一种单层BOM到多层BOM转化算法的实现

研究当前主要的两种BOM表结构--单层BOM结构和多层BOM结构,分析它们各自的优缺点.提出一种基于存储过程的单层BOM结构到多层BOM结构转化的方法,并给出部分实现代码.该算法是基于存储过程的,因此,相对于一般的算法具有更好的计算性能.     

ERP中BOM结构设计及其关键技术研究

在设计树形结构BOM(Bill of Material,物料清单)的基础上,着重研究了BOM遍历、BOM总数量计算、BOM快速复制等关键技术;给出了常用的两种遍历BOM树的算法,对其原理和算法进行了描述,并成功地将研究的BOM关键技术应用到实际的ERP(Enterprise Resources Planning,企业资源计划)系统中。     

物料需求计划算法的改进

针对大运算量的传统物料需求计划算法不能够清晰地反映不同品种或型号间产品的需求信息的不足 ,提出了BOM中心算法 .该算法从整体性和系统性出发 ,运用面向对象设计思想以及虚拟提前期和虚拟结构数量的概念 ,运算层次清晰、运算速度快 ,比传统物料需求计划具有更强的可靠性和实用性     

MRP在建筑施工的物资管理中的应用

根据物料需求计划MRP逻辑流程图，提出了将MRP引入到建筑施工的物资管理中的3个前提条件：施工项目的工期计划；施工中将用到的所有物资的清单（BOM）；施工单位现有库存。并且采用网络计划方法和数据库编程生成了施工项目的工期计划，以施工活动为单位存储物料，获得了项目的物料清单（BOM）；及时与仓库管理部门联系，获取最新的库存信息，最终用MRP解决了建筑施工中物料需求计划的制定问题。     

ERP系统中物料清单到单损耗表的转换算法

结合一个实际的海关联网监管项目,实现了物料清单(BOM)到单损耗表的转换.转换过程采用深度优先算法,在遍历的基础上构造树状BOM结构,并最终按照转换规则生成单损耗表.算法使用面向对象技术,实现了数据的封装,该算法在实际项目中得到了验证.     

一种改进的BOM存储和分解算法

存储ERP/MRP系统中的BOM,指针码的存储效率比层次码高得多,但在进行BOM分解计算时仍需要把指针码转换为层次码的形式,为此,本文对该算法进行了改进,即可以不经过指针码向层次码的转化,直接得到BOM的分解结果,大大简化了操作.     

基于动态建模思想的物料清单柔性化定义

为满足各个企业及其部门对物料清单(BOM)形式与意义的不同需求,以动态建模思想为基础,提出了BOM的柔性化定义.分析了BOM的数据组成及其特点,指出了产品数据与BOM之间的二维相关性,利用面向对象的方法建立了BOM柔性化定义对象模型,通过5个元类描述适合企业具体情况的实体对象类和关系对象类,从而动态建立具体的BOM对象模型.该方法已应用于工艺信息管理系统的设计中.结果表明该方法能很好满足企业对BOM定义的个性化定制和动态更改的需求.     

MRPII中BOM模型的分析与算法实现

BOM作为MRPⅡ的核心,其数据结构的确定与操作算法的设计直接影响到MRPⅡ系统的效率。通过对BOM概念的分析。提出用于存储BOM数据的结构模型,并给出通过BOM获得制造任何成品或半成品所需物料的算法,本算法打破了对树形数据结构访问的传统思想束缚,提出了用于解决类似问题的全新方法,使用此方法可解决所有树型结构数据的存储与展开问题。     

物料需求计划算法的改进

针对大运算的传统物料需求计划算法不能够清晰地反映不同品种或型号间产品的需求信息的不足,提出了BOM中心算法,该算法从整体性和系统性出发,运用面向对象设计思想以及虚拟提前期和虚拟结构数量的概念,运算层次清晰、运算速度快,比传统物料需求计划具有更强的可靠性和实用性。     

企业BOM的集成管理

物料清单(BOM:Bill of Material)是企业运行制造资源计划(MRPⅡ:Manufacturing Resources Planning)的核心,统一而有效的BOM将对MRPⅡ运行有重要意义.文章从BOM的基本概念出发,系统阐述了BOM在企业中的地位及作用.并通过对现阶段企业BOM在实际应用中的一些亟待解决的问题进行了深入的分析与探讨,提出了解决这些问题的一些思想和方法.     

基于模态分析的输电塔结构优化模型

选取常见的干字型角钢塔,提出一种新型的基于模态分析输电塔结构优化模型。构建参数化输电塔结构有限元模型,采用拉丁超立方抽样方法进行高效抽样,将样本空间进行均匀划分,再对样本空间抽样,规避了Monte Carlo法样本空间低效重复抽样的缺点,有效提高Monte Carlo随机有限元法的运算效率;分别采用线性回归,纯二次回归,交叉回归及完全二次回归公式优化输电塔结构,通过线性回归残差分析,并综合考虑相关系数R2、F值、P值及评估误差E,选用完全二次回归模型构造输电塔随机输入变量与各随机输出变量之间的数学关系;分别采用模拟退火算法与遗传算法对模型进行优化,优化结果表明：两种算法均能实现全局搜索,规避优化过程中局部最小点;遗传算法的优势更为明显,收敛速度快,计算耗时短,并且目标函数的优化结果较模拟退火算法更优;与输电塔原始结构相比,遗传算法和模拟退火算法优化后的输电塔耗材总体积分别降低19.97%和19.96%,较为接近;经遗传算法优化后的输电塔优化结构五阶固有频率与一阶固有频率的差值是原设计的138.1%,模拟退火算法优化后的结果为113.7%,经遗传算法优化后的输电塔优化结构更好。     

交联网络中的可重叠社团结构分析算法的研究

社团结构是复杂网络呈现出的一个重要特征。现有的社团结构分析算法都是针对非交联结构的复杂网络,并且大多数是将网络划分为若干相互分离的社团,无法对彼此重叠、互相关联的社团结构进行分析。本文根据交联网络的结构特点,提出了交联网络中可重叠社团结构分析算法（IBCPM算法）。本文利用该算法对用户收藏文章的交联网络进行了社团结构分析,并对所获得的社团结构进行了统计分析。实验结果显示了该算法的有效性及效率,并且发现社团重叠量的累积分布与节点所属社团数的累积分布也具有幂律分布的特征。     

改进的EM算法及其在防洪决策中应用

在给定贝叶斯网络结构情况下,利用EM算法及改进的EM算法对防洪决策贝叶斯网络进行参数学习,改进的EM算法通过定义祖先集及计算该祖先集中变量的条件概率,降低期望计算的计算量．应用两种算法对防洪决策贝叶斯网络进行了性能比较,结果表明,改进的EM算法用于贝叶斯网络参数学习和决策支持具有较高的计算速度和精确度．     

神经网络模型的结构和算法的分离

研究神经网络模型的结构和算法的分离与结合理论及结合神经网络结构描述语言实现底层代码的重用,通过对多种神经网络的比较,总结出规律,论证了结构和算法分离的可行性,给出了分离的理想界线和各部分的适当描述方式及合成的具体方法,只要用户输入对新结构的描述,选择算法库中一种合适的算法就能通过软件自动生成神经网络程序,目前采取这种结构和算法相相分离的方式,被认为是具有一定优势和意义的。     

嵌入社区半径的力引导与径向树混合布局算法

力引导布局算法存在无法展示复杂网络社区结构的缺陷,虽引入聚类的方式来展示社区结构,但社区内节点拥挤且排列无序,不利于观察社区内节点的结构特征与连边关系,为此提出嵌入社区半径的力引导与径向树混合布局算法.该算法首先采用K-means算法对网络节点进行社区划分;然后,用社区内节点数量确定社区半径,并将社区半径嵌入到社区斥力、引力中来展示社区结构;最后,采用径向树布局分层可视化各社区内节点.实验中使用拥挤区域占比、点分布偏差、节点偏差等指标验证了本算法既能降低拥挤度又能减少节点布局偏差,可视化结果显示,本算法布局社区结构明显,节点层次分明,易于理解.     

一种简单而有效的结构消隐线算法

本文介绍结构分析交互前处理系统中一种结构消隐线图的绘制算法。该算法利用 结构边界线段对结构进行“切割“，从而达到消除结构隐藏线段的目的。由于利用了 结构的边界线段和结构图的连通性等特点，使得算法既简单又有效。     

基于模糊竞争学习的模糊模型一体化辨识

提出了一种利用MGS(modified Gram-Schmidt)算法建立非线性系统模型的建模方法,并给出了基于MGS算法的模型结构和参数辨识的一体化方法,即利用MGS正交变换对通过模糊竞争学习的聚类结果进行变换,确定对模型贡献大的规则,删除对模型贡献小的规则,同时对模型中的参数进行估计,实现模糊模型结构和参数的优化.仿真结果表明,提出的方法能够对非线性系统进行模糊建模.     

基于耗散结构理论的差分进化算法

作为一种比较优秀的最优化方法,差分进化算法具有良好的鲁棒性、实践性和收敛性.阐述了差分进化算法的基本概念、形式,分析了传统差分进化算法的优点与不足,提出了基于耗散结构理论的差分进化优化算法.     

面向大规模在线社交网络的社团抽取算法

针对现有的社团分析算法无法在大规模网络上应用的问题,提出一种社团抽取算法,可以高效地分析网络的社团特征.该方法无需事先获取网络的全部拓扑结构,采用网络搜索与社团判定相结合的思路,可有效地抽取结构未知的社交网络上的某个特定社团,从而使分析超大规模网络社团结构成为可能.在仿真数据集上进行实验,分析抽取准确率的影响因素,得出网络平均度越大抽取准确率越高.进一步实验结果表明,社团抽取算法的准确率与现有方法接近,并且执行效率明显高于现有方法,验证了该算法的可行性和有效性.     

基于特征向量和笔顺编码的字形相似算法研究

为充分利用汉字结构、轮廓、笔画、书写顺序等特征识别相似汉字,提出基于特征向量和笔顺编码的字形相似算法,用以解决形近字检索中准确度不高的问题。算法采用图像处理方法及五笔编码规则将汉字转化为特征向量形式和笔顺编码字符串,引入二值化差值算法和改进后的Jaro-Winkler Distance算法分别对其进行相似度计算,2个相似度分别从不同方面反映汉字的相似程度,吸取2种方法的优势对其进行融合,得到最终字形相似度。实验结果表明,该算法在字形检索中较3元组递归算法准确率提高27.8%,较模板匹配算法、结构方法、神经网络算法执行效率平均提高约66.7%,该算法不仅可以有效解决形近字检索中的准确性问题,同时效率也得以优化。