从脑科学、人工智能到应用

脑科学和人工智能是全球科学技术发展的战略制高点。近年来,随着大数据、5G互联网、超级计算、智能信息科学等新理论新技术的快速发展,受神经生物学启发的深度神经网络等机器学习算法迅速崛起,催生了人工智能在智能诊疗、智能机器人、智能制造等领域的成功应用,为战略性新兴产业带来巨大的发展机遇,成为助力全球产业发展和升级的爆发点和增长点。     

大型复杂工程智能建造与运维的管理理论和方法

大型复杂工程的复杂性挑战已经成为全球性难题,以人工智能为代表的数字技术为应对复杂性提供了新机遇。面对智能建造与运维的新趋势,如何实现管理智能化同步耦合并开拓新的理论和方法,正成为一个新的重要研究领域。在介绍研究现状和发展趋势的基础上,分析智能建造与运维的管理变革,展望建立新情景下工程管理理论和方法面临的典型科学问题,旨在为数字时代工程管理研究提供方向性参考,帮助巩固“中国建造”的学术话语体系。     

智能决策支持系统中定量特征规则的挖掘方法研究

定量特征规则通过将定量信息与规则相结合定量地反映了概念的主要特征和次要特征,面向属性的归纳学习算法是在数据库中挖掘定量特征规则的一个重要手段,但直接采用这种方法往往会使同一个概念有不同的特征描述,这种现象必然降低规则对决策的参考价值.本文提出了一个测量定量特征规律有效性的计算指标,并结合该指标设计出一个新的面向属性的归纳算法,该算法使定量特征规则在有效性上达到最优,避免了同一概念有不同的特征规则的现象.     

炼钢连铸动态调度专家系统设计与仿真

针对炼钢连铸的生产特点,研究了炼钢连铸动态调度专家系统.系统通过混合知识表示形成知识网络,构建树状层次结构实现知识库模块化管理,运用推理机实现动态调度策略实时推理,加强了系统的柔性和知识的重用性.系统能够根据调度方案和生产数据实时监控生产过程,及时识别扰动,并实现重调度.仿真结果表明,系统具有很好的实时性和交互性,能够保持生产的稳定运行.     

基于多智能体的复杂信息系统开发方法研究

提出一种将组织学与多智能主体技术相结合建造复杂信息系统的开发方法. 该方法的基 本思想是首先将复杂信息系统看成一个多主体组织, 依据组织学原理分析多主体系统组织特 性, 建立多主体组织模型, 从而形成多主体系统宏观结构和功能需求的严格规范; 其次, 根据现 有技术和可用资源确定承担各类组织职能的多个主体, 由此确定了各主体的职责和粒度; 然 后, 依据组织模型, 采用信念2愿望2意图(BD I) 结构设计各类主体的概念模型, 为系统的机上实 现建立清晰的可操作的开发模式; 最后, 将所设计的概念模型在协同工作平台(MBO S) 上编程 实现, 快速获得复杂信息系统的原型系     

在数据库中挖掘定量关联规则的方法研究

数据挖掘技术是实现智能决策支持系统的一个重要手段 ,关联规则是数据挖掘的一个重要内容 .传统的 Apriori算法仅适用于挖掘数据间的定性关联关系 ,但数据间的定量关联关系对决策更有帮助 .属性值的离散映射是挖掘定量关联规则的一个重要环节 ,离散映射中属性值区间的划分粒度是影响数据挖掘质量的一个重要因素 .本文结合粗集理论提出了一个确定属性值划分粒度的方法 ,在此基础上设计出一个挖掘定量关联规则的算法 :Apriori 2 ,利用Apriori 2可以挖掘出大量对决策有帮助的定量关联规则     

基于Agent和进化博弈的服务商动态联盟协同管理策略研究

基于进化博弈理论,实现了用于服务商动态联盟协同管理工作的多智能体模拟系统,并进行模拟数据分析。扩展传统对称静态博弈为含惩罚参数和协同效率参数的离散进化博弈情形,设计一种含历史信息和近邻特征的群体进化学习规则;在Repast基础上,用java编程实现了多加盟企业进化博弈Agent模拟系统并进行分析。结果表明:agent规模数对平均收益影响小,具有不同决策特征的agent的比例分布能改变企业的平均收益,不同协同率、沟通方式和惩罚参数对期望收益有影响。为电子商务和移动商务环境下的动态联盟管理决策提供参考。     

启发式算法求解等待时间受限的两阶段流水车间调度问题

等待时间受限的两阶段流水车间调度问题具有强NP难的复杂性,有必要探索问题特征来开发近似求解算法。本文分析了此问题与一般两阶段流水车间调度和无等待两阶段流水车间调度的关系,给出了两类特殊问题的多项式求解方法,探讨了最优调度的工件序列特征。在此基础上,设计了基于排列排序的启发式算法,算法应用Gilmore-Gomory启发式生成初始序列,构造调度解的可替换集合实现迭代寻优,并利用工件序列特征调整工件顺序以优化当前调度。通过对算法的求解性能进行理论分析和实验验证,进一步表明了该算法的有效性。     

模糊需求信息条件下的实时动态车辆调度问题研究

将传统确定性车辆调度问题扩展为具有模糊特征的模糊车辆调度问题。在对模糊需求信息条件下的车辆调度问题进行简单描述的基础上,阐述了全面、实时地考虑所有可用信息的动态模糊车辆调度问题的求解思路,并通过引入决策者主观偏好和模糊可能性的概念,构建了该问题的数学模型,给出了解决该问题的一种实时启发式算法。最后,在最小化车辆行驶距离的目标下,通过随机模拟方法研究了决策者主观偏好值对最终决策目标的影响作用,并通过与非实时调度的比较验证了实时车辆调度的优越性。     

基于杂合遗传算法的工艺路线可变Job Shop调度研究

提出一种将遗传算法与启发式规则、模拟退火法等搜索方法结合在一起的杂合遗传算法,用于求解工艺路线可变的JobShop调度问题。通过对某双极型集成电路封装企业的JobShop调度仿真,结果表明算法是有效和可行的。