自适应路网拥堵疏导系统的研究

随着汽车工业的飞速发展,路网建设显得相对滞后,大中城市中交通拥堵日益严重.介绍一种基于有限状态机的自适应路网拥堵疏导系统,它由路口车流量信息的获取和红绿灯时间自动设置两部分组成.借助数字城市中的视频监控设施,获取路口实时的交通流量信息;再通过基于有限状态机的控制系统,实现红绿灯导通时间的自主设置,前瞻性地缓解路网拥堵现象.     

WCDMA系统中的Turbo码技术分析

分析Turbo码的主要技术,介绍Turbo码的编码器结构、交织器技术、译码器和译码算法等情况.仿真分析及当前的应用表明Turbo码具有广阔的应用前景.     

效率异质型员工项目调度算法研究

研究了员工具有异质效率、最小化项目工期的项目调度问题,并建立了相应的整数线性规划模型。为解决此NP-hard问题,提出了基于优先规则的启发式算法,其在每次迭代中根据优先约束和优先规则选择优先任务员工对以分配任务,直至所有任务都完成调度。通过应用启发式算法生成初始调度,选用交换邻域结构和插入邻域结构产生邻域调度,并使用改进的前向递归算法求解目标函数值,构造出混合模拟退火算法。数值实验显示该算法能快速准确地进行寻优。     

考虑学习效应与物流的单元制造系统优化研究

在考虑员工学习效应与产品物流情况下,研究多技能员工生产多类型产品的单元化制造问题。通过建立0-1非线性规划模型,最小化库存成本、延期交货成本和产品在单元间的物流成本。设计具有二维结构的染色体及相应的遗传算法。以光纤连接器制造系统为例,得出最优的人员分配方案和产品生产路线。数值实验表明:在不同生产规模情形下,考虑产品物流时的运作成本比无物流时显著降低。     

Turbo码译码算法的比较性分析

在研究MAP，Max—Log—MAP，Log—MAP和SOVA算法原理基础上，通过仿真，对LDg—MAP和SOVA算法进行了比较性分析，同时指出了迭代次数、帧长和信噪比对Turbo码性能的影响。     

集成产品族聚类的虚拟共享制造单元优化研究

为适应大规模定制的时代需要,企业需采用灵活的制造系统来处理多元化、个性化的产品。在产品族聚类基础上提出一种动态虚拟共享制造单元模型,灵活分配制造单元产能同时组合产品族,可减少机器配置和能源消耗、提高机器利用率、降低库存;从而帮助企业更合理地配置现有资源,最大程度减少企业在制造过程中的运营成本。为此,设计了基于遗传的阻尼振动算法（GAVDO）进行求解,并与经典的阻尼振动优化算法（VDO）和遗传算法（GA）进行了比较。通过大规模数值实验,结果表明在相同运行时间内GAVDO优于VDO和GA;同时,运用相同的GAVDO求解时,共享制造单元的效果优于非共享制造单元。     

针对技能型员工项目调度的GA进化策略研究

为解决技能型员工具有异质效率、最小化总误工时间的项目调度优化问题,建立了0-1型整数规划模型,并设计了一种遗传算法,采用插入分区基因进行染色体编码,应用改进的前向递归算法求解适应值,并提出了概率进化策略和精英进化策略。数值实验表明,在相同运行时间内,概率进化策略的寻优能力优于精英进化策略。     

求解学习型员工项目调度问题的HPSO算法

为提高工作效率并最小化项目工期,研究学习型员工项目调度问题的求解算法。建立相应的0-1型整数非线性规划模型,提出一种混合粒子群优化算法。该算法应用基于优先规则的启发式算法生成优良的初始粒子,引入离散型算子修正经典的粒子速度和位置方程,采用改进的前向递归算法求解粒子目标函数值。数值实验结果表明,在相同运行时间内,该算法能得到比粒子群优化算法更优的解。     

考虑偏好不确定的合作性单元制造优化研究

企业为加速产品的迭代更新,可采取合作生产及研发制造一体化的战略。该研究在产品设计方面考虑顾客偏好的动态变化和竞争产品的影响,在生产方面引入单元化制造资源合作共享思想。通过建立考虑顾客偏好不确定的合作性单元制造模型,以最大化单位成本所带来的顾客效用为目标,提升消费者福祉。提出了混合候鸟优化算法(HMBO)进行求解,并将它与经典候鸟优化算法(MBO)和模拟退火算法(SA)进行了比较。算例及大量数值实验验证了该方法的正确性和合理性,结果表明在相同运行时间内HMBO优于MBO和SA。     

分布式工厂中微型制造单元多目标优化

由于各地区存在资源禀赋和产业政策差异，分布式生产对提升制造企业竞争力的作用非常重要，如何利用分布式生产增强大规模定制的柔性是提振消费信心需要解决的重要问题。结合微型制造单元的思想，在多市场多类型产品的分布式混流生产情景下，以最小化人工和转运等运营成本以及最大完工时间为目标，提出分布式工厂构建和生产调度集成模型，以求解微型单元构建、工人和机器配置和各批次产品的生产策略。所提模型能帮助企业实现产能快速释放和合理混流生产，从而实现满足多区域、多产品和差异化需求的分布式制造与销售，并在确保产量的同时降低制造过程中的运营成本。此外，设计多目标粒子群优化（MOPSO）算法求解模型，并将它与非支配排序遗传算法Ⅱ（NSGA-Ⅱ）和多目标模拟退火（MOSA）算法进行比较。大规模数值实验的结果表明，在相同的运行时间内，MOPSO算法在解集支配覆盖率（CM）、平均理想距离（MID）和最大分散度（MS）这3个指标上均优于NSGA-Ⅱ和MOSA算法。所提算法可以为微型化分布式生产系统提供高质量的生产运作决策方案。