管中窥豹——从连动流水句看英汉句法的不同

流水句是最能体现汉语特色的句式,没有标记照样能自由表达事理和感情.这是英语所办不到的.而英语自然有它自己的表达方式来完成类似的表达要求.     

人工挖孔桩施工中常见问题及处理方法

针对人工挖孔桩施工中经常遇到的技术问题，如地下水、流沙、淤泥层、桩身砼浇筑等方面，列举分析了这些技术问题对人工挖孔桩的影响并提出了较为详细的处理方法。对场地受限制时如何保证施工进度也提出了有效的组织措施。     

用遗传算法解决一类模糊流水车间调度问题

对同时考虑模糊加工时间和模糊交货期的模糊流水车间调度问题进行了研究 ,模糊加工时间用三角模糊数来表示 ,模糊交货期用梯形模糊数来表示。应用遗传算法搜索最优排序 ,在适应度函数处理中引入模糊数处理方法 ,以平均满意度最大作为优化目标。最后给出了实验结果和结论     

流水施工组织方法及经济效益剖析

简要介绍了3种不同的流水施工组织方法,并阐述了流水施工的经济效益,指出流水施工的组织方法是建设项目早日投产的首要条件。     

不确定条件下的flow shop问题的免疫调度算法

生产调度是企业生产过程中一个重要部分，而且实际的生产过程中会存在各种各样的不确定性，针对不确定条件下的flow shop（流水车间作业）调度问题，采用模糊数学的方法来处理数据的不确定性，在基于模糊规划理论的基础上建立了相应的调度模型，并结合免疫算法的特点，提出了解决此类问题的模糊免疫调度算法．通过仿真试验，证明了模型和算法的可行性和有效性．     

6353梁架地板线实现自动输送的设想

现代化流水作业中总存在薄弱环节，即制约整个生产节拍的“瓶颈”部位；这个“瓶颈”解决了，另一个“瓶颈”随之显现。也就是说：任何一条流水生产线上作业的均衡性都是相对的，而不均衡才是绝对的。正因为不均衡的绝对性，才促使我们不断的去改善、不断的去创新、不断的得到提高。因而“改善和创新”也就成为促进企业发展的永恒的主题。     

基于多目标萤火虫膜算法的学习效应生产调度问题北大核心CSCDCSSCI

针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。     

多任务流程流水网络计划参数计算及分析

在总结多任务流程特点的基础上,得出了流水网络计划处理此类问题时时间参数的通用计算方法。提取主要的关键影响参数,并定义了工序等待时差及全局关键工序,以此可进行总工期影响分析、资源优化配置、风险分析及进度控制等工作。扩展了流水网络计划的应用范围,为多任务流程工程管理及控制提供了分析方向。     

g支配策略的MOEA/D算法求解多目标流水车间调度问题

采用基于二范数的方法生成权重向量并引入g支配策略对MOEA/D算法进行改进，提出g支配策略的MOEA/D算法（g-MOEA/D）. 将g支配思想与MOEA/D算法有效结合，生成适应决策者DM偏好的有效解的集合，来代替整个Pareto解集或单个有效解，加速种群的收敛性，提高种群的均匀性. 通过仿真实验对比分析g-MOEA/D算法与MOEA/D算法的性能，结果表明，g支配策略的MOEA/D算法所得解集整体性能更优.     

平顺移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度

对平行顺序移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度问题展开研究.构建以加工制造设备总停机次数、批量工件生产周期以及搬运批量工件的总次数为决策目标的基于分层序列法的多目标决策模型,利用该模型可确定批量工件的最优加工排序方案.建立平行顺序移动模式的加工与调整时间模型,该模型是求解生产周期的基础,也是为批量工件的最优调度方案制定生产作业计划的依据.提出并设计平行顺序移动模式下考虑加工时间与调整时间可分离的禁忌搜索算法对问题进行求解.研究结果表明:本研究可为平顺移动模式下考虑加工时间与调整时间可分离的批量生产流水车间选出批量工件的最优调度方案,同时可为批量工件的加工和加工制造设备的调整制定精确的生产作业计划.