融合制造语义的三维工序模型序列重用方法

针对目前三维工序模型序列重用缺少对加工特征尺寸、加工精度、形位公差等制造信息的考虑,不能很好地支持零件制造过程工艺设计重用的问题,提出一种融合制造信息的三维工序模型序列重用方法.首先,利用图同构原理对工艺路线中三维工序模型序列进行优化,减少搜索空间;然后,利用子图同构对三维工序模型加工特征进行匹配,通过融合制造信息对加工特征匹配进行预处理和相似性评价,以获取具有最相似加工特征的三维工序模型;其次,设计三维工序模型序列优化算法获取同构的三维工序模型序列;最后,以某型轴零件工艺设计过程为例进行实例验证,结果表明融合制造信息的三维工序模型序列重用方法能够准确地根据指定制造特征进行工艺设计重用,具有良好的应用效果.     

基于工艺相似性的产品模块构建方法及其应用

为有效地提高企业的快速响应能力、加工设备利用率与生产效率,降低企业产品设计与制造成本,提出产品零部件工艺相似性分析与产品模块构建方法.首先对产品零部件工序制定规则进行分析,采用模糊设计结构矩阵建立工艺约束关系,并在此基础上通过目标优化验证工艺序列的可行性;其次分析了产品零部件加工工艺序列模型,采用最大子相似序列集评价工艺序列的相似性,避免了因局部加工内容的不同导致的全局相似性误差;最后利用传递闭包法生成工艺序列相似零部件动态聚类过程.该方法已在机床制造行业中得到了实际应用,在满足客户需求的前提下有效地提高了产品设计与加工效率.     

基于深度优先序列模式挖掘的预取模型

序列模式挖掘能够发现隐含在Web日志中的用户的访问规律,可以被用来在Web预取模型中预测即将访问的Web对象。目前大多数序列模式挖掘是基于Apriori的宽度优先算法。提出了基于位图深度优先挖掘算法,采用基于字典树数据结构的深度优先策略,同时采用位图保存和计算各序列的支持度,能够较迅速地挖掘出频繁序列。将该序列模式挖掘算法应用于Web预取模型中,在预取缓存一体化的条件下实验表明具有较好的性能。     

一种改进的型腔粗铣加工可行刀具序列构建方法

刀具序列优化对提高型腔粗铣加工的效率具有显著的作用,构建可行刀具序列是刀具序列优化过程中的重要环节.为此提出一种改进的型腔粗铣加工可行刀具序列构建方法.通过对现行的基于有向图的可行刀具序列构建方法进行分析,指出对刀具进行近似纯数学上的排列组合使得解空间偏大,进而制约刀具序列优化效率是该方法的主要不足；分析刀具在组合过程...     

流水车间成组工件调度问题的多目标优化算法

针对优化目标是最小化全部提前/拖期和机器调整次数的多目标流水车间成组工件调度问题,提出了一种改进的变权重进化算法结合延迟调整算法的联合优化方法。首先采用改进的变权重进化算法对加工排序进行寻优;其次,在给定调度序列的情况下采用延迟调整算法对加工时刻进行优化。仿真实验表明,所设计的算法能够有效地求解该类问题。     

符号熵驱动的零件机加工艺过程的多维度相似性度量方法

机加工艺过程从表象看是一道道工序加工方法组成的序列,但从内里看其实是工件从初始毛坯模型到最终成品模型的几何结构演变过程,单纯从工序加工序列或三维几何结构的角度出发进行相似性检索会降低检索到工艺的有效性.针对以上问题,提出一种符号熵驱动的零件机加工艺过程的多维度相似性度量方法.首先建立基于符号熵的序列相似性度量方法,直接对加工方法序列进行相似性计算;然后建立与加工方法序列对应的几何演变序列,并在符号熵方法的支持下实现对几何演变过程的相似性度量;最后将加工方法序列的相似性计算结果及对应几何演变过程的相似性计算结果进行融合,实现对机加工艺过程相似性的多维度和精准评价.实例结果表明,所提方法在度量不同类型机械零件的工艺相似性时,评价结果更贴近实际制造工艺过程和工艺人员的经验认知,证明方法是可行的.     

基于形态特征的时间序列符号聚合近似方法

由于形态特征能够较为客观地反映时间序列的变化趋势,在时间序列数据降维过程中,形态特征的提取能够保留较为充分的数据信息,为提高后期的时序数据挖掘的效率提供可靠的保障。文中提出基于形态特征的时间序列符号聚合近似方法,综合考虑分段序列的均值和数据分布的形态特征,并且通过论域转化对它们实现符号转化。在相同的压缩比环境下,与传统符号化表示方法相比,该方法能更好地提供原始时间序列数据信息,进而提高时间序列数据挖掘的效率。     

时间序列中快速模式发现算法的研究

针对长时间序列,该文提出了一种新的能快速发现序列中时序模式的检索方法。首先将时间序列分成若干等长的子序列;接着从每个子序列中提取特征序列,该特征序列能够反映子序列中数据的变化趋势;然后根据每个特征序列将相应的子序列分配到一系列盒子中,使得不同盒子中的子序列因数据变化趋势不同而不相似,而在同一盒子中的序列由于数据变化趋势相同而有可能相似;最后通过计算每个盒子中任意两个子序列间的欧几里德距离来发现所有的模式。有关实验证明该算法是行之有效的。     

零件工序模型几何演变序列生成方法及应用

针对机加工艺知识挖掘与重用困难的问题,分析得出工艺知识隐藏在零件工序模型序列的几何变化之中,并进一步提出工序模型几何演变序列的生成和相似性度量方法以及特征匹配算法.首先对工序模型的几何变更进行提取和表示,并将整个工序模型序列中所有前、后道工序间的几何变更按照工艺过程的优先级约束组成了几何演变序列;然后建立零件工序模型几何演变序列的相似性度量算法,并以算法的计算结果作为衡量零件工艺相似性的依据;在几何演变序列中提取出参与特征形成过程的变更元素建立新的加工特征模型,并通过构建特征的匹配算法来为融入加工特征形成过程的更高维的特征识别与匹配提供依据.实例结果表明,文中方法是可行性的.     

基于数值符号和形态特征的时间序列相似性度量方法

针对传统符号聚合近似方法在特征表示时容易忽略时间序列局部形态特征的局限性,以及动态时间弯曲在度量上的优势,提出一种基于数值符号和形态特征的时间序列相似性度量方法.将时间序列进行符号和形态的特征表示后,提出动态时间弯曲与符号距离结合的时间序列距离度量方法,使所提方法能够较好地反映时间序列数据数值分布和形态特征.实验结果表明,所提出的方法在时间序列数据挖掘中能够得到较好的分类效果,具有一定的优越性.     

基于改进的基因表达式编程算法在作业车间调度问题中的应用

文章提出一种新颖的方法一改进的基因表达式编程算法来求解作业车间调度问题。作业车间调度问题是许多实际生产调度问题的简化模型,基因表达式编程算法结合了遗传算法和遗传编程的优点,具有更强的解决问题能力,对基因表达式编程算法进行改进使其在作业车间调度问题的应用上更加有效;最后应用一个实例来验证提出方法的有效性。     

求解车间作业调度问题的一种改进遗传算法

针对标准遗传算法收敛速度慢和易陷入局部最优的问题,在总结已有经验的基础上对标准遗传算法提出改进:采用基于工序的编码、解码方式,每一次遗传操作后对种群采用循环选择并保留最优个体,对交叉操作和变异概率的计算提出了一系列改进方法,避免遗传算法产生无用解或陷入局部优化,以提高效率。通过实验验证,改进后的算法具有可行性,并且可以得到十分满意的结果。     

基于大数据技术的人才智能推荐方法

复杂多样的岗位信息使得很多求职人员很难查找到适合自己的岗位信息,为了提高人力资源的推荐质量,本文基于梯度提升树和混合卷积神经网络设计一种有针对性的人才市场推荐模型。利用流式分布式方法收集求职人员信息并将其转换为可用于算法分析的独热编码,使用梯度提升树提取求职人员特征。混合卷积神经网络在经过训练之后可实现有针对性的人才推荐。本文模型与不结合梯度提升树的混合卷积神经网络、结合梯度提升树的卷积神经网络相比,在召回率和F1-Score上分别提高了9.78%和10.1%。这说明,结合梯度提升树的混合卷积神经网络算法能够有效提高人力资源的推荐质量。     

Scheduling jobs on a single serial-batching machine with dynamic job arrivals and multiple job types

This paper investigates a scheduling model with certain co-existing features of serial-batching, dynamic job arrival, multi-types of job, and setup time. In this proposed model, the jobs of all types are first partitioned into serial batches, which are then processed on a single serial-batching machine with an independent constant setup time for each new batch. In order to solve this scheduling problem, we divide it into two phases based on job arrival times, and we also derive and prove certain constructive properties for these two phases. Relying on these properties, we develop a two-phase hybrid algorithm (TPHA). In addition, a valid lower bound of the problem is also derived. This is used to validate the quality of the proposed algorithm. Computational experiments, both with small- and large-scale problems, are performed in order to evaluate the performance of TPHA. The computational results indicate that TPHA outperforms seven other heuristic algorithms. For all test problems of different job sizes, the average gap percentage between the makespan, obtained using TPHA, and the lower bound does not exceed 5.41 %.     

相关工件车间调度问题的拓扑算法

针对加工装配型离散制造企业实际生产的特点,提出了一类用于表示工序之间偏序关系的相关工件车间调度问题。为了利用已有的求解表示工序之间的线序关系的传统车间调度算法求解相关工件车间调度问题,设计了一种拓扑算法,该算法能够将工序之间的偏序关系转化为线序关系,将相关工件车间调度问题转化为传统的车间调度问题,通过实证研究,结果表明了拓扑算法是可行和高效的。     

改进灰狼优化算法求解机器人作业车间调度问题

针对物料机器人指派和作业车间的联合调度问题,设计了一种改进灰狼优化算法进行求解。根据机器人作业车间调度和灰狼优化算法的各自特点,提出一种面向机器人转移工序的编码方式。解码时,考虑工件运输的前提是工件在当前机器的工序已加工,提出融合间隙解码方法的驱动解码方法。为避免算法陷入局部最优,在灰狼个体位置更新后加入个体变异方法。最后,通过与其他智能优化算法及同类算法进行比较,验证了所提灰狼优化算法的有效性。     

基于网格技术的校园网作业服务模型和调度算法

为了消除校园网的信息孤岛,降低资源浪费,实现资源充分共享,提出了基于网格技术的校园网作业服务模型,并设计和实现了基于可信度遗传策略的作业调度方法。该算法充分结合遗传算法的优点,从而使调度系统具有了一定的自主性和智能性。实验结果表明该算法收敛速度快,全局寻优能力强,整体性能优于遗传算法和Min-min作业调度算法。     

AGV作业调度模型及改进的DE算法研究

AGV作业调度问题的求解结果对AS/RS的运行效率具有重要影响。通过必要的简化,建立了AGV作业调度问题的静态优化模型。可知静态AGV作业调度问题实质是一种带约束的多重TSP问题,属于典型的NP完全问题,目前还不存在可在多项式时间内求解的确定算法。提出了一种改进的差分演化算法用于求解该问题。为了适应AGV作业调度问题的特点,新算法设计了新的两段编码方法,对多个DE算子进行了改造。还提出了基于生存时间的种群多样性增强机制,用于增强算法的搜索能力,避免陷入局部最优。仿真实验显示,该算法可以有效提高AGV作业调度的效率,验证了相关改进机制的有效性。     

Total flow time minimization in no-wait job shop using a hybrid discrete group search optimizer

The no-wait job shop scheduling problem is a well-known NP-hard problem and it is typically decomposed into timetabling subproblem and sequencing subproblem. By adopting favorable features of the group search technique, a hybrid discrete group search optimizer is proposed for finding high quality schedules in the no-wait job shops with the total flow time criterion. In order to find more promising sequences, the producer operator is designed as a destruction and construction (DC) procedure and an insertion-based local search, the scrounger operator is implemented by differential evolution scheme, and the ranger operator is designed by hybridizing best insert moves. An efficient initialization scheme based on Nawaz–Enscore–Ham (NEH) heuristic is designed to construct the initial population with both quality and diversity. A speed-up method is developed to accelerate the evaluation of the insertion neighborhood. Computational results based on well-known benchmark instances show that the proposed algorithm clearly outperforms a hybrid differential evolution algorithm and an iterated greedy algorithm. In addition, the proposed algorithm is comparable to a local search method based on optimal job insertion, especially for large-size instances.     

一种作业弹性与截止时间感知的作业调度算法

针对采用MapReduce模型的大数据分析作业的调度问题进行深入研究，并分析现有任务调度算法的缺陷，现有算法没有考虑资源分配对于作业截止时间的影响，也未考虑不同类型作业截止时间的敏感性问题。因作业的完成时间随着分配资源的不同而改变，故称之为弹性作业，截止时间敏感性是指不同类型作业对截止时间要求的严格程度不同。针对以上问题，提出一种截止时间感知的弹性作业调度算法（DA）。该算法将作业依据截止时间敏感程度进行分类，在基于作业整体执行时间预测的基础上，通过调控不同的资源分配策略来改变作业完成时间，同时结合用户对于截止时间的需求及作业预执行的收益来提前规划作业的资源分配及调度次序使得整体收益最大化。将算法在仿真拥有210个物理节点的集群中进行实验，实验表明该算法满足了截止时间的限制并使得作业整体收益值平均提高了2.37倍。