一类具有学习效应的分批排序问题

本文讨论了分批排序中机器具有带学习效应,目标函数为极小化加权总完工时间的几个问题．就所有工件的加工时间都相等的这一特殊情况,给出几个算法,并证明了算法的最优性．     

基于退火单亲遗传算法的压气机叶片排序算法

提出了一种利用退火单亲遗传算法对压气机叶片按设计要求进行排序的算法.退火单亲遗传算法不仅引入两代竞争模拟退火选择操作,同时将倒位算子和插入算子相结合,并加入保优操作,使搜索效率、收敛速度都得蛰大幅提高.     

考虑概率分布的灰数排序方法

综合分析了模糊数学、随机概率及区间数等不确定性信息处理方法的优劣之处,提出用灰数来描述不确定性信息, 在考虑灰数的概率分布的基础上, 给出了灰数的新定义, 提出了灰数排序的可能度方法,并重点研究了离散灰数和区间灰数的排序规则, 在均匀分布情况下, 区间灰数将退化为区间数. 最后通过算例佐证所建立灰数排序方法的有效性.     

供应链排序问题

所考虑的供应链排序系统为：若干个不同的元件供应商向一产品加工商供应产品元件,产品加工商等所有的元件都加工完成后再开始最后阶段的加工即成品加工;假定成品完工时间是所有元件中最后完工的元件的完工时间（即成品加工是无瓶颈的且将工时设为零）;目标函数是极小化工件所有元件的带权的完工时间之和。对于问题As ｜｜s∑i=1 n∑j=1WijCij.设计出了它的一个计算时间为（n^2logn）的多项式时间算法．     

PX domain and CD domain play different roles in localization and vacuolation of Sorting Nexin 10

Sorting nexins （SNXs） are PX domain containing proteins and essential for intracellular protein sorting, trafficking and signal transduction. The PX domains of SNXs can bind to various phosphorelated phosphoinositides （PIs） and target the host proteins to endosomes. Recently, we have reported that overexpression of SNX10 in mammalian cells could induce giant vacuoles. In this study, we aimed to identify regions in SNX10 critical for the vacuolation activity. We found that both the PX domain and the CD1 region were essential for vacuolation. We provided evidence that the PX domain was able to specifically bind to Ptdlns（3）P and target SNX10 to endosomes. A mutation in the 131 region of the PX domain （V15A） disrupted the Ptdlns（3）P binding ability and the endosomal localization of SNX10. However, correct subcellular localization alone was not sufficient for SNX10 to induce vacuoles. We found that the CD1 region, which was not required for the localization, was indispensable for the vacuolation activity of SNX10. In summary, both the PX domain and the CD1 region are necessary for SNX10 to induce vacuoles but they play different roles in this process.     

快速工艺准备信息建模技术研究

针对制造业普遍存在的工艺水平不高、产品研制周期过长等问题,根据企业的实际情况,建立了适应企业的由界面层、核心层和数据库层构成的快速工艺准备系统体系结构。在此基础上,利用分区排序算法和模糊智能查询算法建立了针对零件的快速工艺准备信息模型,通过应用分区排序算法和模糊智能查询算法,对工艺准备中的工艺规划进行排序,选择最优工艺路线,使零件的特征信息达到快速排序。     

基于NSGA-Ⅱ考虑性能的烧结矿配料优化

针对传统只考虑成本的烧结矿配料优化问题,研究了考虑性能的烧结矿配料优化模型,将性能指标还原度、转鼓指数(机械强度)、利用系数作为目标函数.利用非支配排序遗传算法NSGA-Ⅱ在解决多目标优化问题上的优势对该目标进行优化,结果表明,NSGA-II解决多目标问题很有效,为考虑性能的烧结矿配料优化提供了一种新方法.     

基于OERI积分值的模糊线性规划求解方法及应用

利用OERI积分值的模糊数排序准则,将含有梯形模糊系数的模糊线性规划转化为经典的线性规划,进而给出原模糊线性规划问题的最优解．该方法具有约束条件个数少,计算简单的特点,同时还可以考虑决策者的偏好来选择参数,从而使得决策方案具有一定的柔性．     

加工时间依赖资源的单机成组加工问题

对问题1｜pi,j=bi,j-ai,jui,j,∑i=1^m∑j=1^nj ui,j≤U,Si,GT｜∑i=1^m∑j=1^nCi,j 给出了一个有关最优解中最优资源分配的性质,并利用该性质对bi,j = b, ai.j = a; bi,j = b,ui,j = u; ai,j = a, ui,j = u 3种特殊情况分别给出了最优解。     

基于改进NSGA-Ⅲ的多SGSW火力分配优化

在高维多目标优化中,基于参考点非支配排序遗传算法(non-dominated sorting genetic algorithm-Ⅲ, NSGA-Ⅲ)相比于其他多目标进化算法,具备较强的多样性保持能力,但收敛能力存在一定不足。因此引入遗传K均值(genetic K-means, GKM)聚类算法以提高NSGA-Ⅲ的收敛能力,提出基于NSGA-Ⅲ-GKM算法的多天基对地打击武器(space-to-ground strike weapon, SGSW)火力分配优化方法。首先,建立以转移时间最短、落地点速度最大和落地点侵彻角最大为优化目标的SGSW转移轨道优化模型,为后续优化目标的计算打下基础;其次,建立基于NSGA-Ⅲ-GKM算法的火力分配优化模型;最后,仿真结果表明, NSGA-Ⅲ-GKM算法相比于其他代表性多目标进化算法具备较好的多样性保持能力和收敛能力,总体性能较好,该方法能够更有效地解决多SGSW火力分配优化问题。