基于实例迁移的磨煤机过程监测建模

当工业生产过程数据匮乏时，很难利用基于数据统计的方法建立其过程监测模型，这给过程监测的准确性和及时性带来很大影响，迁移学习为解决上述问题提供了有效的途径.针对目标域磨煤机过程数据较少的情况，在源域磨煤机数据的基础上，建立基于实例迁移高斯混合模型(Gaussian mixture model，GMM)的目标域磨煤机过程监测模型.利用实例迁移对源域生产过程和目标域过程数据进行权重分配，通过改进的高斯混合模型算法得到最佳高斯组分数目和对应的模型参数，应用过程监测的全局概率指标实现磨煤机过程的跨域监测.磨煤机过程的研究结果验证了所提出方法的可行性和有效性.     

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

深度子领域迁移学习：一种细粒度主动迁移视角

迁移学习能以相关领域中的标注数据为基础，提升目标领域的学习效果。当领域间的数据分布差异很大时，会导致严重的负迁移问题。如何充分捕获源域和目标域之间的相似性，进一步挖掘更多有效信息，最终提高目标域的预测精度，是一个值得探索的问题。该文从细粒度主动迁移的视角，提出一种深度子领域迁移学习(Deep subdomain transfer learning, DSTL)算法，能迭代优化源域和目标域之间的相似性，提升模型预测性能。该文首先提出一种伪标签生成策略，对所有样本进行子领域的划分；制定中心+边缘的主动查询策略，获得关键代表性实例的真实标签；设计一种迭代分布优化策略，实现源域和目标域的子领域对齐，避免负迁移。将DSTL算法与传统迁移学习算法以及当前最新的深度迁移学习算法在主流的基准数据集上进行了测试。统计分析的结果表明，该文所提算法能实现性能的有效提升，扩大模型在实际应用中的适用范围。     

工作流管理系统中动态修改技术的研究

工作流的动态修改技术已经成为工作流研究领域的一个重要问题。本文首先提出了一种版本管理的方法，给出了过程模型的修改方法，提出了一种迁移算法，从而能够比较好的实现柔性工作流，完成工作流的动态修改。     

基于Petri网的迁移工作流模型研究

利用扩充Petri网对迁移工作流进行抽象描述并建立模型，对Petri网的位置、转移、令牌等要素进行扩充描述，使扩充Petri模型能够体现迁移工作流的迁移特性；还分别对照迁移工作流和弱迁移工作流的广义点火规则进行描述。运用Petri网模型设计出一个迁移工作流实例，用以阐明Petri网模型的建模方法。其中着重说明（1）位置模型与实例中的停靠站和工作域之间的映射关系；（2）如何使工作域内各站点对于停靠站具有位置、功能透明性。     

一种基于PNML的工作流模型的实现

讨论一种用PNML(Petri网标记语言)实现工作流过程模型的方法,采用面向对象的设计思想描述了工作流网的基本组件、工作流触发机制的实现,并在此基础上进一步探讨了模块化实现工作流实例的策略。     

基于服务模板的动态工作流建模及实现

针对当前工作流管理系统难以应对企业组织流程变更的问题,基于服务模板技术,提出了一种动态工作流建模方法.首先以服务模板的形式建立动态工作流模型,完成整个业务流程的预定义和对应组织服务的绑定.在此基础上完成该模型的动态操作算法,实现工作流运行过程中对流程变更的发现与自动更新.最后以一个企业工作流项目实例来验证模型的可行性和...     

基于Petri网的工作流并行算法的研究

为了模拟企业工作流的业务流程,实现企业业务过程的自动执行和监控,提出了一种新的工作流Petri网模型及其并行算法。(1)根据工作流系统和Petri网模型的特点,给出了工作流模型与Petri网的映射关系;(2)对基于Petri网模型的四种工作流网基本模型进行并行性分析,提出了一种新的工作流Petri网并行模型;(3)结合Petri网并行划分算法和新的模型进行融合与优化,提出一种新的工作流并行优化算法;(4)以应用实例对工作流并行优化算法进行验算与分析。结果表明,新的工作流Petri网模型及其并行算法可行有效。     

一种轻型工作流引擎的设计与实现

针对目前常见大型工作流引擎存在结构复杂、灵活性差等问题,采用分层存储思想,将工作流过程模型中节点的静态属性和节点之间的动态连接关系分开存储,优化了工作流过程模型文件的存储方式。在保存好的工作流过程模型的基础上,制定了简化的模型解析加载流程,根据节点之间的动态连接关系,提出了节点递归排序算法,保证了节点的有序运行。基于.NET编程平台,开发了一种轻型工作流引擎,实现了工作流实例的解析加载和各活动节点的有序仿真运行,通过案例验证了所开发工作流引擎的正确性和有效性。     

参与者相关的动态工作流模型研究

为了实现工作流中任务的动态分配,分析了参与者普通模型、竞争模型、优先模型和委托模型的动态特性,提出了一种基于Petri网的参与者模型及其工作流的建模方法,使工作流中过程的定义独立于参与者状态,并在工作流执行过程中,过程实例能够根据参与者模型及其具体情况动态选择实际参与者,政务系统中公文流转的简单实例说明了该模型的实用性。     

基于工作流的资源受限项目调度研究

为了解决项目调度模型难以事先建立,或者所建立的模型不能反映项目中过程动态变化的问题,在基于有向图的工作流模型基础上,利用工作流时间管理和资源管理方法,研究了从工作流系统运行时所管理的多个过程实例中动态获取项目调度模型的方法。在此基础上引入了基于规则的调度策略对所得到的项目模型进行调度,调度时充分考虑了模型的全局性和算法的时间可行性。研究成果在所开发的工作流管理原型系统Cimflow中进行了应用。     

基于jBPM的工作流技术在SP行业中的应用

将工作流技术引入到SP业务的开发和运营中,在开源工作流jBPM基础上,提出了面向SP交互业务的工作流引擎SPworkflow,给出SPworkflow的分析、设计和实现方法．该工作流引擎具有以下特点：流程实例完全根据流程定义规则和手机用户的消息自动地流转,满足一个流程实例只有一个用户参与的要求;处理性能高,满足同时存在较多的流程实例的要求;通过维护XML业务流程定义文件完成开发及维护新的SP交互业务,提高了开发效率;使业务开发适应市场多变需求多变的特点。     

基于规则和约束的多层递阶产品开发过程管理

针对开发过程的动态性和不确定性,研究了基于路由规则和任务约束的柔性工作流模型,该模型与传统的工作流模型最大的差别在于其流程实例的路由需要根据运行时的环境和条件动态决定,提高了开发过程的适应能力和敏捷性;针对开发过程的递阶性、嵌套性和层次性等特点,提出了基于任务分解的任务流管理模型,通过任务逐级分解,采用任务分解和工作流相结合的方法,降低了开发过程管理的复杂性,提高了开发过程管理的可操作性．     

基于事例推理的装配顺序规划中的遗传算法改进设计

针对基于事例推理(CBR)的装配顺序推理的特点,建立了相应的遗传算法模型.通过大量的算法实验,分析比较了传统进化、阶段进化和自适应进化策略的优劣,以及算法参数对推理效率和推理质量的影响.在此基础上,设计了改进的遗传算法.最后的实例分析验证了该算法的有效性.     

多目标柔性作业车间调度的多交叉策略元胞进化算法*

针对经典Job-shop调度问题的局限性,构建了以加工成本、瓶颈机器负荷、机器总负荷及制造工期为目标函数的柔性作业车间调度多目标优化模型,提出了基于多交叉策略的元胞多目标遗传算法。在分析优化模型的基础上,使用双层编码方式,并采用多个交叉算子协同进化,提出一种多交叉策略的进化算子。针对元胞多目标遗传算法的特点,提出一种改进的精英策略,保证更多的精英个体参与进化,从而提升算法收敛速度。通过2个基准实例求解对比分析,表明所提方法的有效性。将新算法应用于实际生产企业的车间调度问题中,得到了一组Pareto解集,并采用层次分析法得到一种满意度最大的方案。数据结果表明,该算法在解决多目标FJSP的工程有效性。     

云计算环境下基于热力学演化算法的任务调度与虚拟机分配算法研究

在云计算环境下的云任务调度和虚拟机分配过程建立了数学模型,并将其转换为整数编码形式的组合优化问题,并提出了一种热力学演化算法进行问题求解。算法根据整数编码形式定义了基因熵和个体能量,并引入了温度的概念,算法中提出了两种选择策略,算法利用自由能极小值原理驱动种群向最优化方向演化。实验结果表明热力学演化算法可以有效地解决云任务调度和虚拟机分配问题,可以为云环境调度问题提供依据。     

数据仓库中数据抽取、转换及加载工具研究

分析数据仓库体系结构，描述数据加载过程中的不同实现方法．在实现过程中引入工作流的思想，提出了一种以工作流为模式的基于元数据的ETL模型，将数据加载分解成可配制的具有不同语义的过程，并给出了相关元素的定义，提供了一个可配置的具有良好伸缩性的ETL解决方案。     

基于海明距离改进的自适应遗传算法

针对自适应遗传算法在复杂问题应用中前期收敛速度缓慢和容易陷入局部最优解的不足，通过引进种群迁移及增强种群个体杂交之间的海明距离对自适应遗传算法进行了改进。改进的算法提高了种群精英基因，使其能很好地保留到下一代；较好地提高了自适应遗传算法的全局搜索能力，并增强了算法收敛速度。通过仿真实验验证了本文算法的有效性。