层次分析法中排序的一种新方法

本文论述了AHP法在方案排序中的方法和步骤,并给出了一种综合排序的新方法—“广义距离法”。     

多约束混流线平衡与排序优化问题研究

针对G企业混流装配线设计不合理导致工位间负载不均衡及产品堆积现象,考虑工序与工位间匹配关系,节拍时间、工序优先关系等多约束,以减少工位数量、均衡工位间负载、减少产品等待时间为目标,建立混流装配线设计与产品排序问题的多目标混合整数规划模型,分别设计了分层算法和混合启发式算法;利用小规模算例验证了分层次算法的精确性,利用大规模算例验证了混合启发式算法高效性。基于本文算法对G企业装配线进行优化后,其工位间负载极差由15.6 min减少到0.1 min,优化后投产顺序对应的节拍时间降低了6 min。     

多元Janous不等式的幂指推广

利用排序不等式和切比雪夫不等式,证明多元Janous型不等式的幂指推广形式．同时,推广了近年来关于Janous猜想及其猜测的推广、质疑等一些文章的主要结果．     

搜索引擎的相关排序算法分析与优化

相关排序技术是搜索引擎结果处理的一个核心技术,其排序算法的优劣直接影响查准率.笔者阐述了现有排序算法的优缺点,分析了不同排序算法对查准率的影响,从根集的质量、噪音链接、查询分类几方面进行了优化并考虑了综合因素,提出了一种切实可行的相关排序实现方案.     

基于排序算法的机场停机位分配问题研究

停机位分配作业关系到整个机场的系统运作，其作用相当重要。通过分析航班占用停机位的特性，建立停机位分配问题的排序模型，然后考虑“先到先服务”的规则并通过引入机位标号函数和航班标号函数设计一种求解模型的标号算法，该算法的计算复杂性为O(nm)，最后将该算法应用于一个算例。说明该算法为利用计算机进行停机位自动分配并优化停机位结果提供了一种可行手段。     

一种基于随机占优准则的多指标多标度大群体决策方法

针对多指标多标度大群体决策问题,提出一种基于随机占优准则的决策方法。将参与决策人针对各指标给出的方案评价信息转化为关于指标评价标度的概率分布,然后依据随机占优准则判断并确定两两方案之间比较所具有的随机占优关系,并构建相应的随机占优关系矩阵。在此基础上,运用PROMETHEE Ⅱ方法得到方案的排序结果。实例分析表明,所提出的方法具有可行性和有效性。     

基于多目标融合及改进遗传算法的终端区进场协同排序

未来中国终端区将逐年递增,根据数据显示终端区内空域资源与飞行流量的增长不成正比,终端区内流量趋于饱和。为了有效提升终端区运行的效率,确保航空器在其空域的安全飞行,降低管制员的负荷以及公司的运行成本,从航空器延误、管制员负荷以及各机场资源平衡3个方向建立多机场终端区航空器进场协同排序模型。首先,通过对终端区范围界定,运行主要问题的研究以及空域结构的分析,了解终端区系统的相互关联因素;其次,通过对终端区进场航空器的线路、交叉点的单独分析,找到相应的共同点和影响较高的运行系统相关性因素、相关的约束以及主要的解决目标;最后,利用结合模拟退火算法(simulated annealing algorithm, SAA)的非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)算法对该模型进行求解。结果表明：基于改进遗传算法对该模型求解后对比先到先服务模式以及未改进的遗传算法在效率上分别提高26.3%和53.2%。由此可见,所提出的模型能有效地提高航空器排序的效率。     

考虑子模块电容电压离散度阈值的MMC改进均压策略

针对目前模块化多电平变换器(MMC)采用基于完全排序的各类均压策略导致各相单元子模块电容电压离散度大且功率开关管频繁投切的问题,提出一种引入投切保持系数的子模块电容电压离散度阈值均压策略。在Matlab/Simulink中搭建了桥臂单元子模块个数为20,相单元交流输出为21电平的三相MMC仿真模型。相同运行环境下,将基于离散度阈值与最大偏差量的均压策略进行对比分析,结果表明,本文所提均压策略在保证MMC系统稳定运行的前提下,可有效减小各子模块电容电压离散度与功率开关管的开关次数,降低系统损耗,提高MMC的电能转换效率。     

基于模糊综合评价的目标排序方法

目标打击排序是作战指挥决策中的重要问题,对作战效果影响较大.分析了作战过程中影响目标排序的主要因素,建立了典型目标排序的模糊综合评价模型.采用两两比较法确定模型中的权重,利用专家知识评估目标排序的影响因素并进行综合评价,实现了目标打击顺序定量评估.研究结果表明,本方法计算简便,是打击目标排序的一种有效方法.     

基于改进PageRank算法的文献相关度排序方法

科技文献检索时以专业角度给出合理的相关度排序是一项非常重要工作,传统PageRank算法采用了平均分配相似性权重的方式,但其会产生文献排序结果不合理的问题。为此,提出一种将深度学习方法与PageRank相结合的算法,提高文献相关度排序的可靠性。首先,使用具有注意力池化的孪生BERT(Bidirectional Encoder Representation from Transformers)深度学习网络计算文献与引文的相似度;然后,对文献与其所包含引文间的相似度进行规范化处理;最后,将标准化后的相似度作为分配权重对引文网络计算排序。实验结果表明,相较于传统的PageRank算法,该方法检索结果的相关度提升6%以上,因此更适合应用于科技文献的引文网络分析。