同尺寸矩形毛坯排样的连分数分支定界算法

在确定同尺寸矩形毛坯最优排样方式的算法中,连分数算法的时间效率最高,但所生成排样方式的切割工艺复杂．提出连分数分支定界算法,该算法应用连分数法确定毛坯数最优值,采用贴切的上界估计方法;在搜索过程中只保留上界不小于最优值的分支,遇到下界等于最优值的分支时结束搜索．实验结果表明,该算法的时间效率和连分数算法接近,并可以有效地简化切割工艺,生成切割工艺最简单的排样方式．最后,通过实例分析说明该算法的节约材料潜力。     

简化同尺寸矩形毛坯排样方式的动态规划算法

同尺寸矩形毛坯排样方式的最优性包括毛坯数量最优性和切割工艺最优性。前者是指排样方式中所含毛坯数最大;后者是指在所有实现毛坯数量最优性的排样方式中,切割工艺最为简单。采用条带数衡量排样方式的复杂性,用动态规划算法生成条带数最少的最优排样方式。实验计算结果表明,所述算法能够明显简化下料工艺,对指导生产实践具有较重要的意义。     

同尺寸矩形毛坯最优排样动态递归剪切算法

为实现同尺寸矩形毛坯最优排样,该文提出了动态递归剪切算法。文章详细描述了该算法的基本设计思想、语言描述、实例求解;还完成了基于此算法的应用系统,并给出一例排样输出。     

考虑切割刀数的T形排样算法研究

讨论无约束二维板材切割问题,采用T形排样方式以简化切割工艺。优化目标是使排样方式的价值最大,而排样方式的价值等于其中所含毛坯的总价值与切割成本之差。假定切割成本与切割刀数成正比,采用基于动态规划的算法生成排样方式。实验结果表明该算法可有效地减少切割刀数,计算时间合理。     

双排多段排样方式及其生成算法

为解决大规模矩形毛坯无约束的二维剪切排样问题,提出双排多段排样方式及其 生成算法。排样时采用一条剪切线将板材切分为两段,用一组剪切线将每段切分成一系列的块, 每个块由一组水平方向的同质条带构成。采用枚举法确定两段分界线的最优位置,通过求解背 包模型确定所有可能尺寸的块的最大价值和块在段中的最优布局。利用文献中的2 组基准测题 对所述算法进行测试,实验结果表明,该算法能在合理的计算时间内取得较好的优化结果。     

一种高效的矩形套裁排样的带填充排样算法

提出一种带填充排样算法,实现矩形毛坯套裁排样。该算法首先用水平剪切线将板材分层,每层的宽度和板材宽度相同,高度和层最左端的主毛坯高度相同;通过调用两个递归过程确定最优排样方式,第一个过程确定每层左端的主毛坯,第二个过程确定层右端区域的毛坯排列方式。采用分支定界技术缩小搜索空间。实验计算结果说明所述算法比文献中最近报道的几种算法都有效。     

二维多阶段矩形剪切排样算法

讨论有需求约束的二维剪切矩形排样问题:将一张板材剪切成一组已知尺寸的毛坯,使排样价值(板材中包含的毛坯总价值)最大,约束条件是排样方式中包含每种毛坯数量都不能超过其需求量。采用普通条带多阶段排样方式,每次剪切都从板材上产生一根水平或者竖直的普通条带,条带中可以包含不同尺寸毛坯。引入分支限界与贪婪策略,以提高算法效率。实验结果表明,该算法可以有效提高排样价值。     

矩形毛坯最优层排样方式的动态规划算法*

讨论矩形毛坯无约束二维剪切排样问题,提出层排样方式的动态规划算法,使板材所含毛坯总价值最大。排样时使用一组平行的剪切线将板材分割为多个层,层的长度等于板材的长度或宽度,宽度等于最左边主毛坯的高度。通过动态规划算法确定所有可能尺寸层的最大价值和板材中层的最优组合。实验结果表明,该算法在满足实际应用要求的同时,板材利用率和计算时间两方面都较有效。     

基于多阶排样方式的矩形件二维板材下料算法

针对二维剪切下料的特点,提出一种基于多阶排样方式的优化算法。递归构造多阶排样方式,称若干行若干列同种矩形件按照相同方向排列在一起形成的排样方式为0阶排样方式,n(n为正整数)阶排样方式由两个n-1阶排样方式沿着水平方向或竖直方向拼合而成。设计多阶排样方式的递归生成算法,按照阶数从小到大顺序生成多阶排样方式。将列生成算法与多阶排样方式生成算法相结合得到下料方案,按照板材使用张数最少原则确定下料方案中每个排样方式的使用次数。将这里排样方式分别与文献中的匀质条带三块排样方式、双排多段排样方式、简单块占角排样方式和递归四块排样方式进行对比,实验计算结果表明,多阶排样方式的排样价值高于以上4种排样方式。进一步地,将该下料算法与文献下料算法进行对比,实验结果表明该下料算法可提高板材利用率。     

圆片剪冲下料排样算法

为解决圆片剪冲下料排样精确算法的运行时间过长问题,并综合考虑在保证所生成的排样方案利用率最优或接近最优的前提下,先采用动态规划算法,在精确算法的基础上,选取规范长度和规范宽度的子集进行计算,实现无约束算法,解决剪切阶段的无约束排样问题.再与线性规划方法相结合,解决两维圆片剪冲下料问题,使整个排样方案的利用率达到最大,所耗费的板材数最少.最后通过实验结果表明了该算法的有效性.     

一种卷板填充分层递归排样的优化算法

研究了卷板填充排样问题,提出了一种分层递归排样的优化算法。算法使用水平剪切线将卷板分层,每层的宽度和卷板宽度相同,高度和层最左端的主毛坯高度相同;通过调用递归过程确定卷板中层的排列,为各层选定主毛坯,并确定毛坯的排列方式;采用分支定界技术缩小搜索空间。实验结果说明该算法比文献中最近报道的几种算法都有效。     

一种分布式检测系统的递推反馈自适应学习算法

分布式多传感器检测系统中的等概率假设在检测概率未知及时变情况下不能得到最优的检测状态．研究分布式检测系统的最优检测问题,考虑传感器虚警与漏报的概率未知,且概率不相等的情况,提出了一种递推的状态反馈自适应学习算法,通过在线的修正融合权值,最终使系统收敛于最佳权值,并对算法收敛性和误差进行了理论分析．仿真研究了概率未知、环境时变等情况下的算法性能,验证了所提方法的有效性．     

Hammerstein-Wiener系统的递推贝叶斯参数辨识算法

为了辨识一类非线性Hammerstein-Wiener系统,基于递推贝叶斯算法和奇异值分解,提出了一种两阶段在线辨识算法。该算法首先利用递推贝叶斯算法估计乘积项参数,然后利用奇异值分解得到待估计参数。仿真结果表明,所提算法可以以较小的计算量获得精度较高的参数估计值。     

Recursive algorithm for the two-stage EFOP estimation method

A recursive algorithm for the two-stage empirical frequency-domain optimal parameter （EFOP） estimation method was proposed. The EFOP method was a novel system identification method for Black-box models that combines time-domain estimation and frequency-domain estimation. It has improved anti-disturbance performance, and could precisely identify models with fewer sample numbers. The two- stage EFOP method based on the boot-strap technique was generally suitable for Black-box models, but it was an iterative method and takes too much computation work so that it did not work well online. A recursive algorithm was proposed for dis- turbed stochastic systems. Some simulation examples are included to demonstrate the validity of the new method.     

Recursive nonlinear observer design: beyond the uniform observability

We propose a recursive design scheme of a state observer for multiple-input-multiple-output, partly lower triangular nonlinear systems. The design begins from the subdynamics far from the output and propagates to the subdynamics close to the output, recalling the backstepping scheme for nonlinear control. The proposed class of systems is fairly general since it includes nonuniformly observable and/or detectable multioutput systems. Error convergence to zero is proved assuming boundedness of inputs a posteriori (i.e., after the design), which is preferable whereas most results in the literature assume the boundedness; a priori (i.e., before the design). A global observer is proposed with the global Lipschitz condition of the system, but without any restriction on the size of Lipschitz coefficient. The Lipschitz condition can be removed when a semiglobal observer is of interest.     

Recursive partitioning clustering tree algorithm

Clustering analysis elicits the natural groupings of a dataset without requiring information about the sample class and has been widely used in various fields. Although numerous clustering algorithms have been proposed and proven to perform reasonably well, no consensus exists about which one performs best in real situations. In this study, we propose a nonparametric clustering method based on recursive binary partitioning that was implemented in a classification and regression tree model. The proposed clustering algorithm has two key advantages: (1) users do not have to specify any parameters before running it; (2) the final clustering result is represented by a set of if–then rules, thereby facilitating analysis of the clustering results. Experiments with the simulations and real datasets demonstrate the effectiveness and usefulness of the proposed algorithm.     

矩阵的Doolittle递归分解算法及符号程序设计

将矩阵An×n的Doolittle分解推广到Am×n上，并在常规的迭代算法上加以创新，给出了递归的分解算法．在实现算法的过程中，对数据进行了巧妙处理，使中间数据及最终计算结果都具有分数形式，提高了结果的精确度，而且更符合人们阅读的习惯．经过运行测试，算法设计合理，程序运行高效准确．程序是对MathSoft公司的交互式的数学文字软件Mathcad的矩阵分解的数值计算扩充到符号运算．     

k元n立方网络的k圈排除问题的递归算法

为了度量以k元n立方网络为底层网络拓扑的并行计算机系统的容错能力,通过构造k元n立方网络中使得所有的k元1立方子网都发生故障的最小节点集合的方法,提出求解其k元1立方子网排除点割集的一种递归算法;证明了要使k元n立方网络中所有k元1立方子网都发生故障至少需要破坏掉kn-1个节点。结果表明,在不超过kn-1-1个节点被破坏的情况下,以k元n立方网络为底层拓扑构建的并行计算机系统中依然存在无故障的k元1立方子网。     

Recursive least-squares backpropagation algorithm for stop-and-go decision-directed blind equalization

Stop-and-go decision-directed (S-and-G-DD) equalization is the most primitive blind equalization (BE) method for the cancelling of intersymbol-interference in data communication systems. Recently, this scheme has been applied to complex-valued multilayer feedforward neural network, giving robust results with a lower mean-square error at the expense of slow convergence. To overcome this problem, in this work, a fast converging recursive least squares (RLS)-based complex-valued backpropagation learning algorithm is derived for S-and-G-DD blind equalization. Simulation results show the effectiveness of the proposed algorithm in terms of initial convergence.     

非平稳信号的递推最小二乘盲分离

针对非平稳信号盲分离问题提出了一种基于递推最小二乘(RLS)算法的非平稳信号盲分离新方法.首先引入遗忘因子对常规代价函数进行指数加权修正,得到一种新的具有递归结构的代价函数;然后利用RLS算法最小化代价函数,推导最优分离矩阵的自适应更新算法,逐步实现信号分离.该算法避免了最小二乘类算法关于学习速率选择困难的缺点,具有收...