值，再将此阈值用于同一工况下整个时间段的去噪，这样根据不同工况下得到的最佳阈值可以获得最优输出。数值计算结果比较表明该方法对噪声的抑制作用明显，比传统小波去噪、改进神经网络去噪等方法效果更好。     

日径流预报贝叶斯回声状态网络方法

回声状态网络（ESN）相比传统递归神经网络,具有模型简单、参数训练速度快的特点．针对标准ESN因常采用线性回归率定模型参数容易出现过拟合问题,提出了基于贝叶斯回声状态网络（BESN）的日径流预报模型．该模型将贝叶斯理论与ESN模型相结合,通过权重后验概率密度最大化而获得最优输出权重,提高了模型的泛化能力．通过安砂和新丰江两座水库日径流预测实例表明,BESN模型是一种有效、可行的预测方法,与传统BP神经网络和ESN模型对比,进一步表明BESN模型具有更好的预测精度．     

基于小波阀值降噪和BP神经网络的超短期风电功率预测

针对超短期风电功率预测问题,考虑了风电场复杂的噪声背景和风电功率的波动性,提出了一种基于小波阀值降噪-BP神经网络的超短期风电功率预测方法。该方法采用近似对称光滑的紧支撑双正交小波db4（Daubechies函数）作为小波基,通过多分辨分析的Mallat算法对历史时序风电功率数据进行3尺度分解。根据Donoho阀值法对各层小波系数进行软阀值降噪处理,再通过小波逆变换重构历史时序风电功率,由BP神经网络对其进行训练,预测目的风电功率序列。仿真算例将该方法与普通BP神经网络方法进行了对比,比较结果证明其预测精度优于后者,具有很好鲁棒性和降噪性能,适用噪声复杂的风电场超短期风电功率在赣预测．     

基于BP算法的纹理图象合成研究

针对目前纹理图象合成技术存在的弱点,应用人工神经网络BP算法实现了纹理图象的合成。通过对纹理图象的分析和特征提取来获取图象的各种参数信息,然后采用人工神经网络BP算法,建立BP网络模型,将原始图象的特征函数作为BP网络的输入,通过学习-训练,确定该图象的人工神经网络结构,并最终通过程序合成了纹理图象。     

An intelligent business forecaster for strategic business planning

In this paper an intelligent business forecaster for strategic business planning is presented. The forecaster is basically a multi‐layered fuzzy rule‐based neural network which integrates the basic elements and functions of a traditional fuzzy logic inference into a neural network structure. It has also been shown to be superior to two commercially available business forecasters in terms of learning speed and forecasting accuracy. This paper presents the architectural design of the intelligent business forecaster and the results of a study that has been carried out to compare its performance with that of the others. Copyright © 1999 John Wiley & Sons, Ltd.     

基于BPNN的电液伺服扭振试验机PID控制算法研究

弹性轴类零件液压伺服扭转振动试验概在实验过程中,由于系统非线性及负载变化或干扰因素的影响,其控制系统参数及数学模型易发生改变,导致控制效果变差。针对该试验机的控制系统,提出了基于BP神经网络（BPNN）的PID自适应控制算法。利用MATLAB／Simulink工具箱对该算法进行仿真实验。结果表明：结合了神经网络特点的智能PID控制器具有响应快、精度高、鲁棒性好和抗干扰能力强等优点,改善了控制系统的动态性能。     

基于 R-RNN的孵化器运营水平评价及应用

针对科技企业孵化器运营水平难以科学定量评估的问题,提出了基于粗糙集和 RBF神经网络的 R RNN孵化器运营水平评价模型.基于孵化器运营工作原理的归纳分析,提出多层次孵化器运营水平评价指标体系.根据指标重要程度采用粗糙集理论对评价指标进行预处理,去除冗余指标项,选取重要控制指标并减少网络输入维度,进而采用 RBF神经网络对科技企业运营水平进行综合评价.最后通过具体的应用实例验证了该评价模型的有效性与可行性     

基于STDP规则和忆阻桥突触的神经网络及图像处理

忆阻器是具有记忆和类突触特性的非线性电路元件.基于此特性,文中提出了一个基于STDP（spike-time-dependent plasticity）学习规则的忆阻桥突触电路,它具有可以作为人工神经网络突触的优势.根据此优势,将这个新的电路与其他电路和网络结合,构成全新的电路和网络.首先将该忆阻桥突触电路和3个附加的晶体管结合在一起,实现神经网络的突触运算,并构建完整的忆阻桥突触神经网络.然后再将它与细胞神经网络结合用于图像去噪、边缘提取、角检测和汉字识别.最后,通过一系列的仿真实验证实了该方案的可行性,说明基于STDP学习规则的忆阻桥突触神经网络更具仿生特性,而且集成度更高、模板更易更换,有望解决实时的复杂的智能问题.