一种监控与调度集成的滚动式算法

给出一种通过滚动调度将动态调度与监控集成的方法，分析了在实际调度中改变调度策略的必要性和可行性，对滚动调度中的滚动窗口进行了描述。仿真实例表明该算法是有效的。     

求解Job-Shop调度问题的思维进化算法

在基本思维进化算法（Mind Evolutionary Computation)框架的基础上，引入了基于工件加工次序的可行性调度结构，并根据编码的特性，提出了一种用于趋同，异化过程的信息抽取方法，进而完善了用于求解Job-Shop调度问题的趋同，异化算子，并同遗传算法进行了比较，仿真结果证明了方法的有效性。     

基于并行计算模型的并行微粒群算法的性能分析

将微粒群算法与并行计算模型相结合,基于三种不同的并行计算模型(带中央控制器的并行计算模型、环形结构带缓存区的并行计算模型、BSP并行计算模型),设计出相应的并行微粒群算法,并对并行算法性能进行详细分析。大量实验表明:子种群之间的通讯周期是个重要的可变参数,当选取合适时,能提高解的质量以及算法的收敛性和最优性。     

ERP的技术发展以及企业信息化

实施ERP可以为企业带来明显的直接的经济效益和间接的社会效益。ERP系统既能支持离散型制造环境，也能支持流程型制造环境。新一代ERP将越来越面向企业的商务过程和产品全生命周期的相关过程与资源的管理，其业务领域与功能不断扩充。新一代ERP已具有很好的功能可扩展性。     

改进的吸引扩散微粒群算法

为了避免微粒群算法存在的过早收敛问题, 在ARPSO的基础之上, 提出了一个简单的种群多样性度量函数和微粒最好飞行方向的概念, 引入了变异策略, 从而实现了一种改进的吸引扩散微粒群算法MARPSO, 并从理论上分析了MARPSO的局部收敛性和全局收敛性. 对四个经典函数进行了仿真测试, 测试结果表明: 与基本微粒群算法BPSO和ARSPO相比, 该算法能够有效的提高种群多样性, 并且具有较高的收敛速度.     

基于SVM的概率密度估计及分布估计算法

在最大熵分布估计算法中,根据Jaynes原理来建立分布估计算法中的概率密度。基于SVM的概率密度估计则是根据概率密度的定义,由核函数构造一个包含未知参数的概率密度函数。它根据样本点建立这个概率密度的数学规划模型,并用不敏感损失函数的支持向量机方法来求解这个模型。对得到的概率密度进行仿真测试,最后将得到的密度应用到分布估计算法中。     

基于微粒群模型的移动传感器网络部署研究

传感器节点的部署是无线传感器网络中的很重要的问题,因为它反映了传感器网络的成本和监视能力.为了减少传感器节点部署时产生的覆盖盲区,提高网络的覆盖率,提出了一种新的基于微粒群模型的移动传感器节点位置优化配置算法.该算法根据节点的位置信息建立节点部署优化模型.利用微粒群算法求解该优化模型,优化过程中的最优解作为节点的最终配置位置.仿真结果表明该算法最大可能地减少了网络中的覆盖盲区,有效改善了网络的覆盖率.     

基于随机模拟与PSO算法相结合的随机机会约束规划算法

随机机会约束规划作为一类重要的随机规划,广泛存在于许多领域中.为了寻找更有效的求解随机机会约束规划的算法,通过采用随机模拟来逼近随机函数,并在微粒群算法PSO(Particle Swarm Optimization)中利用随机模拟实现估计适应值和检验解的可行性,从而给出了求解随机机会约束规划的新算法,最后,测试其性能并与遗传算法进行了比较,实例结果表明该算法的正确性和有效性.     

基于思维进化计算求解约束优化问题的新算法

约束优化问题一直是科学与工程优化领域中的难点与热点问题之一。由于思维进化计算(MEC)具有严格的群体结构组织、完善的记忆机制、显著的首领效应等特点,因此很便于对约束条件进行描述与度量。文章尝试用MEC求解约束优化问题,借鉴可变容差策略,定义了个体可行测度、群体可行测度、近乎可行个体等概念,利用子群体的可行测度与其优胜者的可行测度,准确描述子群体到可行域的相对位置,并以此为指导信息引导搜索从非可行域不断向着可行域的方向进行,逐渐逼近问题的最优解。对非线性约束优化问题的仿真结果表明,用MEC求解约束优化问题是非常可行的。     

基于思维进化机器学习的自适应趋同策略

基于思维进化的机器学习（ＭＥＢＭＬ）主要由趋同和异化算子构成,趋同策略的优劣直接影响着进化的效率与最优性。本文通过对趋同机理的分析给出了一种自适应趋同策略,包括了群体规模自适应调整和方差自适应调整。最后,以优化问题为仿真实例说明了方法的有效性。