一维下料问题的自适应广义粒子群优化求解

针对现有粒子群优化算法在求解组合优化问题时粒子速度迭代难以定义的问题,首先将粒子群优化算法与遗传算法相结合,利用交叉算子、变异算子,提出一种广义粒子群优化算法来求解一维下料问题;然后引入模拟退火算法作为自适应策略,避免算法陷入局部最优.仿真实验结果表明,采用自适应广义粒子群优化算法求解一维下料问题具有高效性和鲁棒性.     

求解一维下料问题的改进混合遗传算法

针对一维下料问题,设计了一种局部搜索方法,并将其与遗传算法结合构造了新的混合遗传算法.大量实验表明,该算法求解一维下料问题是行之有效的.     

多线材一维下料问题的求解策略

本文将线性规划与增强顺序法相结合,求解多线材一维下料问题.采用具有全容量特性的解法,一次生成多个排样方式,按比值法选择新排样方式.实验结果表明:对于文献中报道的一些例题,运用算法可降低线材成本;和商业一维下料CAD系统相比,在下料方案的线材成本相同的前提下,本文算法可大幅度缩短计算时间.     

一维下料优化的一种新算法

针对一维下料优化问题,提出了一种基于启发式多级序列线性优化思想的新算法,即将下料优化问题转化为多级序列线性优化问题求解．每级求解时,在当前可行的下料方式中选择最优的一种进行下料。不断重复此操作。直到所有剩余的坯料数目均减小至零为止．原问题的最优解就是各个序列优化问题所求得的最优下料方式的总合．计算表明,与目前常用的整数线性规划或遗传算法相比较．该算法有结构简明、计算速度快、节材效果好的优点．     

基于基因群体的一维优化下料

针对一维优化下料问题,将基于群体的编码方法与遗传算法相结合,设计了一种适用于一维优化下料问题的编码方法,修改了经典遗传算子的操作方法,提出了降序最佳置换方法(BRD).引入最佳配合(BF)、优先配合降序(FFD)局部搜索算法,建立了求解一维优化下料问题的复合遗传算法.应用结果显示,本文方法的效果是令人满意的.     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

一维下料方案的遗传算法优化

在对一维下料方案数学模型分析的基础上，提出了一种基于遗传算法的求解方法。主要思想是把零件的一个顺序作为一种下料方案，并视作组合优化问题来求解。在求解过程中，给出了应用遗传算法求解关键问题的编码、解码方法、遗传算子及适应离函数的定义，并根据这算法开发出一维下料方案的优化系统。实际应用表明，采用该方法求解一维下料方案，可提高材料的利用率，而且还可以提供多个优化方案。     

一维实用下料问题的一种解法

针对单一原材料的一维下料问题,建立了整数规划模型,然后将模型转化为求解最优下料方式问题;利用lingo进行编程,实现循环调用得到一维下料问题的局部最优解.结果显示,下料方式K=60,利用率为98.711%,同时满足时间约束.     

基于VNABC的多规格板材二维下料问题

针对二维下料问题板材单一的特点，研究了多规格板材二维下料问题。板材规格多样、毛坯规格多样且数量庞大，是NP(Non-deterministic Polynomial)完全问题。针对该问题的特点，将下料过程设计成规整和非规整两个阶段。规整阶段完成每种矩形毛坯的主体下料任务之后，如仍有毛坯剩余，则进入非规整阶段采用BL算法（Bottom Left Algorithm）下料剩余毛坯。根据模型特点，提出变邻域人工蜂群算法（VNABC），设计两种解码策略STD和SLD，并改进了VNABC算法的操作算子。最后，采用响应面分析法对VNABC算法进行参数标定。通过仿真实验将VNABC算法与遗传算法（GA）、改进粒子群优化算法（NUS）、模拟退火算法（SA）、人工蜂群算法（ABC）进行了对比分析，实验结果验证了VNABC解决多规格板材二维下料问题的优越性。     

一维下料问题数学模型的计算机自动生成与优化计算

介绍了一维下料问题的下料方式,采用计算机自动生成相应的线性规划数学模型,给出了最优下料方案的求解方法。     

从线性整数规划谈一维下料问题

一维下料问题是运筹学的一个经典NP-hard问题,在生产中普遍存在．优化下料可以提高原材料的利用率, 是企业增加经济效益的途径之一．从线性整数规划开始讨论了下料问题的各种模型,提出了一些需要改进的问题, 介绍了目前该问题研究的热点．     

基于聚合度热点适应机制的网络舆情 大数据收敛算法

为解决当前网络舆情大数据收敛算法普遍存在的收敛困难及热点聚类生成速度较低等难题,提出了一种基于聚合度热点适应机制的网络舆情大数据收敛算法。首先,通过增量用户节点与存量热点之间的信息交互关系,设计了一种基于聚合度初始化机制的数据收敛方案,采用匹配机制逐个对存量热点与增量用户节点间差异度及聚合度进行比对,能够将增量用户节点纳入性能最佳的存量热点所形成的种子聚类,提高聚类形成速度。随后,针对热点数量处于密集状态等极端情况,特别是用户特征匹配过程中难以实现快速匹配等不足,设计迭代方式,以逐步消除种子聚类差异度,提升大数据匹配性能,改善用户节点与热点之间信息交互质量。仿真实验表明:与当前常用的时间片累积挖掘收敛方案(Convergence Scheme for Time Slice Cumulative Mining,TSCM算法)及热点度显影收敛方案(Convergence Scheme of Hotspot Degree Development,HDD算法)相比,本文算法具有更高的收敛速度和聚类形成质量。     

基于模糊推理的多目标决策方法——FSWT法

本文提出了一种基于模糊推理的对话式多目标决策方法——FSWT法,用隶属函数定量描述决策人对各目标值的满意度.决策人用自然语言评价由ε约束法求得的非劣解及其置换率,克服了SWT法中用整数表示代理值和决策人判断不精确性的困难.根据决策人基于其知识和经验的判断规则,经模糊推理修正满意度.     

单一尺寸圆坯的无缝钢管坯料设计模型与算法

无缝钢管坯料设计是在满足生产工艺要求下,将客户订单钢管合理地分配到生产原料圆坯的过程.实际生产中的批量原则使得每个钢管订单在圆坯中有最小分配重量要求;由于无缝钢管分配支数必须取整,导致钢管订单在圆坯中的分配重量并非连续取值.因此,比起相关的板坯设计问题和装箱问题,无缝钢管坯料设计的求解更为复杂.本文给出了无缝钢管坯料设计问题的一般性描述,并建立了混合整数规划模型.针对库存中只有单一尺寸圆坯的情况,简化了问题模型并且求得了问题的下界.结合问题特点,提出了基于贪婪策略的两阶段启发式算法,并用实际生产数据和仿真数据验证了算法求解此类问题具有很好的有效性和稳定性.     

Minimizing Maximum Lateness on Unbounded Single Batching Machine with Family Jobs

The scheduling problem on a single hatching machine with family jobs was proposed.The single hatching machine can process a group of jobs simultaneously as a batch.Jobs in the same batch complete at the same time.The batch size is assumed to be unbounded.Jobs that belong to different families can not be processed in the same batch.The objective function is minimizing maximum lateness.For the problem with fixed number of m families and n jobs,a polynomial time algorithm based on dynamic programming with time complexity of O(n(n/m + 1)m) was presented.     

大型综合医院医疗服务满意度问卷的信效度分析

目的：进行大型综合医院医疗服务满意度问卷的信效度评价．方法：在四川大学华西医院抽取15115例住院病人进行满意度调查．结果：问卷总体和类别标准化克朗巴赫α系数均较高;各题项与问卷总分的相关值和七大类别总分与相应题项的相关值均较高;在调查前,问卷通过了相关专家的评议并经实际应用,对完善医疗服务工作产生了良好的效应．结论：问卷信效度均较高,具有推广应用价值．今后,我们应该广泛进行不同途径病人满意度调查,大力开展满意度问卷的信效度研究     

模糊层次分析方法在客户满意度分析中的应用

客户满意度是客户关系管理（CRM）系统中一个非常重要的衡量指标，对企业的策划等活动具有积极的指导作用，因此针对客户满意度的分析意义重大．客户满意度分析是一个多准则的模糊决策问题，根据模糊集理论以及Dempster-Shafer理论，针对多层次的满意度评价体系，采用逐层使用模糊数加权的方法得到改进的模糊层次分析（FAHP）方法，用于客户满意度的分析当中．通过实验及其对实验结果的讨论，验证了该方法在客户满意度分析中的有效性和科学性．     

M2M业务批量到达排队系统性能分析

针对M2M(Machine to Machine)业务的大规模应用给当前移动通信网络的QoS带来的冲击和影响问题,采用IBP(Interrupt Bernoulli Process)建模M2M业务的到达过程,业
务以批量的形式到达,建立并求解了离散时间系统排队模型IBP/Geom/1/K。区别于传统的IBP模型,该模型每次到达的不是一个,而是一批。采用具有不同突发度的数学模型表征M2M业务每批到达的数量,在概率空间上求解队长的稳态概率,进而得到系统的吞吐量和丢包率等性能指标,并与相同排队强度下M2M业务单个到达时的性能进行对比。实验结果表明,每批到达包数的突发度越大,系统的性能越差;在相同排队强度下,批量到达排队模型的性能对比单个到达情况下的系统性能差;对时延容忍的M2M小数据业务,以时延增加为代价增大缓存可以有效提高吞吐量、降低阻塞率。     

一种极小化ΣwjCj的分批排序问题的算法

讨论了单机分批排序问题中目标是极小化加权总完工时间的问题.对于所有工件的加工时间都相等的情况,分别对常数个到达时间和任意个到达时间的情况给出了两个最优算法,并给出了其算法复杂性.     

一种极小化∑wjCj的分批排序问题的算法

讨论了单机分批排序问题中目标是极小化加权总完工时间的问题．对于所有工件的加工时间都相等的情况，分别对常数个到达时间和任意个到达时间的情况给出了两个最优算法，并给出了其算法复杂性．