k-Shifts算法在一类批量计划编制中的应用

分析了冶金行业常见的一类批量计划编制问题,给出了这类组合优化问题的数学模型;分析并证明了传统k-Opt算法不适合这类非对称性组合优化问题,提出将1-Shift算法扩展为k-Shifts算法,为求得近优解提供保证;缩小了k-Shifts算法的搜索空间,大大降低了k-Shift算法时间复杂度;改进了优化目标评价函数,大幅度提高求解性能。改进后的算法成功地解决了这一类NP问题,实验证明了在多项式时间复杂度内可以求出近似于问题全局最优值的解。     

能力约束及准备费用延用条件下批量问题的一种启发式算法

考虑能力约束及装备费用延用条件下的多部件批量问题。准备费用延用指如本期末与下期初生产同一部件，下期可节省其准备费用。提出了该问题的一种期间循进式启发算法。并进行了有关的仿真计算。     

随机需求车辆路径问题及其启发式算法

在对随机需求信息条件下的车辆路径问题进行策略分析基础上,提出解决此类问题的改进蚁群算法.分析对比不同策略下用蚁群算法优化的结果.其中给出机会约束下决策者的风险喜好对最终目标的影响.通过模拟实际随机需求的方法评价先验路径的优劣.与其它计算方法在同等条件下的比较证明所设计算法的优越性.同时得出对于不同统计特性的随机需求策略的选择方式.     

求解矩形条带装箱问题的动态匹配启发式算法

矩形条带装箱问(RSPP)是指将一组矩形装入在一个宽度固定高度不限的矩形容器中,以期获得最小装箱高度.RSPP理论上属于NP难问题,在新闻组版、布料下料以及金属切割等工业领域中有着广泛的应用.为解决该问题,采用了一种混合算法,即将一种新的启发式算法--动态匹配算法--与遗传算法结合起来.混合算法中,动态匹配算法能根据4类启发式规则动态选择与装填区域相匹配的下一个待装矩形,同时将装箱后所需容器高度用遗传算法的进化策略进行优化.时2组标准测试问题的计算结果表明,相对于文献中的已有算法,提出的算法更加有效.     

给予模拟退火研制批量计划问题的两阶段算法

本文建立了一种轧制批量计划问题的数学模型,提出一种改进的两阶段启发式算法,并对其求解。该算法是由启发式算法和模拟退火算法组成的,基于实际生产数据的仿真结果证实了该算法的有效性。     

启发式规则与GA结合的优化方法求解工作流动态调度优化问题

调度是工作流管理系统的核心问题,是保证工作流正确运行的关键。在工作流环境下,动态调度要比静态调度更切合实际。本文在总结前人工作的基础上,提出了一系列工作流动态调度的启发式规则,并以最小化任务总拖期时间和最大化任务总提前时间为目标,建立了工作流动态调度问题模型。采用启发式规则与遗传算法相结合的优化方法求解工作流动态调度优化问题。仿真结果说明了优化方法的可行性和有效性,同时比较了该方法与多种静态调度方法,进而说明了该方法的优越性。     

启发式动态规划在污水处理过程控制中的应用

针对溶解氧及硝态氮浓度的跟踪控制问题,提出了一种基于回声状态网络的启发式动态规划控制方法,该方法首先对当前策略进行评价,然后根据评价结果对当前策略进行调整,这个过程交替进行,直至发现最优的控制策略.评价函数及控制策略的逼近均采用回声状态网络实现.为保证控制器的可用性,对控制器学习过程的参数选择范围进行了分析.污水处理过程的控制实验表明,该方法能够显著提高系统控制的平稳性及控制精度.     

随机模糊神经网络在目标状态信息融合中的应用

提出了一种新的基于随机模糊神经网络的多传感器状态信息融合方法。研究和比较了基于单值模糊神经网络和基于随机模糊神经网络的雷达与红外传感器状态信息融合。仿真结果表明，当输入被噪声污染时，基于随机模糊神经网络的方法离线学习次数更少，能更有效地防止噪声的干扰，并且融合误差更小。     

启发式动态规划在糖厂澄清工段pH值控制中的应用

糖厂澄清工艺是一个复杂的物理化学反应过程,具有强非线性、时变大时滞、多输入输出等特点,对其建立精确的数学模型和实现pH值的稳定控制非常困难.为此,基于模糊神经网络和启发式动态规划(HDP)控制器,构建了模糊神经网络模型.该模型的具体实现过程是将HDP优化方法应用于澄清工段,模拟试验装置中的中和pH值控制.试验表明,该控制系统取得了很好的控制效果,具有很强的鲁棒性.     

一种启发式算法和改进遗传混合算法在流水车间重调度中的应用

在解决以合同惩罚和存储成本最小化为优化目标的流水车间重调度问题时，提出了一种启发式算法和改进的遗传混合算法。传统的遗传算法是一种基于优胜劣汰的随机、自适应的优化算法。通过复制，交叉和变异，将问题解编码所表示的“染色体”群在逐代进化，最终收敛到最合适的群体，从而得到问题的最优或满意解。但缺点是求解结果依赖于初始值，且运行时间过长。因此对传统遗传算法做了相应的改进，考虑到启发式算法的快速性，为充分发挥俩种算法的优势，提出启发式算法和改进遗传混合算法。最后对性能进行分析；试验结果表明：该算法运行时间短，且在大规模数据集下，更易于靠近全局最优解。     

新蚁群算法模型在大学课程时间表问题中的应用

分析大学课程时间表问题的特征,结合已有蚁群算法的求解策略,构建了新的问题求解模型,提出了一种基于蚁群算法和改进过程的求解算法,并在不同规模的问题实例上进行实验。结果表明,算法在目标函数解的质量上有明显改进。     

一种改进的BP算法在导弹综合测试专家系统中的应用

为解决采用反向传播算法的多层前馈神经网络收敛速度慢和容易陷入局部最小的问题,以及它对参数选择过于敏感,本文引入了遗传算法的思想和方法,提出了一种随机搜索和DBD算法相结合的新算法。通过对学习率的修正量随机互换,在不增加计算量和存储空间的情况下,使较大规模的网络能够快速收敛,摆脱了局部最小的陷阱,并且对网络参数的选择不太敏感。该算法在导弹综合测试专家系统的应用中取得了很好的效果。     

模糊细胞神经网络在书法碑帖汉字重构中的应用

模糊细胞神经网络作为一种模拟逻辑可编程并行网络,可以用来实时实现数学形态学的全部基本算子。文中基于加性模糊细胞神经网络结构,应用数学形态学的重构算法,研究中国书法碑帖在自然腐蚀噪声环境下的去噪和汉字提取问题,并给出了算法的伪代码描述和数字计算信息结果。该方法可应用于书法碑帖的汉字处理和实时重构。     

改善遗传神经网络收敛性的研究

针对BP神经网络中采用的梯度下降法局部搜索能力强、全局搜索能力差和遗传神经网络中采用的遗传算法全局搜索能力强、局部搜索能力差的特点,提出了一种集梯度下降法和遗传算法优点为一体的混合智能学习法(Hybrid Intelligence learning algorithm),简称HI算法,并将其应用到优化多层前馈型神经网络连接权问题。对该算法进行了设计和实现,从理论和实际两方面证明混合智能学习法神经网络与BP神经网络和基于遗传算法的神经网络相比有更好的运算性能、更快的收敛速度和更高的精度。     

一种FCMAC及在Wiener模型辨识中的应用研究

本文将模糊算法和小脑模型神经网络有机地结合在一起，提出了一种单输入单输出(S ISO)的模糊小脑模型神经网络(FCMAC)．它在对输入进行分级量化的同时进行模糊量化，利 用Takagi Sugeno模糊算法进行推理，并将模糊算法引入CMAC的权值训练，具有输入量化级 数少、函数逼近精度高等特点．这种FCMAC用于Wiener模型辨识具有结构确定、计算量小、 训练速度快、辩识效果好等特点．     

Inventory lot-sizing with supplier selection using hybrid intelligent algorithm

In supply chain management (SCM), multi-product and multi-period models are usually used to select the suppliers. In the real world of SCM, however, there are normally several echelons which need to be integrated into inventory management. This paper presents a hybrid intelligent algorithm, based on the push SCM, which uses a fuzzy neural network and a genetic algorithm to forecast the rate of demand, determine the material planning and select the optimal supplier. We test the proposed algorithm in a case study conducted in Iran.     

AI和CIPS在化工过程中的应用

作者从深度和广度两方面探讨了信息技术应用于化工过程的新进展。在深度上主要探讨了人工智能，特别是基于知识的系统和人工神经网络在化工过程中的应用概况２。在广度上主要探讨了化工生产向工业综合自动化方向发展的趋势是具体理论与技术内容。     

基于遗传算法的原型模式选取算法

该文了原型模式选取对协同方法的模式识别性能有着非常重要的作用,并提出了一种基于遗传算法的原型模式选取算法,对从实际应用中获得的样本进行的实验证明：新算法能有效地在原型模式空间搜索全局最优解,使协同方法的识别性能有较大提高。     

Andrews型M-估计GM(1,1)模型在色谱保留值研究中的应用

提出了Ａｎｄｒｅｗｓ型Ｍ－估计ＧＭ（１，１）灰色模型，并用此模型对８种多环芳烃化合物容量因子与流动相组成之间的关系进行了关联。结果表明，该模型较常规ＧＭ（１，１）模型具有更好的抗干扰性能和受异常值影响小的优点，因此它可以取代常规ＧＭ（１，１）模型。     

蚁群神经网络在旅行商问题中的应用

在求解旅行商问题(TSP)时,首先引入交叉策略进行预处理,将具体的地图抽象为常见的无向完全图,即把TSP抽象为求无向完全图的一条Hamilton回路;然后用蚁群算法与人工神经网络相结合的方法来求解.实验结果表明了该方法的可行性和高效性.