基于粒子群算法的设备大修企业模糊作业车间调度

针对大修企业中调度生产系统中存在的各种不确定因素,通过引入三元组对设备大修企业调度问题进行分析描述,以交货期加权满意度最大为调度目标建立作业车间模糊调度模型。运用粒子群优化算法对模型进行求解,结合企业应用实际进行实例分析,验证了该算法的有效性。     

灾变合作型协同进化遗传算法及其在Job Shop调度中的应用

合作型协同进化遗传算法是多个子种群通过协作而共同进化的新型算法,常应用于多目标、大规模的优化问题。本文在合作型协同进化遗传算法的基础上,进一步模拟自然界中的灾变现象,在原先的算法中加入灾变算子,提出灾变合作型协同进化遗传算法,以防止出现不成熟收敛现象,并用经典的函数优化问题和Job Shop车间调度问题进行仿真实验,其结果验证了改进算法的优良性能.     

基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

多目标模糊优化潮流模型及其基于神经网络的算法

提出了一种计算交流潮流的多目标模糊优化模型。模型中,同时考虑了发电费用最少及网损最小等多重目标。针对该模型,还提出了一种基于神经网络模型的新算法。该算法分别采用神经网络模型进行模糊集隶属函数的表达及优化问题的求解,从而将模糊优化同神经网络有机地结合起来。通过算例对所提模型及算法进行了验证。     

铁路运输管理中的多机模糊排序问题及遗传算法研究

本文研究铁路管理中的多机模糊排序问题,案例背景源于铁路编组站调度计划编制中的多目标决策情形,通过对调度计划中有关概念的模糊化定义,建立了该问题的模糊混合0-1规划模型,遗传算法被用来分析与处理此模糊排序问题。实例计算表明,模糊优化与遗传算法为进一步改进铁路管理质量提供了新的解决途径与方法。     

大系统分解协调理论在电力系统动态调度中的应用研究

提出了电力系统动态优化调度问题的目标分解协调的新算法．基于大系统的分解协调理论，将动态优化调度模型按时段进行分解，通过目标函数的修正来协调时段间经济性与可靠性的要求．该方法既避免了统一解算所造成的维数灾问题，又系统化了各种解耦算法（正推、反推及双向推），将模型的算法统一起来．     

基于灰狼优化算法的装配式预制构件生产调度优化研究

合理优化预制构件的生产调度是降低装配式生产成本的一种方式。在考虑到构件生产资源约束的前提下,建立了装配式预制构件生产调度优化模型,设计了求解该模型的改进离散灰狼优化算法(Improve Grey Wolf Optimization, IGWO)并带入实际案例进行了测试。将改进后的离散灰狼算法、Palmer启发式算法和遗传算法(Genetic Algorithm, GA)结果进行了对比,结果表明：改进后的离散灰狼算法优于Palmer法和遗传算法,且在合理安排调度后能够提升预制构件的生产效率。     

模糊需求下建筑材料最优采购决策模型研究

针对建筑材料在施工中存在需求量不确定的问题,在模糊理论和采购模型的基础上,研究建筑材料在模糊需求情况下的最优采购.运用模糊理论描述了建筑材料采购管理中的不确定性,建立了模糊需求和订货费均为模糊参数的建筑材料采购决策模型,利用符号距离法和重心法进行解模糊来优化,确定建筑材料采购的最佳订货周期和最优订货批量.     

二型模糊系统在音频信号分类中的应用

针对数字音频信号分类问题提出了基于二型模糊集合理论的C均值聚类算法,并在此基础上应用跳跃基因遗传算法对聚类得到的初始模糊模型进行优化,最后采用向量相似性测度准则对优化后的模糊规则集合进行简化,得到最终的模糊分类器模型。与传统的一型模糊集合相比,二型模糊集合可以掌控更多的不确定性信息。基于二型模糊集合理论的C均值聚类算法对样本分布不均匀、结构不规则的样本集的聚类效果更精确。实例仿真结果对比显示,应用二型模糊C均值聚类算法的音频信号分类器比应用一型模糊C均值聚类算法的分类器得到的分类结果更准确。     

基于粗糙-模糊神经网络的焊接图像缺陷识别

针对焊接图像缺陷识别中提取的特征受噪声干扰比较严重以及现有的识别算法准确率低的问题,提出了一种基于粗糙模糊神经网络的缺陷识别算法。该算法充分利用了粗糙集的属性约简、模糊集的处理不精确数据以及神经网络的自学习、对任意函数逼近的优点,有效地解决了不确定建模过程中样本数据受到噪声干扰、模型结构难以确定的问题。仿真结果表明:该算法能有效地提高焊缝图像的缺陷识别能力。     

基于减法聚类产生具有优化规则的模糊神经网络及其软测量建模

提出了一种通过调整减法聚类半径优选模糊规则的软测量建模方法。首先用减法聚类建立T-S模糊模型,然后通过调整聚类半径优选模糊规则数,以取得具有良好泛化性能的模型,之后利用梯度下降混合最小二乘算法精调参数。最后用该方法对初馏塔石脑油干点进行软测量建模,结果表明能较快确定优化模型,并能满足软测量建模精度要求。     

基于DNA进化算法的车辆调度问题

在建立一种物流配送车辆调度模型的基础上,针对传统启发式算法对复杂问题搜索效率低、易陷入局部最优的缺点,构造了DNA进化算法求解该问题。将其在个体变异操作中进行了一些改进,避免陷入局部最优。车辆调度问题(V SP)属于组合优化NP难题。采用V SP问题进行测试,仿真结果表明:该算法简单可行,与其他算法相比较,不但有很好的求解性能,而且具有更快的收敛能力与搜索能力。     

模糊交货期Flow Shop调度文化进化算法研究

基于文化算法及文化进化思想设计了的文化进化算法,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到模糊Flow Shop问题的求解,用Matlab编程仿真测试.结果表明,此算法解决生产调度优化问题是可行的,而且其搜索性能优于简单遗传算法及模拟退火算法.     

一类参数不确定T-S模糊系统的鲁棒控制及仿真

针对一类具有参数不确定的T akag i-Sugeno(T-S)模糊系统,基于模糊区域的概念研究了其鲁棒控制问题。通过将不确定T-S模糊模型转换为不确定T-S模糊区域模型,并利用Lya-punov稳定性理论,导出了线性矩阵不等式(LM I)形式的鲁棒控制器设计方法。相对于传统设计方法,降低了采用线性矩阵不等式方法求解的难度,并具有良好的鲁棒性能。仿真结果验证了该方法的有效性。     

一类投资组合模型的模糊两阶段算法

对多目标证券组合投资模型进行了研究,模型以风险损失率作为风险。该模型是一多目标线性优化问题,我们采用模糊折衷算法对模型进行了求解,算例给出了该模型的一个实例的最优解。     

正态模糊数时间序列的回归预测问题研究

讨论了一类不分明时间序列的线性回归预测问题,通过模糊数空间中的距离,建立了模糊环境中最小二乘回归模型,证明了回归模型的解的存在性和唯一性,并给出了确定模型的模糊参数及检验模型拟合度的计算公式。     

多目标优化生产作业调度计划系统开发

讨论了多目标优化生产作业调度计划系统的结构及主要功能,分析了该系统如何把多目标优化启发式算法、仿真模型及工作日指派相结合,从而实现了生产作业调度计划的动态优化编制及快速修改或重排。     

刮板机链条张力自动控制模型的应用研究

通过对刮板机链条张力控制原理分析,确定刮板机链条张力自动控制模型,由于模糊控制对处理系统非线性问题有较好的优势,对PID控制运用模糊算法进行修正得到了刮板机链条张力控制模糊PID控制器。对模糊PID控制器原理进行了分析,并且建立了对链条张力控制的模糊PID控制模型,研究了PID控制器参数整定的问题,并且利用数值计算软件对刮板机链条张力控制进行了仿真,表明了模型对系统有较好的执行控制性能。     

软件定义网络中基于队列管理的优化流量自适应调度算法

针对当前突发大数据流在单路径调度中产生的链路拥塞问题,为了减少网络链路拥塞、提高网络性能,提出了一种基于队列管理的媒体优化流量自适应调度算法。首先,制定多策略调度策略,对于用于数据平面上的流列队使用特定选择策略的固定优先级调度,通过软件定义网络(SDN)传输媒体优化流量。然后对不同调度策略和条件下SDN中资源管理的有效性进行了全面分析,通过对单个应用资源分配问题和全网应用资源分配问题的迭代求解,得出优化问题的近似最优解。最后与传统的MPLSTE和ECMP算法进行性能对比和分析。结果表明:提出的自适应调度算法本文方法比MPLSTE和ECMP算法能够多转发约9%的流量,在平均链路利用率和平均传输时延几项性能指标上,均优于对比算法。     

城市交通非常规突发事件的应急资源调度最优路径研究

针对城市交通非常规突发事件,在“出救点”和“应急点”已知情况下,研究了多目标下应急资源调度的最优路径问题。对问题进行了描述,建立了时间最短、费用最小的应急资源调度最优路径选择优化模型,将蚁群算法进行改进,结合改进的TOPSIS法求解最优方案,给出了仿真算例。