具有恶化效应的新工件到达生产调度干扰管理

在工件加工时间具有恶化效应的单机环境下,研究初始计划执行中计划外多个新工件到达的干扰管理问题.将加工成本作为初始目标,将工件相对于初始完工时间的延迟作为扰动目标,构建多目标干扰管理模型.结合归档式多目标模拟退火算法在全局寻优方面的优势,与非支配排序遗传算法在快速收敛到Pareto有效前沿的局部搜索优势,设计了混合元启发式算法在全局搜索和局部搜索之间进行平衡.通过分析问题Pareto最优解特性,可以进一步有效降低混合元启发式算法的搜索空间,提高收敛速度和输出有效前沿的质量.最后,通过随机生成算例进行数值实验,验证混合算法对求解干扰管理问题的有效性和Pareto最优解特性对于算法性能的改进.     

高斯型Runge-Kutta方法研究

提出了一类高斯型Runge—Kutta公式的推导思想，并具体的给出了一个两点三阶高斯型Runge—Kutta公式，证明了高斯型Runge—Kutta公式的精度高于传统的对应的Runge—Kutta公式。     

基于结构自适应模糊神经网络的前列腺癌诊断方法

前列腺癌是近年来严重危害男性健康的疾病.利用模糊神经网络方法可以实现前列腺癌诊断,并将诊断模型表示为模糊规则集合.针对模糊神经网络所提取规则解释性差的问题,提出结构自适应模糊神经网络方法,通过改进损失函数,在训练中控制相似隶属度函数的合并,实现模糊神经网络模型结构自适应调整,减少模糊规则数量,在保证诊断准确性情况下,提取出容易理解的可解释性规则.同时该方法在模型的训练过程中引入粒子群优化(PSO)算法进行结构和参数学习,有效减少计算量,提高训练效率.最后,使用临床医学科学数据中心提供的前列腺疾病检查数据进行数值实验,验证了所提出方法在前列腺癌诊断和可解释性规则提取中的有效性.     

基于多目标神经网络的前列腺癌诊断方法

前列腺癌是男性恶性肿瘤中发病率最高的肿瘤之一.通过对前列腺癌的有效诊断,可以尽早治疗,降低前列腺癌的死亡率.针对前列腺癌早期筛查的准确度不足,病理检查给病人身体带来严重负担的现状,以及现有基于数据挖掘的癌症诊断方法只关注诊断结果准确性或者只关注可解释性的问题,本文提出一种基于多目标神经网络的诊断方法,通过特征选择提取对诊断结果最具有解释性的特征子集,以提高模型的可解释性和准确度;通过采用进化计算的方式进行神经网络的结构和权重学习,从而构建有效的能够充分体现临床信息与前列腺癌之间关联的多目标神经网络模型进行前列腺癌诊断;并通过Pareto优化方法对模型训练过程中的结构和参数进行优化,从而提供多个有效的诊断模型以满足医务工作者不同的决策偏好.