基于变精度粗集的生产调度规则获取

由于规则调度简单、实用，而被管理和工程技术人员广泛使用．规则调度所面临的问题是如何快速获取有效的调度规则以建立起专家系统知识库．把变精度粗集应用于生产调度中，在历史调度数据中发现成功的调度规则解决了生产调度中的规则获取难题．对调度中存在的多决策属性并存的决策表分解问题，提出了有因果关系决策属性的决策表分解方法，描述了基于粗集的生产调度规则获取过程及其应用实例．     

粗集决策表与决策表简化的可信度比较

根据粗集决策表提供信息的完备性,借助可信度的定义,对粗集决策表和简化的决策表的决策规则的可信度进行比较,得出了简化后的决策表的决策规则的可信度高于简化前的决策表的决策规则的可信度,为粗集理论的应用提供了有用的分析工具。     

粗糙集和证据理论相结合的数据挖掘方法

在粗糙集和证据理论相结合的数据挖掘技术中,常用的方法是以证据理论为主,而将粗糙集作为获取证据权重的辅助手段.这种结合方法既不能有效发挥证据理论的数值计算作用,也不能很好利用粗糙集理论的分类功能.因此,文章提出一种新的粗糙集和证据理论相结合的数据挖掘技术.首先通过粗集理论对决策表进行约简,消除系统冗余,得到决策规则.其次对经过约简所得到的决策表进行数值处理,降低预测代价,并构建证据焦元空间.最后将证据焦元空间用合成规则进行融合.计算结果表明,文中所提出的粗糙集与证据理论相结合的数据挖掘方法,不但细化了决策规则,而且给出了决策系统规则的定量描述,有效地补充和扩展了证据理论的应用范围.     

基于粒计算的不完备决策表规则提取算法

为从不完备决策表中获取最简决策规则,在研究粒计算理论的基础上,提出了一种基于粒计算的决策规则提取算法.该算法利用粒计算的方法对由同一决策表所生成的粒库,从不同的角度和多个层次进行研究,尝试从较低阶的粒库中提取出尽可能多的具有一定规则覆盖度与置信度的简洁规则.实例验证表明,算法能有效地获取最简决策规则,为不完备决策表的最简规则获取提出了一种新方法.     

模糊信息表决策规则获取与属性约简方法

将粗糙集方法用于模糊信息表上的规则获取和属性约简, 在包含度概念的基础上, 定义了齐次包含度.对两类模糊信息值的信息表, 条件属性是离散值，而决策属性是模糊的模糊决策信息表和条件属性与决策属性均为模糊的模糊信息表, 采用齐次包含度研究了条件属性在决策属性中的包含关系, 得到了包含度意义下模糊决策信息表的属性约简判定定理和决策规则获取方法. 给出了模糊条件属性的所有可能组合, 研究了模糊组合属性在模糊决策属性中的包含关系, 提出了最大属性协调集的概念，建立了在最大协调属性集下的模糊信息表属性约简和决策规则获取的算法步骤, 并通过算例演示了模糊决策规则获取和属性约简的过程, 从而为模糊信息表决策规则获取与属性约简提供了一类算法.     

一种改进的基于粗集理论的有导师学习方法

属性约简和属性值约简是基于粗集理论进行有导师学习的基础,在分析经典约简算法的基础上,根据粗集理论中属性的依赖度和重要度等性质,提出一种改进的约简方法,以获取简洁的决策规则,从而使有导师学习变得既快捷又准确.并通过实例验证了该算法的正确性和有效性.     

基于粗集的决策规则生成方法

本文首先介绍了粗集理论和布尔推理相关概念 ,在此基础上给出了一种根据分辨函数的计算从决策表中生成决策规则的方法     

基于粗集理论的故障规则自动获取系统的研究

为增强故障诊断专家系统处理不完备信息和自动获取规则知识的能力，应用粗集理论及动态约简思想，深入研究并初步建立了故障规则自动获取系统。其中关键技术包括：故障样本信息的关系型决策表表示；决策表子表的随机采样；条件属性的动态约简算法设计；约简集合的过滤；故障规则的表达结构定义；故障规则的提取和规则的评价等。开发了相应的基于VC 平台的计算机软件，并以汽车发动机异响类故障为样本，对系统的故障规则获取过程进行了案例分析，从相关的实验结果和数据来看，较好地实现了系统的预定目标和功能。     

基于粗集的决策规则生成方法

本文首先介绍了粗集理论和布尔推理相关概念。在此基础上给出了一种根据分辨函数的计算从决策表中生成决策规则的方法。     

基于Rough集和RBF网络的车牌字符识别方法

提出了一种基于Rough集和RBF神经网络结合的车牌字符识别方法。该方法针对车牌字符二值化图像,给出了基于粗糙集理论的知识获取方法,包括根据训练样本的特征向量建立决策表、离散决策表属性、约简决策表属性,然后由约简后的属性构造RBF网络识别器。试验表明该方法有效地减少了决策属性的个数,简化了神经网络识别器的结构,提高了泛化能力和抗噪声能力,在车牌字符识别中取得了较好的识别效果。     

考虑设备时变效应的晶圆加工序列决策调度方法

为改善半导体生产过程中设备状态不确定引起的时变效应可能造成生产计划难以推进、生产效率下降等问题,使用考虑设备时变效应的晶圆加工序列决策调度方法制定调度方案。采集过往加工工时数据,挖掘设备状态变化的特征参数与晶圆的加工工时时变效应的关联关系,从而建立考虑时变效应的平行机调度模型,实现最大完工时间的最小化。设计集成调度优化知识的混合搜索算法(HSAOSK),利用单机调度最优规则与多机调度优化知识库减少搜索空间,提高算法的计算效率。实际算例的分析结果表明：HSAOSK算法求解小规模算例的最优解与精确算法(BRA)相同,求解大规模算法时与其他优化算法相比,最大完工时间可减少6.17%,且计算时间非常短,HASOSK算法的优越性能满足构建半导体调度决策方案的需求。调度决策方法不仅能为具有时变效应的半导体生产系统提供有效的加工序列决策,还能针对设备状态提供不同的维护决策以保证生产效率。     

冶金行业复杂生产过程优化调度系统

根据冶金行业生产特点及在复杂生产过程计划调度中存在的问题,建立了分形计划调度模型并确定了目标函数,提出了基于排序理论和规则的调度算法。算法首先确定相应参数,以棒线材厂轧制安排为核心,进行轧制组批,确保充分发挥关键设备的能力,然后按照反提料方式逆向推算炼钢合炉顺序,最后给出整个算法的处理流程。将算法应用于冶金行业复杂生产过程优化调度系统,进行计算机模拟仿真,验证了此调度算法的准确性、有效性和实用性,可实现企业计划调度的整体优化。     

Dynamic Scheduling of Flexible Job Shops

Aim of this research is to minimize makespan in the flexible job shop environment by the use of genetic algorithms and scheduling rules. Software is developed using genetic algorithms and scheduling rules based on certain constraints such as non-preemption of jobs, recirculation, set up times, non-breakdown of machines etc. Purpose of the software is to develop a schedule for flexible job shop environment, which is a special case of job shop scheduling problem. Scheduling algorithm used in the software is verified and tested by using MT10 as benchmark problem, presented in the flexible job shop environment at the end. LEKIN software results are also compared with results of the developed software by the use of MT10 benchmark problem to show that the latter is a practical software and can be used successfully at BIT Training Workshop.     

基于拓扑排序资源约束下多项目调度优化算法

多项目调度存在着工期和资源的竞争,调度时要考虑时序关系和资源受限两方面约束,启发式串行调度算法在每调度一个任务时都必须搜索项目的任务空间,为此提出了一种基于拓扑排序的多项目串行调度优化算法。此算法利用拓扑排序序列的特点保证任务时序关系,缩小调度时搜索空间,结合项目权重、向后影响度以及关键路径等优先规则进行资源分配和任务调度。通过具体实例验证了此算法可以求得项目调度的最优解并且能够有效地缩短调度计划生成时间。     

基于自适应遗传算法的混合流水车间调度研究

混合流水车间调度问题具有建模复杂性、动态多约束、计算复杂性、多目标性等特点,近些年,各种演进化算法被运用到生产调度中,特别是遗传算法的应用。本文提出了自适应遗传算法求解混合Flow-shop调度问题的方法,应用Matlab对算法进行编码,并利用实际的生产数据进行了仿真。通过仿真实验,仿真调度数据验证了自适应遗传算法用于求解大型流水车间调度的可行性和有效性。     

基于狮群算法的数字孪生车间调度问题优化

针对柔性作业车间调度问题,提出一种基于狮群算法的数字孪生柔性作业车间调度方法。基于实际生产过程的需求,使用狮群算法生成柔性作业车间调度初始方案,建立物理车间与虚拟车间实时交互的数字孪生柔性作业车间调度模型,在搭建的虚拟车间中对初始调度方案根据设备利用率进行方案优化。采用数字孪生模型解决设备故障等车间突发事件对生产进程的影响问题。通过使用真实车间数据对机加工车间生产调度过程试验,结果表明,采用狮群算法求解柔性作业车间调度问题,搜寻能力强,搜索速度快,可以在不同规模的问题中找到更优的解决方案;狮群算法结合数字孪生的柔性作业车间调度方案能够整体优化系统性能,有效处理扰动带来的延长生产时间问题。     

基于机群系统的N体问题调度算法

采用合理的任务调度策略能有效地降低N体问题求解时间,对大量科学与工程应用具有重要意义。为此,在机群计算平台上,设计了N体问题的并行算法,推导出该算法的性能模型。同时,针对机群的特点。提出了基于整数规划的N体问题自适应调度算法．实验表明,并行算法具有良好的可扩展性,性能模型正确,基于整数规划调度算法较典型调度策略高效．     

模具装配车间生产调度规则的研究

装配车间(Assembly job shop)问题是一类具有工序次序约束、装配次序约束以及资源能力约束等多种约束的组合优化问题。而且制造型企业机械加工车间的设备往往存在日可用时间的约束,工件随加工顺序的不同,其实际的设备占有时间可能发生变化,增加了制定生产调度计划的难度。以提高模具装配车间的生产效益为目标,提出了在装配车间中考虑设备日可用时间约束的优先调度规则,并通过仿真实验验证所提出调度规则对各评价指标具有较优的结果。     

An Improved Ant Colony Algorithm for a Single-machine Scheduling Problem with Setup Times

Motivated by industrial applications we study a single-machine scheduling problem in which all the jobs are mutually independent and available at time zero. The machine processes the jobs sequentially and it is not idle if there is any job to be processed. The operation of each job cannot be interrupted. The machine cannot process more than one job at a time. A setup time is needed if the machine switches from one type of job to another. The objective is to find an optimal schedule with the minimal total jobs' completion time. While the sum of jobs' processing time is always a constant, the objective is to minimize the sum of setup times. Ant colony optimization (ACO) is a meta-heuristic that has recently been applied to scheduling problem. In this paper we propose an improved ACO-Branching Ant Colony with Dynamic Perturbation (DPBAC) algorithm for the single-machine scheduling problem. DPBAC improves traditional ACO in following aspects: introducing Branching Method to choose starting points; improving state transition rules; introducing Mutation Method to shorten tours; improving pheromone updating rules and introducing Conditional Dynamic Perturbation Strategy. Computational results show that DPBAC algorithm is superior to the traditional ACO algorithm.     

带有路径和运输方式选择的供应链排序算法研究

主要研究了在供应链中具有单台机器的单个制造商、多个客户的生产和运输的集成排序问题。以生产排序和运输的总费用达到最小作为目标函数。其中生产排序费用是用工件送达时间的函数表示,发送费用是由固定费用和可变费用组成,可变费用与路径和运输方式的选择有关。对该问题的两类特殊情形给出了基于动态规划的多项式时间算法。