求解混合Flowshop调度问题的简化禁忌搜索方案

针对 HFS系统的最小化 Makespan调度问题 ,提出一种禁忌算法和优先级规则相结合的方案 :采用改进的 RA算法对第 1级工件进行排序 ,并用禁忌搜索对其进行优化 ;采用 FAM算法给工件分配设备 ,其他级工件的排序采用最大剩余时间优先级规则 .和其他 HFS的局部搜索算法相比 ,该方案大大缩减了搜索空间 .仿真结果表明 ,该方法能够较好地解决 HFS调度问题 .     

基于高斯过程的软测量建模

软测量技术在工业过程中得到了广泛的应用，其核心问题就是建立软测量模型。提出了一种基于高斯过程的软测量建模方法，高斯过程是一种有着概率意义的核学习机，在不牺牲性能的条件下，与人工神经网络和支持向量机相比具有实现简单的特点，理论分析和仿真研究表明了高斯过程在软测量建模中的优越性。     

基于粗集理论的缺省规则挖掘模型

提出了一种基于粗集的缺省规则挖掘模型 ,以利于在信息不完备情况下进行推理和决策 .该模型从已知决策系统出发 ,建立了处于不同简化层次上的一系列子系统 ,并将其作为简约格中的节点 ,然后推导出每个节点的规则集 .在应用模型进行推理和决策分析时 ,用给定对象的信息与模型中相应节点的规则进行匹配 ,然后按照某种评判准则得出结论 .这种模型可以很方便地根据给定的信息 ,从最符合的子系统中获得尽可能好的结论     

改进混沌优化及其在非线性约束优化问题中的应用

:研究一种比较新颖的优化方法——混沌优化 ,并在此基础上提出改进的混沌优化 .它利用混沌变量的特定内在随机性和遍历性跳出局部最优点 ,并在局部搜索空间经过线性搜索提高解的搜索速度和精度 ,通过结合精确不可微罚函数以用于求解非线性约束优化问题 .仿真结果表明 ,与已有的直接搜索方法相比 ,该算法简单 ,容易实现 ,求解精度、收敛速度和可靠性较高 ,满足约束的效果较好 ,是解决优化问题的有效方法     

CMAC用于分析和设计非线性过程控制系统(Ⅰ)——CMAC预测器

本文是基于CMAC神经网络分析和设计非线性过程控制系统的第一部分,分析了Chiang&Lin提出的基于广义基函数的CMAC学习算法收敛条件的局限性,提出了一种改进算法,并证明改进算法是收敛的,应用该算法的CMAC用于过程输出的预测器,仿真结果表明了所提方案是有效性的.     

一种基于积分最小二乘指标的时滞过程频域辨识算法

将积分最小二乘指标拓展到时滞过程情形，提出了一种新的频域辨识方法，该方法通过引入Pade近似，在保留积分最小二乘指标的同时，采用最小二乘类算法高效求解，给出了一个描述Pade近似与模型误差之间的关系式，有助于了解Pade近似对辨识结果的影响，方便控制系统的分析与设计，对一个大时滞过程仿真取得了满意的结果，表明所提出方法的有效性。     

基于斜度指标的混合流水车间调度方法

针对混合流水车间（Hybrid Folwshop,HFS)最小化工件全部完成作业时间（Makespan)调度问题，提出混合整数规划模型，基于斜度指标的方法来对工件进行排序，采用最先空闲设备（FAM）算法来分配设备，并给出其最优值的下界以检验该算法。仿真结果表明，该方法能够较好地解决混合HFS的调度问题。     

基于改进模式提取变异算子的遗传算法

在经典遗传算法的基础上，提出了一种基于改进模式提取（Algorithm of pattern extraction,Alopex)，种群个体的连续进化方向作为当前代个体的变异方向，并利用自适应来调整变异步长，通过控制参数来控制变异方向的概率从而跳过局部最优值。对几种典型函数的测试结果表明，基于该变异算子的遗传算法能较好地避免收敛到局部最优，收敛性能优于经典遗传算法。     

一种新的软测量方法及其工业应用

软测量是一门新兴的工业技术，它通过数学模型计算得到工程上难以检测的变量值．本文提出了一种基于模糊神经网络的软测量新方法，运用模糊集合论的知识对非线性对象进行局部模型的划分，并采用趋化性网络进行建模和模型校正．经在某炼油厂精密精馏塔的推断控制系统中的应用，表明该方法能够比较精确地建立过程模型，有效地进行模型的在线校正，而且具有灵活、简明的特点．     

应用离散Karhunen-Loeve法选择丙烯浓度的辅助变量

辅助变量的选择是软测量和推断控制成功与否的关键之一．阐述了如何将离散Ｋａｒｈｕｎｅｎ－Ｌｏ－ｅｖｅ展开法用于分析过程数据,选择辅助变量．并对某炼油厂粗丙烯精馏塔进行了仿真实验研究,取得了与奇异值分解（ＳＶＤ）方法一致的结果