基于多目标模糊决策的集卡动态调度方法研究

结合集装箱港口提高装卸效率的现实需求，分析了传统集卡调度模式的不足，提出了一种新的面向作业面的动态集卡调度模式。针对动态调度中最复杂的单集卡多作业路选择工况，运用多目标模糊决策算法和层次分析法对其进行了研究，并结合算例阐明了最优工作路选择的过程。     

集装箱码头集卡调度模型与Q学习算法

研究集装箱码头装卸过程中集卡调度问题,建立了集卡调度动态模型,目的是使装卸桥等待时间最小.设计了基于Q学习算法的求解方法,获得在不同状态下的集卡调度策略.提出了应用Q学习算法求解集卡最优调度时系统状态、动作规则、学习步长与折扣因子的选择方法.结果表明,随着集卡数量的增加,Q学习算法获得的结果优于最长等待时间、最远距离、固定分配集卡等调度策略.     

基于遗传算法改进的动态车间调度

由于经典的车间调度方法大都将生产系统中各种加工参数看作确定性的精确值,且将生产系统当作一个静态的系统,忽略了实际加工过程中的各种突发状况.因此从动态生产环境下生产运作和管理的实际需求出发,考虑到生产过程中的加工参数非确定性精确值、动态扰动等因素的影响,基于改进遗传算法开展了动态生产环境下的作业车间调度问题的研究工作.将模糊化参数引入调度模型,通过改进来避免一般遗传算法收敛过快的问题,从而寻求到动态车间调度的最优解.     

考虑燃料成本的集装箱码头集卡路径优化

针对传统集卡路径优化中通常以距离或时间最短为目标的现状,本文从燃料成本和作业时间两个角度研究集装箱码头的集卡路径优化问题。本文借鉴了车辆运输问题中的燃料消耗率,分两步进行了集卡路径优化。以包含燃料成本的总运输成本最小为目标,构建了考虑燃料成本的集卡路径优化模型,解决了不考虑集卡数量时的集卡初步路径规划问题。在此基础上,引入集卡数量,以集卡作业时间最小为目标,构建了考虑集卡作业时间的路径任务分配模型,并通过粒子群算法给出了每辆集卡应执行的路径任务。算例结果表明,与传统模型相比,本文提出的考虑燃料成本的集卡路径优化模型可以降低码头成本。     

基于离散贝位的集装箱港口岸桥作业调度研究

主要研究了港口中最重要的设备——岸桥的调度问题。岸桥作业能力的好坏很大程度上影响着集装箱港口总的装卸能力。因此,如何合理的分配岸桥,改进岸桥装卸作业进程是港口岸桥问题研究的重点。将岸桥移动时间以及安全系数和非干扰等因素全部考虑在内,先以岸桥作业时间最小为目的,建立模型,得到岸桥的优化作业线路。在此基础上,以船舶服务时间最短为目标,提出了一个基于离散贝位的岸桥调度混合整数规划模型。目的是使停靠在港口的船舶上的所有集装箱的装卸作业时的服务时间达到最小。最后,算例验证了模型的有效性。     

基于硬件动态指令调度的椭圆曲线并行运算

提出了一种在特征为２的有限域上并行快速实现椭圆曲线密码（ECC）点乘运算的方法，利用硬件动态指令调度技术，同时采用指令级并行和线程级并行，提高了并行运算的性能.基于该方法设计架构并监控运算部件的工作情况，在译码阶段之前动态生成点乘运算指令序列，从而通过动态指令调度消除了不能通过旁路技术或直接通路技术来避免数据冲突停顿所带来的性能损失.基于现场可编程门阵列(FPGA)的实现结果表明，利用该方法实现伽罗瓦域GF(2193)上的椭圆曲线点乘运算需要22.7 μs.     

一类改进的分布式结构动态调度模式研究

针对动态调度系统对敏捷性和全局优化性能的要求,提出一类基于改进的分布式结构的作业车间动态调度模式,并对该系统在正常情况和异常情况下的调度策略进行了研究．该改进的分布式结构克服了结构分散、易死锁、难以保证全局最优的缺点,使调度系统不仅具有柔性及动态变化的适应性,而且具有一定的预见性和全局优化能力;仿真结果证明了该调度模式的可行性和有效性．     

基于强化学习的集装箱码头卡车调度策略研究

研究同时服务于装船和卸船作业的集卡全场调度策略,调度优化目标包括减少岸桥等待集卡的时间以及减少集卡的空载行程。提出了基于Q学习算法的集卡调度强化学习模型,对其系统状态、动作策略、报酬函数进行分析,并结合小脑模型关节控制器(CMAC)神经网络对Q函数进行泛化和逼近。仿真结果表明,与其他集卡调度策略相比,Q学习算法的优化效果比较明显,其在保证岸桥连续作业的同时,还能有效减少集卡的空载行程。     

基于GASA的柔性作业车间动态调度研究

针对柔性作业车间调度在机器故障扰动情况下的动态性及工件交货期模糊的情况,研究采用基于事件与周期混合驱动的滚动窗口再调度策略,并运用线性加权和的方法,以最大完工时间最小、能耗最小、客户满意度最大为目标,建立多目标柔性作业车间动态调度模型,并设计了遗传算法与模拟退火算法结合的GASA算法。将算例仿真结果与遗传算法取得的结果进行对比,验证算法的有效性。     

关键设备工序紧凑的动态调度算法

针对求动态Job-Shop调度最优解这一复杂问题,提出了通过对不同时刻开始加工产品加工树的分解方法,将产品加工工序分为存在具有惟一紧前、紧后相关工序和独立工序,在对这两类工序分批、综合研究时,应用拟关键路径法(ACPM)和最佳适应调度方法(BFSM)调度,并考虑了关键设备的工序紧凑性、通过分析与实例验证,所提出的调度方法对解决动态的Job-Shop调度问题不仅算法简练,而又效果较好。     

增量动态规划在小浪底水利枢纽优化调度中的应用

基于优化理论,运用增量动态规划原理,研究并建立了小浪底水利枢纽的优化调度数学模型,对模型进行了系统分析和求解,应用结果通过验证比较满意。     

分类器动态组合及基于分类器组合的集成学习算法

针对目前基于分类器静态组合的集成学习算法难于推广的问题,根据组合分类器分类错误最小化原则,研究了组合系数随分类器输出变化而变化的分类器动态组合理论,包括组合系数的选取、组合分类器分类错误率的估计等.证明了在分类器相互独立时,一些动态组合分类器等价于Bayes统计推断.提出了基于分类器组合的通用集成学习算法,并把AdaBoost、Real AdaBoost、Gentle AdaBoost算法推广到了多分类问题.证明了按照集成学习算法得到的分类器,其动态组合的有效性可不依赖于分类器的独立性,这支撑了基于分类器相互独立假设来研究分类器组合的有用性.最后,通过UCI数据实验验证了动态组合的有效性.     

基于关系的模型动态组合推理设计

在关系化模型框架的基础上,对用于定量计算的数学模型进行关系化的分析与表示,使其便于用关系数据库系统存储与管理．依据关系化模型的特点,重点对其推理机制进行设计与讨论．该推理机制除以模型的输入／输出为纽带实现模型的自动连接外,还可以交互式的提示系统信息及完成数据输入,并可依据用户设定的模型特征对模型组合序列进行优选,实现了模型、数据和对话的有机结合．最后应用一数学模型对关系化模型的组合推理过程作实证性的分析．     

Research on Technology Early-Warning System Based on Dynamic Information Monitoring

Relying on the advanced information technologies,such as information monitoring,data mining,natural language processing etc.,the dynamic technology early-warning system is constructed.The system consists of technology information automatic retrieval,technology information monitoring,technology threat evaluation,and crisis response and management subsystem,which implements uninterrupted dynamic monitoring,trace and crisis early-warning to the specific technology.Empirical study testifies that the system improves the accuracy,timeliness and reliability of technology early-warning.     

基于隐Markov过程的网络信任评估模型

为了能快速精确地刻画实体行为的高动态性,提出了一种基于连续时间隐Markov过程的信任评估模型。不同于离散时间隐Markov信任模型,该模型充分考虑到信任的时间相关性,结合交互记录之间的时间间隔,将实体信任评估问题归结为连续时间隐Markov过程的学习问题。进而利用改进的和声搜索算法,给出了求解隐Markov过程最佳参数的算法,该算法有效地保证了全局搜索空间,能够获得更好的解。在此基础上,利用已有交互结果序列和最优参数组,对实体的信任度进行预测。仿真实验表明,该模型能够快速地反映出实体行为的动态性,具有较高的精确度,且能抵抗部分恶意攻击。     

Business Process Dynamic Reengineering Technology Based on Mode

To ensure the efficiency and quality of complex business process design, a mode-based dynamic business process reengineering approach is proposed in this paper. Firstly, the composition of business process is divided into five levels. Business process modes from three levels of mission, content and resource are defined, and the transition relationships between modes are given. Secondly, the architecture model of business process is defined based on the architecture analysis and design language (AADL). The dynamic reengineering framework and implementation procedure are designed. Finally, the AADL architecture models are analyzed and verified to evaluate the business process performance, and a blueprint for reengineering is formulated. Under the guidance of the blueprint, the detailed design and development of attributes such as business processes, activities, resources and cost are completed. Case studies are presented to validate that the mode analysis and dynamic reengineering approach based on the AADL architecture is able to improve the efficiency, reliability and reusability of business process design.     

模式识别在过程数据优化中的应用研究

在分析数据优化的意义的基础上,提出了一种基于非线性映照的模式识别的数据优化方法.通过对某造纸厂制浆蒸煮过程中的现场数据的仿真处理,研究表明,本文提出的方法能较好的寻找目标属性与其影响因素的对应关系,从而能实现样本间的分类识别和数据的优化,并且本文给出了在某造纸厂的应用结果.     

喷灌系统喷头组合形式与组合间距的优化计算

喷头组合形式和组合间距的合理性不仅关系到投资大小,而且还关系到喷灌质量好坏,进而影响作物产量.在分析了喷灌均匀度对作物产量影响的基础上编制了计算机程序以实现优化设计,将喷灌均匀度和喷灌系统的投资作为约束条件来求取较为理想的喷头组合形式和组合间距.这不仅可以提高规划设计的速度,还可以确保设计的质量,对喷灌工程规划设计具有实用意义.     

先验分布融合的KULLBACK信息方法

对基于 Kullback信息的先验分布融合进行了讨论 ;采用 Kullback信息作为分布之间距离的度量 ,使得各先验分布与推导出的融合分布的距离和达到最小 ,即墒的增量最小 ;对该方法进行了举例说明