一种改进的基于编号的选择排序方法

排序是计算机程序设计中的一种重要操作,在现有的排序方法中,多数情况都是对数据原始排列顺序的一种破坏,一旦进行了排序,数据原始存储顺序就发生了改变,若想再基于数据原始排列顺序进行其他操作也就困难了.排序只是对数据的一种分析手段,对数据记录并不需要一定将其排列有序,只需要对它做好排序准备,在需要排序时再进行排序操作.文中基于应用对选择法排序做了改进,同时,在选择法一次只能选一个的基础上,提高成一次可以确定两个记录,这样也提高了排序效率.     

工件有到达时间的平行机分批排序问题的一个PTAS算法(英文)

研究工件有到达时间的最小化加权完工时间和的平行机分批排序问题,通过综合运用实例转换,工件分类和动态规划等方法提出了一个多项式时间近似框架.     

带有学习效应和机器可用性限制的排序问题

针对单机和两台机器的平行机排序问题,建立了机器具有学习效应和可用性限制的排序模型。在这个模型中,机器具有学习效应。在学习效应下,工件的加工时间与所排位置有关,对于需要在同台机器上加工的工件,工件随位置的靠后其实际的加工时间减少。同时由于定期维修等原因而导致机器在某段时间内不能加工工件。考虑了目标函数为极小化总完工时间的单机和两台机器的平行机问题。对于机器在任意时间进行维修的一般情况给出了动态规划算法,通过数值例子说明了算法的有效性,对机器在使用前进行维修的特殊情况给出了多项式算法。     

基于改进离散微粒群优化算法的混流装配线多目标排序

产品投产排序是混流装配线有效运作的关键,它是标准微粒群算法无法直接应用的离散空间问题.提出改进离散微粒群优化算法来解决混流装配线多目标排序问题.提出了适应离散编码的粒子位置编码方式,有效避免了不可行解的产生,提高算法效率.引入了动态参数及自适应逃逸机制增强了粒子的多样性和搜索性能.分析了装配线参数变化对目标函数和相应投产序列的影响,并确定出了能够获得最优解的合理参数范围.提出评价指标对改进离散微粒群优化算法与基本离散微粒群优化算法进行了对比,对实际混流装配线的仿真实验表明提出的改进微粒群优化算法可以直接应用于离散排序问题,是一种高效的混流装配线排序算法.改进微粒群优化算法与遗传算法的仿真实验对比显示了提出方法在混流装配线排序问题中的优越性.     

基于模糊多准则决策扩展方法的分模线选择和评估研究

针对在模具设计中选择和评估分模线的问题,提出一种模糊多准则决策(MCDM)的扩展方法。首先利用语言变量表示分模线备选方案的评级和准则重要性权值;然后,基于这些语言值求出最终模糊评估值的隶属函数;最后通过一种新型的最大最小集排序方法将规范化加权评级解模糊成清晰值;并对备选方案进行优劣排序。验证和对比实验表明了方法的有效性,与传统模糊多准则决策方法的比较表明,更具有适用性。     

基于全排序与混沌多样性的高维目标进化算法

当前大部分多目标进化算法采用Pareto排序为种群个体指定适应度值;然而随着优化目标个数增加,种群中非支配个体的比例越来越大,造成上述算法的搜索能力迅速下降。针对高维(4个以上)目标优化问题,提出了一种全排序方法;该排序方法与Pareto排序具有一致性,并且能够对非支配解进行比较;因此基于全排序的多目标进化算法不受目标个数增加的影响。为了提高算法的优化效果,设计了一个混沌映射算子,用来周期性地初始化种群,以保证种群的多样性与均匀分布。最后,采用标准测试问题对所提算法与著名的非支配快速排序遗传算法(NSGA2)进行了实验比较。结果表明在高维目标优化问题中,所提算法无论在收敛精度,还是算法运行效率上都高于NSGA2算法。     

置换群与群决策的排序数估计

在决策方案优劣等级排序分析和多层序等价类划分的基础上,构造了等极排序置换群,并提出了群决策中序位相同的可能排序数的解析和递推估计式,分析结果显示,注重维护决策方案的齐次性和协调决策者的意见冲突是提高群偏好集结有效性的重要方法。     

关于学生学习成绩排序的探讨

对学生学习成绩排序进行探讨,指出利用简单的算术平均方法排序的局限性,提出了用加权平均进行排序的合理性．     

生产管理中一类排序问题的遗传算法

生产定理系统中经常会遇到一系列排序问题。本文讨论将ｎ个任务安排在ｍ台设备上完成的一类排序问题。对该类排序问题的其他模型进行了进一步讨论,扩展了模型的适用范围,在建立通用模型的基础上,用遗传算法求解。     

一种最佳二叉排序树的动态检索算法

给出一种最佳二叉排序树的动态检索算法,其性能优于二叉排序和平衡二叉树,克服了用折半检索方法构造最佳二叉排序树的缺点,且不会因插入结点而发生蜕变,影响检索的性能。