钢铁企业合同匹配多目标优化模型与算法

针对钢铁企业中存在的合同对库存余材的优化匹配问题,建立了实现余材利用量最大化和匹配损失费用最小化的多目标0-1规划模型·采用模糊决策方法处理两个目标函数,尝试基于群体的增量学习(Population BasedIncreasedLearning,简称PBIL)算法进行求解·结合模型的特点,利用自然数编码表示合同的匹配结果,按照学习概率大小修复不可行个体·通过对应用实例的计算,以及与遗传算法结果的比较,证明该模型和算法是解决合同优化匹配问题较为理想的方式·     

基于多种群共生进化的RFID网络优化

在RFID(radio frequency identification)网络实际大规模部署与应用方面,如何有效地进行RFID网络规划,使网络资源得到优化分配,在保证高读取率和网络负载平衡的前提下,减少读写器冲突,提高标签读取率是决定RFID系统服务质量的关键问题.分析了RFID网络规划和RFID网络环境下的读写器防冲突问题,对两类问题分别建立了相应的数学优化模型.基于生态系统中的不同物种间的互利共生现象,提出了一种多种群共生进化优化算法SMSO(symbiotic multi-species optimization).试验结果表明,将该算法应用于RFID网络规划与防冲突问题,体现了进化的多样性和多层次性,在寻优能力、收敛速度以及克服早熟收敛等方面均具有很好的性能.     

钢厂生产经营计划中的目标成本控制模型研究

针对市场需求以及市场价格不断波动的情况，以某钢铁公司高线厂为背景，将产品成本控制和生产经营计划相结合，建立了目标成本设定模型、生产能力折算模型，并在此基础上建立了实现目标成本控制的多目标优化模型，通过模型转换和利用加权和法求解多目标规划，得到了考虑产品成本的生产经营计划方案，在某企业的实际应用中验证了该模型的可行性。     

基于多个混沌BP网的案例匹配技术研究

描述了混沌BP网的拓扑结构与实现步骤，引入了模拟退火的控制策略，以便在训练后期有效地控制混沌运动．提出一种基于改进的德尔菲法的算法来确定输出样本集，以提高训练质量，得到了预期效果．给出了基于多个混沌BP网的案例匹配技术框架，提高了案例匹配的效率．与最邻近法相比，结果表明该技术对于类似钢铁生产动态调度这样的复杂系统，能够提高案例匹配的精确性，更适于解决案例属性权重难以确定或存在着耦合和复杂的非线性关系的问题．     

案例推理中案例调整技术的研究

以提高案例推理方法中案例调整的有效性为目的，归纳了案例推理中主要案例调整方法，以模糊集理论为出发点，提出并论证了主要案例调整方式的适用条件。在此基础上，设计了案例调整算法，并给出一个通用的案例调整框架。最后，使用上述案例调整技术，对钢铁生产的动态调度实例进行了求解，仿真结果验证了该技术在解决复杂的案例调整问题上的有效性和柔性。     

基于博弈论和效用论的认知无线电功率控制算法

提出了一种基于博弈论和效用理论的认知无线电功率控制算法。算法将认知用户发射功率净效用函数表示为效用部分和代价部分之差。对效用部分,用Sigmoid型效用函数替代David提出的幂指效用函数,并对替代误差进行补偿;对代价部分,提出了参考历史发射功率经验的代价函数,使得代价的变化更加平稳。仿真分析表明,本文算法与传统算法相比,不仅提高了系统稳定性,而且减少了系统的误差和控制开销。     

自适应PBIL算法求解合同优化匹配问题

描述钢铁企业中客户合同与库存材料的优化匹配问题，建立实现库存利用量最大化、匹配成本最小化的多目标O-1规划模型。结合问题的特点，采用模糊决策方法对多目标函数进行集成，设计一种具有自适应能力的PBIL(Population-based Increased Learning)算法用于模型求解，它的基本思想是利用信息熵来度量算法的进化程度，并按照熵值的变化自适应地调整算法的学习因子和变异率。通过应用实例的计算，以及和基本PBIL算法、GA计算结果的比较，证明该模型和算法的有效性和应用潜力。     

基于信息熵的自适应PBIL算法及其应用

分析了基于群体的增量学习(Population-based Increased Learning，简称PBIL)算法的基本原理和存在问题，提出了一种具有自适应学习和变异能力的改进策略。新的算法采用信息熵衡量种群的进化程度，并根据熵值的变化自适应地调整学习速率和变异率。应用该算法求解典型的Flow Shop调度问题，通过与简单PBIL算法和遗传算法的结果进行比较，表明该算法的计算效率和局部搜索能力得到提高，且收敛过程非常稳定。     

嵌入调整模型的CBR技术的炼钢调度系统

以钢铁生产为背景,以优化钢铁生产调度问题为目的,建立了基于嵌入调整模型的案例推理系统·着重论述了调整模型在该系统中的功能、调整模型的建立与求解过程·为了便于问题的求解,首先非线性调整模型被转化为线性调整模型;其次,采用两阶段求解算法提高求解效率·第一阶段,采用基于启发式思想生成种群的遗传算法将问题进行预处理,降低求解问题维数·为了满足生产现场的需要,在遗传算法实现中提出三维自然数编码策略·第二阶段,对简化后的模型采用单纯形法加以求解·仿真结果验证采用基于嵌入调整模型的案例推理系统来解决钢铁生产动态调度问题,其有效性比单一的采用模型或传统CBR方法要强,随着系统的完善,本系统将投入实际应用,会带...     

考虑批量因素的成品匹配与生产计划联合优化

针对钢铁企业批量化生产组织特点,将成品匹配和生产计划两个过程合二为一,提出了实现两者联合优化的数学模型;结合问题特点构造了具有两段自然数编码的改进遗传算法,并采用启发式规则对违反余材量和生产能力限制的个体进行修复。通过实例仿真,证明了模型与算法的有效性和在实际问题中的应用潜力。