A study on flowshop scheduling problem combining Taguchi experimental design and genetic algorithm

As genetic algorithm parameters vary depending on different problem types when applying genetic algorithm to reach global optimum, appropriate design value selection has significant impact on the efficiency of genetic algorithm. However, most users adjust parameters manually based on the reference values of previous literature. Such trial-and-error method is time-consuming, ineffective, and often it could not locate the optimal combination. Therefore, in flowshop scheduling problems, this research anticipates to complete optimal parameter combination design in genetic algorithm using Taguchi experimental design. According to the research results, different ways of producing initial solution have significant influence on this research topic. Consequently, confirmation experiment is conducted using the optimal parameter combination obtained from the research results. It is found that the predicted value of signal-to-noise ratio (S/N ratio) and its actual value exists deviation of 0.238%, indicating repetitiveness and robustness of the obtained parameter combination. Hence, this research method can effectively reduce time spent on parameter design using genetic algorithm and increase efficiency of algorithm.     

《大学信息技术基础》课程教学改革的研究

通过对福建省内高中信息技术相关课程及福建省内外《大学信息技术基础》课程设置的调研,针对当前《大学信息技术基础》教学过程中存在的一些问题,结合自己的工作实际,提出改革教学方式、方法,更新教学内容等,提高计算机基础教学质量和教学效果,以适应创新型、应用型人才培养的社会迫切需要。     

地震前后基准站GPS数据异常提取算法

目前对地震前兆异常的研究主要集中在“热”和“电”等方面,很少涉及基准站的GPS数据。然而,已经有学者证明震中附近基准站的GPS时间序列坐标数据中也蕴含着大地震的前兆信息。针对2001~2010年间美国本土发生的具有代表性的三个地震进行了研究,首次将Martingale理论运用于GPS数据处理,提出一种异常提取算法,进而对地震前后,震中附近多个基准站的GPS数据进行分析。实验结果表明算法能够有效的反映大地震前后GPS数据中异常的变化趋势,为使用GPS数据对大地震进行预报提供了更多可能。     

求解0-1背包问题的混合贪婪遗传算法

求解0-1背包问题（KP）的最优解的时候,传统遗传算法（GA）的局部求精能力不足而简单局部搜索算法的全局探索能力有限,针对上述问题,将这两个算法整合并提出了混合贪婪遗传算法（HGGA）。在GA全局搜索框架下增加局部搜索模块,并改进传统仅基于物品价值密度的修复算子,增加基于物品价值的贪婪混合选项,从而加速寻优过程。HGGA一方面引导种群在进化的优质解空间中展开精细搜索,另一方面依靠GA的经典操作算子开拓全局搜索空间,从而达到算法求精能力和开拓能力的良好平衡。HGGA分别在三组数据上做了测试,结果表明在第一组15个测试用例中的12个上,HGGA能够百分百找到最优解,成功率达到80%;在第二组小规模数据集上,HGGA的性能明显好于其他同类GA和其他元启发算法;在第三组大规模数据集上,HGGA较其他元启发式算法具有更好的稳定性和高效性。     

改进蚁群优化算法求解折扣{0-1}背包问题

折扣{0-1}背包问题（Discounted {0-1} Knapsack Problem,DKP）是一个NP-困难的组合优化问题,尽管已经存在一些求解DKP的智能优化算法,但目前尚没有用蚁群优化（Ant Colony Optimization,ACO）算法求解DKP的研究。提出了一个求解DKP的改进ACO（Modified ACO,MACO）算法。MACO算法使用整数编码以保证每组物品最多只有一个物品被选中,在MACO算法构造解的每一步,采用组内竞争选择来降低算法的时间复杂性,对计算选择概率的公式,放弃启发式信息以减少参数并简化算法参数设置,对蚂蚁构造出的解,经修复后使用基于价值密度和价值的混合贪婪优化算子来提高算法的寻优能力。在四类测试用例上对MACO算法进行了测试并与其他算法进行比较,实验结果表明MACO算法的性能明显优于其他算法。     

多目标规划模型在航迹规划中的应用

智能飞行器是由动力装置驱动,并在计算机系统自动引导进行的。航迹规划是实现飞行器智能导航并成功完成任务的技术保障。本文针对智能飞行器飞行过程中受到飞行器的最小转弯角限制以及定位误差的影响,提出了基于A*算法的多目标规划的数据模型以及寻求最优航迹规划路径的算法,并用两个校正点数据集进行了验证。结果显示,改进后的A*算法可以快速地规划出满足限制条件的最优路径。     

An Improved Neural Network with Random Weights Using Backtracking Search Algorithm

This paper proposes a hybrid algorithm by combining backtracking search algorithm (BSA) and a neural network with random weights (NNRWs), called BSA-NNRWs-N. BSA is utilized to optimize the hidden layer parameters of the single layer feed-forward network (SLFN) and NNRWs is used to derive the output layer weights. In addition, to avoid over-fitting on the validation set, a new cost function is proposed to replace the root mean square error (RMSE). In the new cost function, a constraint is added by considering RMSE on both training and validation sets. Experiments on classification and regression data sets show promising performance of the proposed BSA-NNRWs-N.     

蚁群算法的三种并行模型分析

在单机多核下分别构造基于OpenMP和MPI的并行蚁群算法模型,在多核集群机下构造基于MPI和MPI+OpenMP的并行蚁群算法模型,并提出动态蚁群择优策略及分段周期交流策略。基于实际路网的路径寻优问题对上述模型进行比较,实验结果表明,在单机多核下,基于MPI的模型与基于OpenMP的模型相比,运行时间短,加速比高,在多核集群机下,基于MPI+OpenMP的混合模型相比基于MPI的模型,在进程数较多时仍具有较高的加速比。     

基于K60可动态配置通用测控系统的应用研究

针对提高嵌入式系统的开发效率、减少系统开发时间和降低重复工作等问题,提出基于K60动态配置通用测控系统方案。首先,采用构件化设计思想和组态软件设计思想,将系统设计成不针对具体应用的硬件可裁减、软件可配置的通用型测控系统。其次,将系统的配置参数通过修改LCF链接文件定义成Flash变量,存储在可指定的Flash参数扇区中,可单独动态在线擦写参数区而不影响其他部分。最后,将此方案成功地应用到温室大棚环境测控系统中。实践结果表明,可配置的通用型测控系统方案具可行性和高效性。     

基于高斯曲率的曲面光顺方法研究

在交互设计系统中曲率(包括高斯曲率和平均曲率)评价是分析曲线曲面质量的重要工具。对于B样条曲线的光顺算法已经比较成熟。但对于如何基于曲率（包括高斯曲率和平均曲率）的曲面光顺算法则还有许多工作要做。该文提出了一种基于最小二乘的曲面优化算法，可以得到比较好的结果。该光顺算法主要包括两个步骤：依据曲率光顺准则修改曲面的曲率和修改后的曲率基于原曲面优化反向求出新的控制顶点。