基于启发式规则的柔性制造单元合作协同调度算法研究

柔性制造单元模型为企业提供了一种高柔性和高效率的生产方式.针对该问题,设计了一种基于启发式规则的柔性制造单元合作协同调度算法.通过分解制造单元间的耦合,形成独立的制造单元,按照调度目标选择启发式规则并进行单元合作协同调度,最终形成整体调度方案.数值实验对调度规则进行了验证并表明了这一设计思路的有效性.     

免疫记忆克隆算法求解3G基站选址优化问题

从免疫学的角度出发,研究了免疫系统体液免疫应答原理,基于免疫应答机制,模拟了人体免疫系统的克隆选择、细胞选择、记忆细胞获取、抗体浓度调节等机制,提出了一种新的免疫优化算法.设计了基站选址优化问题的数学模型,给出了一种基于免疫计算的基站选址优化方案,并对所提出的算法进行了收敛性分析.仿真结果表明:所提方案能以相对较低的网络建设成本获得较高的网络覆盖率,具有较好的应用价值.     

一种基于免疫的敏捷供应链形成算法

敏捷供应链形成是敏捷制造的首要问题,主要研究如何在众多候选企业中选择合作伙伴,形成最优供应链。该文通过引入多目标约束条件,优化了问题的数学模型,并设计了一种基于免疫的敏捷供应链形成算法,最后给出一个典型算例,以说明该算法的有效性和实用性。     

区域性网络化制造中若干关键技术的研究与实现

结合相关课题的开发实践,对关中区域网络化制造集成平台中若干关键技术进行了改进。提出了一种基于WSRF的制造资源封装机制,有效屏蔽了制造资源的复杂性和异构性;设计了一个基于Web服务的单点登录系统,增强了集成平台的整体安全性;给出了一套采用VPN技术构建集成平台基础网络环境的核心设备优化配制方案,提高了系统的运行效率和可扩展性,从而为解决区域性网络化制造中的相关具体问题提供了一条切实可行的途径。     

面向网络化制造的多工艺路线规划与调度集成

针对传统的工艺规划与生产调度方法难以满足网络化制造环境下多工艺规划与生产调度集成的问题,建立了一种多工艺路线规划与生产调度集成数学模型,以实现网络化制造环境下多制造任务的工艺路线规划与生产调度的协同决策,产生符合实际生产需要的工艺路线与生产调度方案.为了实现对该集成数学模型的有效解算,分别设计了遗传算法与免疫算法的模型解算方法进行求解,并比较了这2种解算方法的解算效果.仿真结果表明,采用所建立的集成数学模型与解算方法可有效解决网络化制造环境下多工艺路线规划与调度集成的问题,但在求解效率与精度上免疫算法要优于遗传算法,从而为实际应用提供了借鉴.     

基于J2EE架构的企业项目群PMIS系统设计

该文从制造型企业项目群管理工作的实际需求出发,采用基于企业级的J2EE架构,设计了一种制造企业科技项目管理辅助平台的B/S模式解决方案,详细阐述了该方案的功能模块、系统架构.     

基于序列二次规划法的筷子机优化设计

设计的消毒筷子机,用于食堂或餐馆对筷子的卫生消毒。通过对三套方案的综合分析与比较,选择了一种较佳的机构布置方式;建立了关于机构关键点位置参数的结构最紧凑问题的数学模型;基于序列二次规划法,利用MATLAB的优化工具箱求出了一组较优解。根据设计的方案,试制了物理样机,机器能够实现规定的动作和功能,设备的主要特点是制造成本低、使用方便。该创新设计对改善生活品质有实用价值。     

基于产品基因的无人探测小车概念设计方法

为解决概念设计阶段由于设计约束和关键信息模糊不全,导致设计者在进行设计时具有一定的盲目性,且设计出的方案可行性难以保证的问题,提出一种基于产品基因的概念设计方法,创建了概念设计过程模型.在此基础上,提出了产品基因的概念和结构及一种基于功能元的产品基因编码方法.以无人探测小车为例对基于产品基因的概念设计方法进行了说明.结果表明该方法能够使影响概念设计的关键产品信息明确化,降低设计的盲目性,从而提高设计方案的可行性和设计效率.      

多目标优化量子免疫算法求解基站选址问题

为了解决带容量约束WCDMA网络的基站选址问题,提出了一个基于多目标优化量子免疫算法的基站选址优化方案.设计了基站选址问题的数学模型,给出了多目标优化量子免疫算法框架,并进行了实验验证.实验结果表明：算法方案能以较小的基站建设代价满足覆盖要求,具有较好应用价值.     

基于潜变量模型的复杂过程生产设计方法

针对工业品生产过程控制中输入变量的确定及零空间问题求解等复杂过程的生产设计问题,在现有的多元潜变量建模及生产设计等相关问题研究成果的基础上,深入研究了主元回归方法的应用策略和生产设计问题,提出了一种基于潜变量模型的复杂过程生产设计方法.通过与基于标准回归模型生产设计方法对比,展示了该方法的优越性.该生产设计方法的操作条件不仅能够满足工业生产过程产品质量的要求,而且与历史工况的关联结构和范围保持一致,为零空间问题的解决提供了可行方案.最后通过仿真验证了该类方法求解含有零空间的生产设计问题的有效性.     

免疫遗传算法在车间作业调度中的应用

为了求解车间作业调度(JSP)这一典型的NP难题,提出了基于免疫遗传算法(IGA)的JSP问题求解方法.在该求解方法中,结合免疫原理和遗传算法提出了应用于JSP问题的IGA算法流程;算法采用基于工序的编码方式、自适应交叉和变异;同时为了改善交叉算子的性能提出了一种改进的基于工序编码的交叉算子.另外,采用车间作业中“最短处理时间原则”作为IGA算法的免疫疫苗,同时给出了免疫算子的设计方法.最后,通过“Muth and Thompson”基准问题的仿真实验验证了IGA算法在JSP问题求解中的有效性.     

基于免疫算法的电子渠道软件测试用例生成

提出了一种基于免疫遗传算法的电子渠道软件测试用例生成模型,并介绍了免疫遗传算法的基本思想.通过将免疫遗传算法与传统遗传算法和随机算法在电子渠道软件测试用例生成中的比较,说明了免疫遗传算法的效率明显高于传统遗传算法和随机算法,同时也进一步验证了模型的正确性、可行性.     

基于IGA-BP神经网络滚动轴承故障的诊断

为提高滚动轴承故障模式识别技术的研究,基于IGA-BP神经网络的故障诊断原理,运用IGA对BP神经网络的权值与阈值进行调整和优化,利用小波包分解获得轴承振动信号的特征向量,进行了滚动轴承故障的诊断实验研究,对故障模式进行识别。结果表明,IGA-BP神经网络方法具有很强的故障识别能力,说明利用IGA-BP神经网络方法进行轴承故障诊断是可行的。     

免疫遗传算法在BP神经网络中的应用

提出了一种基于免疫遗传算法(IGA)的BP神经网络设计方法.该算法在遗传算法(GA)的基础上引入生物免疫系统中的多样性保持机制和抗体浓度调节机制,有效地克服了GA算法的搜索效率低、个体多样性差及早熟现象,提高了算法的收敛性能.为了解决BP神经网络权值随机初始化带来的问题,用多样性模拟退火算法(SAND)进行神经网络权值初始化,并给出了算法详细的设计步骤.仿真结果表明,同混合遗传算法相比,该算法设计的BP神经网络具有较快的收敛速度和较强的全局收敛性能.     

基于改进GA-BP的移动通信用户流失预测算法

BP神经网络(BPNN)模型对移动通信用户流失的预测有较好的效果,但其全局搜索能力相对较弱,对初始网络权重非常敏感,因此本文通过对用户通信行为的分析,提出一种基于改进GA-BP的移动用户流失预测算法:用改进的遗传算法对BPNN的权值和阈值进行初始化,从而提高预测模型的准确率.改进的遗传算法采用一种自适应的交叉概率和变异概率计算策略,提高了遗传算法寻找全局最优解的能力.通过对比实验发现,本文构建的移动用户流失预测模型,在预测准确率上有着很好的表现.     

改进遗传算法在配电网重构中的应用

：配电网络重构是降低网损、提高电网运行经济性和供电可靠性的主要途径之一．在满足各种运行约束条件下,以网损最小或可靠性最高为目标的配电网重构问题是一个典型的非线性整数组合优化问题．根据配电网特点,提出了改进的遗传算法（ＩｍｐｒｏｖｅｄＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍ－ＩＧＡ）,ＩＧＡ采用新型编码方案,在编码阶段即防止了环网和“孤岛”出现,提高了求解效率,并在此基础上改进了交叉和变异算子．此外ＩＧＡ引入了模拟退火算法以提高算法局部搜索能力．算例结果表明,ＩＧＡ在配电网重构中是可行、有效的．     

求解单级多资源约束生产批量计划问题的免疫遗传算法

通过对单级多资源约束生产批量计划问题(SLCLSP)模型进行分析,提出了基于免疫遗传算法(IGA)求解该问题的方法.此算法在保留基本遗传算法(SGA)随机全局搜索能力的基础上,借鉴生物免疫机制中抗体的多样性保持策略,大大提高了算法的群体多样性.实验结果表明,免疫遗传算法可有效改善基本遗传算法的未成熟收敛和局部搜索能力差的缺点,具有很好的全局收敛能力,使全局收敛性及收敛速度两方面均得到提高,能有效解决SLCLSP问题.     

改进的遗传算法及其仿真

从分析标准遗传算法存在的缺陷入手,提出了一种自适应选择交叉概率、变异概率以及交叉位置非等概率选取的改进的遗传算法并予以仿真,在仿真的基础上对标准遗传算法与改进遗传算法进行性能比较．     

应用改进遗传算法的电力变压器优化设计

为了提高遗传算法在电力变压器优化设计中获得全局最优解的能力，对传统遗传算法的编码方案、遗传算子以及约束条件、适应值函数等方面进行改进研究，提出了一种改进遗传算法，并应用经典数学函数进行验证，结果表明改进遗传算法具有较高的寻优效率。在此基础上提出了适应于求解多目标优化的改进遗传算法，并将改进遗传算法首次应用于S9系列电力变压器的单目标和双目标的优化设计中。应用实例表明，文中提出的改进遗传算法（IGA）具有更强的全局寻优能力和更高的求解精度，对电力变压器的优化设计效果明显。     

一种免疫遗传算法研究及应用

为克服标准遗传算法(SGA)搜索效率低、收敛速度慢等缺陷,文章提出了一种免疫遗传算法(IGA),即在父代优秀个体群的基础上叠加一个服从正态分布的随机变量来产生子代个体,以此综合体现父代优秀个体的遗传性和免疫性。研究表明,IGA对SGA的改进是有效且可行的,显示出稳健的全局优化、计算量少和求解精度高等特点,具有较高的应用价值。