区域网络化制造中设备资源优化配置的研究

分析了区域网络化制造中实现设备资源优化配置的过程及关键技术,并基于模糊综合评判算法进行设备资源优化配置。最后将算法应用于实践,证明了其可行性和有效性。     

区域网络化制造中资源优化配置系统的研究

根据成都、德阳、绵阳地区制造资源的特点,分析了成德绵区域网络化制造资源优化配置的必要性和迫切性。结合成、德、绵区域网络化制造系统的开发实践,先对资源优化配置系统的总体结构进行分析,再对总体结构下的各个部分,尤其对设备资源的优选进行了详细分析和探讨,并进一步提出了各个部分的实现策略。最后给出实现的实例。     

网络化制造资源优化配置DSS的优化模型研究

首先简介了网络化制造资源优化配置决策支持系统的体系结构及决策过程,在此基础上讨论了优化配置关键技术—EMP优化模型的两种实现方法:EMP综合评判及基于遗传算法的EMP优化方法,最后针对基于多目标遗传算法的EMP优化模型,设计了实现算法。     

网络化制造资源优化配置系统的分析与实现

资源优化配置是网络化制造系统中的一个重点也是一个难点问题,结合成、德、绵区域网络化制造系统的开发实践,先对资源优化配置系统的总体结构进行分析,再对总体结构下的各个部分进行了详细分析和探讨,并进一步提出了各个部分的实现策略。最后给出实现的实例。     

基于多Agent的网络化制造资源优化配置DSS

文章针对网络化制造中的制造资源优化配置问题,提出了基于多Agent的网络化制造资源优化配置决策支持系统(NMROCDSS)。首先对系统功能需求进行了分析,讨论了NMROCDSS系统同其它系统的集成,在此基础上研究了系统体系结构,最后分析了系统的决策过程。     

制造资源优化配置环境下用户抉择风险评判模型研究

通过对网络化制造资源优化配置的用户抉择风险因素识别与分析,提出并建立了多因素、多层级风险模糊评判模型;该模型的核心是双维体系结构,即来自用户本身的风险和来自协作企业的风险,它提高了用户选择合作企业过程中风险评判的客观性、可靠性。在此模型框架下,考虑到风险各因素、各层单元对事件影响程度的不确定性,基于模糊评判决策理论,建立了多级风险评判的算法结构,给出了风险评判综合值。最后用实例验证了模型及算法的有效性。     

考虑运输因素的网络化制造资源优化配置方法

针对网络化制造环境下制造资源的优化配置问题,为提高配置结果的实用性,在考虑加工时间和加工成本等因素的基础上,加入企业间运输时间和运输成本因素,建立了综合优化模型。采用带精英保留策略的遗传算法对该问题进行求解。通过实例验证了以上模型和求解算法。研究结果表明,考虑运输因素的网络化制造资源优化配置方法能够有效降低总运输成本和时间,配置方案更贴合实际。     

云制造环境下基于双层规划的资源优化配置模型

为了解决云制造环境下制造资源的优化配置问题,综合考虑需求与服务双方以及云平台运营方的利益,提出了一种基于双层规划的资源优化配置模型。该模型以前景理论结合多约束多属性评价体系求解出的供需双方满意度作为上层规划的优化目标;以云平台资源利用率最大化为下层规划的优化目标;通过双层规划并采用改进的i-NSGA-II-JG算法对多目标制造资源配置问题进行求解。最后,通过算例仿真实验证明了该模型的可行性和优越性。     

基于粗糙集和分形理论的交通流优化控制设计模型

为解决交通预测的全局优化控制问题,在运用粗糙集理论对路网节点所测得的历史交通流量进行量化分析的基础上,建立了规则简化的数据清洗模型;基于分形理论的相似性原理建立了交通流量的预测模型,并给出了交通流优化控制系统的运行机制和相应的网络拓扑结构。用某交通观测站的实测数据对模型进行仿真,仿真结果表明,文中所设计的模型和算法是有效的。     

基于改进遗传算法的资源优化配置研究

当前在解决资源优化配置问题时往往使用贪婪算法、遗传算法等.但贪婪算法只能选择一个最优度量标准,所以只能获得度量意义下的最优解而不是该问题的最优解,而如果直接使用遗传算法又存在搜索空间过大、耗时过长的问题.提出了一种新的算法.先基于贪婪算法获得问题的初始解空间,然后对初始解空间进行冲突检测与消解,最后运用改进的遗传算法进行优化获得最优方案.测试算例表明大大缩小了遗传算法的搜索空间,在保证获得最优解的条件下加快了收敛速度并有效防止了种群的退化.提出的算法在突发事务的处理方面具有一定的意义.     

基于Rough集理论的装备维修保障资源优化配置

建立了基于Rough集理论的装备维修保障资源配置知识的表达、获取、发现和应用体系；用基于分辨矩阵的属性约简方法，提出了一种装备维修保障资源配置方法。结合实例，对复杂战场环境下装备维修保障资源配置进行了定性分析，给出了不同条件下装备维修保障资源配置方案，为装备维修保障资源配置决策提供了理论依据。     

基于粗集理论的归一化方法

针对神经网络分类器在不同类样本间距离较近时训练速度较慢的缺点,提出了基于粗集理论的归一化方法。利用粗集理论对样本进行归一化处理后,用处理后的样本对神经网络进行训练。并以配电网故障选线为例,对该方法进行了分析。仿真实验结果表明,样本处理后的神经网络训练时间明显缩短。     

一种基于粗集的值约简方法

针对Rough Set理论中的值约简问题进行了研究，对基于决策间不可区分关系的值约简算法进行了改进，使其能够处理信息系统出现的各种情况。     

基于粗糙集理论和FCM的图像聚类方法

提出一种将粗糙集方法与模糊C均值聚类(FCM)算法结合的图像聚类方法。借助于粗糙集理论在处理大数据量、消除冗余信息等方面的优点,减少模糊C均值聚类的训练数据量,克服其因为数据量大而处理速度慢等缺点,同时利用模糊C均值聚类好的聚类性能,对经过约简的最小属性子集进行聚类分析,实现图像聚类的快速、准确、鲁棒等优点。在人脸图像上的聚类实验取得了很好的效果。     

基于粗集理论的特征子集选择算法

1.引言长期以来,特征子集选择技术一直是机器学习领域中的关键难题之一。由于学习对象的多样性,尤其是新的系统随着应用的发展而不断涌现,使人们无法用某种特定的工具或方法来完全解决这一问题,新的特征子集选择技术仍然受到人们广泛关注。20世纪80年代初,波兰数学家Z.Pawlak提出一种新的理论工具——“粗集”,用于解决不完整和不精确信息的知识表达、学习及归纳等问题。这一理论的特点是:除了问题所需处理的数据之外,不需要额外提供任何外界信息或     

一种基于粗集理论的遗传分类算法

本文提出了一种基于粗集理论的遗传分类算法,该算法可以无需任何辅助信息,只根据数据自身提供的信息对数据进行简化,提取有用的特征,并求得相应的规则.同时,还提出了一种基于属性重要度的分辨矩阵简化方法,该方法可提高对条件属性的约简效率.     

基于Rough集的交叉覆盖算法设计

1.引言人工神经网络因其特有的信息处理能力和独到的解算能力取得了长足的发展,引起各方面的广泛关注,当前已经有许多人工神经网络模型在视觉、语言、信号处理、自动控制、函数逼近、金融证券等领域获得成功的应用,但诸如BP网络等模型也存在一些带有共性的缺点,比如:学习和训练时间很长、学习收敛性很难保证。文[2]根据神经元的几何意义提出的     

基于粗糙集理论的概念格属性约简及算法

粗糙集理论在数据分析中善于解决约简冗余属性与对象、寻求最小属性集等问题,而约简概念格是形式概念知识表示中解决复杂性的重要途径。用粗糙集的方法重新认识形式概念及概念格,并把二者有机地结合起来,为概念格的约简提供了一个新的思路和方法。本文就这些问题做了一些基本的研究。     

基于粗糙集理论的文本分类算法研究

文本分类是中文信息处理的重要研究领域。给文本分配一个或多个不同的类别,可提高文本检索和存储的处理效率。粗糙集是一种不需要任何先验信息的分类方法,通过对文本分词、过滤掉停用词之后把剩余的词语作为特征项,然后把文本用向量空间模型表示出来,将文本集转化成不带决策属性的信息系统,用粗糙集理论中核心内容属性约简实现对文本的分类。实验表明,该方法的查准率和查全率都有所提高。