灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

改进型蚁群算法在Job Shop问题中的应用

应用改进型蚁群算法解决车间作业调度问题。在原有标准蚁群算法的基础上采用了新的状态转移规则,讨论了各种不同的轨迹更新规则对仿真结果的影响,并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法。由于算法中的参数对算法的求解效率和求解结果都有一定的影响,所以对此也进行了初步的研究,得到了运行较好的参数取值范围。     

测量误差与天文定位误差

论述了基于最优估计理论的天文定位方法中天体高度测量精度与定位精度的关系．理论分析和实验表明,即使高度测量精度较差时,仍可获得满意的定位结果．     

基于幂函数控制指令的垂直飞行仿真性能分析

基于模态直接切换的飞行高度控制方法,在输入控制指令后,存在控制量输出震荡,甚至发散的问题。幂函数符合飞行高度指令变化规律,以此为原型函数,推导给定高度,当前高度和垂直速度之间的关系,将这一变换关系作为垂直速度控制回路的输入指令,设计了平稳控制系统,该系统不需要进行控制模态切换,就可以实现飞行高度保持,以及飞行高度的改变。通过A320飞行仿真平台对设计的平稳控制系统进行性能分析,结果表明该系统可以实现高度的平稳控制,且稳态误差得到了很好抑制。     

面向多目标的自适应动态概率粒子群优化算法

将基于动态概率搜索的粒子群优化(Particle swarm optimization,PSO)算法应用于多目标作业车间调度问题(Flexibleiob shop scheduling problem,FJSP),提出一种新算法.算法在搜索初期利用粒子近邻的平均最优代替传统的单个最优引导搜索,后期用Gaussian动态概率搜索来提高算法的局部开挖能力.然后,引入Pareto优的概念,采用精英集来存放非劣解,提出一种新的适应度值分配方法.此外,在算法中还引入了一种自适应的变异算子来增强解的多样性.最后,用新算法对多组FJSP实例进行测试,并与其他几种方法进行比较,结果表明提出的算法具有较好的搜索性能,是求解多目标FJSP的一种可行方法.     

网络化制造环境下生产动态调度仿真与分析

针对网络化制造环境下生产系统特点,构建异地生产协同调度框架.基于调度框架进行动态仿真计算:应用模糊理论对生产时间分布概率进行判断,确定企业内部生产调度评测参数;使用Hopfield神经网络综合决策,求出企业外协生产与内部调度之间的可行解.将调度框架应用在实际生产调度问题中,对仿真计算结果继续综合优化,能够得到好的可行调度方案.     

求解多目标作业排序问题的遗传算法

利用联合进化遗传算法 ( CEGA)建立了求解多目标排序问题的一般框架 ,采用目标权衡分析诱导出决策人的偏好关系 ,并将其引入求解过程 ,以确定满意排序 ,在搜索寻优过程中 ,将启发式与遗传算法相结合 ,以提高搜索效率 .最后 ,利用该算法框架求解了一个含调整时间的一般 Job Shop排序问题 ,以表明算法的有效性.     

导弹自控终点散布与发射初始姿态关系建模研究

在给定导弹自控终点纵向散布的情况下,如何界定导弹的发射初始姿态域?是动基座发射的导弹武器系统必须面对的问题,它对确定导弹武器系统战术技术指标、发射方式和战斗使用等至关重要。文章通过设计正交试验表、弹道仿真和回归分析等技术途径,建立了导弹自控终点纵向散布和初始发射姿态之间的数学模型,依据此模型并给定导弹自控终点纵向散布,采用非线性规划方法,可获得初始姿态域。     

电学课程一体化教学（CBE模式）

根据国内外先进的职教模式，结合我校目前教学中存在的问题，提出对电类课程的教学改革。     

浅谈基于工作过程系统化的《SQL数据库》教学情境设计

基于工作过程系统化的课程源于真实，但应高于真实，不仅仅要将经验技能传授给学生，更重要的是将探知规律的方法传授给学生．在教学过程中引导、培养学生知识迁移的思维能力，使之通过举一反三能够触类旁通，掌握解决问题的通用技法。