一类具有有界控制器的多重时变滞后系统的指数稳定性

考虑了一类具有多重时变滞后和有界控制器的不确定动力系统的鲁棒指数稳定性问题.匹配一个无记忆的控制器,确保存在一个吸收域.我们所考虑的这类系统的解收敛于一个给定的球.球的半径和指数收敛率可以任意选择.     

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。     

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。     

二进制粒子群优化算法在化工优化问题中的应用

优化问题是化工过程的一个主要问题,而由化工问题建模所得到的优化问题大多较为复杂,此时要求的优化算法具有良好的优化性能。粒子群优化算法是新近发展起来的一种优化算法,但其对多极值函数的优化时,易陷局部极值。本文在分析粒子群优化算法的机理、考虑二进制比十进制更易于学习等的基础上,提出采用二进制表示粒子群优化算法,使每个粒子更易于从个体极值与全局极值中学习,从而使算法具有更强的搜索能力与更快的收敛速度,性能测试说明了所提出的算法是有效的．最后将算法用于求解换热网络的优化问题,取得良好效果。     

具有饱和执行器多重滞后系统的鲁棒控制

利用LMIs方法,对一类具有非线性饱和执行器的不确定线性多重滞后系统的鲁棒镇定问题进行了研究,提出了新的鲁棒可镇定判据和相应的鲁棒无记忆状态反馈控制器设计方法.简洁的例子说明了结果的有效性.     

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。