基于VS-ABC的定制产品云服务选择策略

针对制造业从生产型转变为服务型给新时代制造业带来的影响,分析了定制产品在云制造环境下给企业带来的制造资源不足问题,提出了面对多个复杂制造任务的多服务组合形式,以提高制造服务资源利用率。建立了以时间、成本、能耗、可靠性、可用性5个因素为属性指标的服务质量(Quality of Service, QoS)评价模型,再引入一种基于涡流搜索算法(Vortex Search algorithm, VS)和人工蜂群算法(Artificial Bee Colony algorithm, ABC)的混合搜索算法,给出了该算法与优化问题的映射关系,在全局搜索中实现局部搜索,确保了问题求解的寻优精度。以汽车个性化定制生产任务为例,验证了优化模型的有效性和VS-ABC算法可行性。结果表明,与传统涡流搜索算法、人工蜂群算法相比,VS-ABC算法具有更快收敛速度和适用性。     

改进迭代局部搜索算法求解多AGV柔性作业车间调度问题

针对受运输时间和运输资源约束的柔性作业车间调度问题,提出一种融合贪心启发式规则的改进迭代局部搜索算法。以最大完工时间为优化目标,建立多自动导引小车(AGV)柔性作业车间调度问题的数学模型,并采用工序串和机器串双层编码求解问题模型,解码时融入“先到先服务”的启发式规则来对每个运输任务分配最合适的AGV;生成初始解时考虑机器全局的工作负载平衡;设计了3种邻域结构用于随机邻域局部搜索,并采用精英解记忆库策略来指定当前解,有效利用历史搜索信息,保持算法集中性的同时扩大了搜索空间。采用最好解、相对标准差和算法平均运行时间3种性能指标,分别在小规模和大规模标准测试案例上对所提算法的有效性、稳定性和高效性进行测试,结果表明不管是在求解速度上还是求解质量上其表现都优于遗传禁忌搜索算法、带转移瓶颈的遗传禁忌搜索算法和延迟接受爬山算法。     

基于语义关系图的Web服务自动组合方法

针对基于图搜索实现Web服务自动组合存在搜索空间太大以及难以表达各种组合结构的问题,提出一种基于语义匹配关系确定组合结构的方法。该方法首先对Web服务进行形式化的语义描述,然后基于语义匹配关系,将服务库中只与用户请求的输入输出关联的服务构成语义关系图。在此基础上,基于语义匹配关系定义各种组合结构模型,以综合语义匹配度为寻优目标改进广度优先搜索算法,定义不同结构的语义匹配度计算方法,生成一条综合语义匹配度最优的Web服务组合路径。通过实例验证了该算法的可行性。     

云制造环境中面向设计知识资源序列化组合的量子和声搜索算法

针对云制造环境下中小企业设计知识散乱无序、创新能力薄弱的现状,为将设计知识组合成有序的知识资源序列,提出知识资源的服务能力评估模型和知识资源序列化组合的数学模型,并设计了求解该模型的量子和声搜索算法。该算法通过引入量子化编码及量子门变换,提高了全局搜索能力。以模具中小企业设计知识资源组合优化问题为例,根据数学模型,用该算法求解出了成本与质量综合约束下的最优设计知识资源序列化组合。     

基于改进禁忌搜索的多目标自动化仓库调度

针对产品质量和路径的多目标自动化立体仓库调度优化问题,为平衡解的收敛性和多样性,提出一种改进的多目标禁忌搜索算法.该算法的改进在于,一方面为Pareto解空间构造可行的初始解,改造了禁忌搜索的邻域结构;另一方面采用惩罚策略,使搜索能够跳出局部最优.面向出入自动化立体仓库的产品在时间上有特定要求的工业生产过程,建立了兼顾质量和路径的多目标优化模型,并运用改进的多目标禁忌搜索算法对其实现了调度优化求解.实例仿真表明,所提算法对仓库调度优化问题在解的质量及求解效率上都取得了较好的效果.     

基于分解优化策略的多敏捷卫星联合对地观测调度

多敏捷对地观测卫星联合对地观测调度问题是一个具有长时间窗、多时间窗等复杂约束的组合优化问题.为了解决该问题,提出将原问题分解为任务资源匹配及单星任务处理两个子问题的分解优化思路.设计了学习型遗传算法解决任务资源匹配子问题,算法中的知识模型在算法迭代过程中学习和提取知识,反馈并引导算法对任务资源匹配的搜索寻优过程.采用后移滑动策略及最优插入位置搜索策略解决单星任务处理子问题,并采用基于规则的方式处理其他约束.实验结果证明了所提方法的有效性.     

同时配集货定位—路线问题的变邻域分散搜索算法

针对同时配集货的定位—路线问题,建立了三维指数混合整数规划模型,并设计了变邻域分散搜索求解算法,即在基本分散搜索算法的基础上保留参考集更新和组合策略的全局搜索能力。针对组合后的解可能是不可行解的问题,利用插入法将其改进为可行解,再运用变邻域搜索进行局部开发以提高可行解质量。为保证算法的多样性以进一步扩大搜索空间,初始种群采用两阶段混合多随机法构造。通过采用Lingo求解简单算例验证了模型的正确性,采用设计的变邻域分散搜索算法仿真已有算例并与其他算法比较,证明了该算法的有效性。     

混合时间窗下多中心混合车队车辆路径优化

针对混合时间窗下多中心混合车队车辆路径优化问题，综合考虑多中心联合配送、客户混合时间窗、配送中心运力平衡和车辆装载量对油耗的影响，构建以车辆派遣成本、油耗成本、电动车能耗成本和时间窗惩罚成本之和最小化为目标的优化模型。设计遗传—大邻域混合算法求解模型，该算法采用聚类法生成初始解，基于运力平衡的返回策略设计交叉和变异算子，并引入变邻域搜索结构和大邻域搜索算法的移除与插入算子进行搜索优化。通过对比和分析多组算例验证了算法的有效性，并分析了运力平衡策略和混合时间窗对制定配送方案的影响。研究成果可丰富车辆路径问题的相关研究，为物流企业优化决策配送方案提供了理论依据。     

基于服务关联网络的服务依赖关系识别

在跨领域、跨区域、跨网络广泛互联的大服务环境下,为实现组合服务的分布部署和并行执行,如何识别并发现服务之间存在的依赖关系、支撑组合服务的合理划分是亟待解决的问题.提出一种基于服务关联网络的服务依赖关系识别方法,首先利用有向图刻画服务关联网络模型,探索了一种通过已有组合服务分析服务控制流和数据流并构建服务关联网络的方法.利用图遍历、社区发现及关联规则挖掘等算法识别并抽取服务之间的数据依赖及控制依赖关系,生成服务依赖图,通过服务依赖图实现服务依赖关系的识别.通过实验验证了方法的可行性和有效性,并通过与经典算法的对比分析验证了方法的执行效率.     

一种基于混合型结构优化算法——Apriori—Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法：Apriori—Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori—Mend算法运行速度比Apriori算法有明显的提高。     

客户时序关联规则挖掘方法研究

针对客户交易数据的特点,提出了一种基于前缀映射累加树的客户时序关联规则发现方法。将时间窗口内频繁项的信息映射到前缀映射累加树中,以降低频繁时序模式的搜索空间,提高时序关联规则的挖掘效率。另外,通过为特定的频繁项建立前缀映射累加树,可以挖掘特定的时序关联规则,并能以较精确的方式,发现具有一定模糊性的客户时序关联规则。实验结果表明,所提出的方法能够提高客户时序关联规则的挖掘效率。     

基于多目标离散布谷鸟搜索算法的产品服务系统方案配置优化

为辅助工程师进行产品服务系统方案设计,提出一种基于离散布谷鸟搜索算法与Pareto结合的配置优化方法。以成本、质量和时间为目标函数,采用动态惩罚函数方法将约束优化问题转化为多目标优化问题。基于Sobol序列初始化,采用十进制编码和非支配更新方法改进多目标离散布谷鸟搜索算法,以提高初始解的多样性与优化性能。将所提方法应用于某数控机床产品服务系统方案配置优化,通过结果分析及性能对比,验证了该方法解决高维度空间内产品服务系统方案配置优化的有效性与可行性。     

一种基于混合型结构优化算法——Apriori-Mend算法

关联规则挖掘是数据挖掘领域中最重要的研究问题之一。Apriori是关联规则挖掘的一种经典算法,它使用候选项集产生测试机制来找出所有满足用户最小支持度的项集,但它需要多次扫描数据库,会产生大量的候选项集。针对Apriori算法的不足,提出了一种基于混合型新的优化算法:Apriori-Mend算法。该算法从优化产生2项集、事务压缩等几个方面对Apriori算法进行优化,将散列技术应用于产生1项集和2项集,采用库优化策略和混合型存储结构,以节省空间和运算时间。实验结果表明,Apriori-Mend算法运行速度比Apriori算法有明显的提高。     

改进离散麻雀搜索算法求解柔性作业车间调度问题

针对最小化最大完工时间的柔性作业车间调度问题(Flexible Job-shop Scheduling Problem, FJSP),提出了一种改进离散麻雀搜索算法(Improved Discrete Sparrow Search Algorithm, IDSSA)。首先,采用了两段式编码方式,针对两段编码分别设计了有效的编码转化方式,实现了麻雀搜索算法(Sparrow Search Algorithm, SSA)连续搜索空间与FJSP离散决策空间之间的映射。其次,设计了一种随机与组合启发规则相结合的初始化方法,在保证了麻雀初始种群分散广度的同时提高了麻雀个体的质量,加快麻雀搜索算法的收敛速度。再次,融合一种基于关键路径的变邻域搜索策略,对发现者进行深度发掘,提高种群引领者的质量。此外,为了维持SSA种群多样性,设计了自适应柯西高斯变异策略,提升算法全局搜索能力和跳出局部极值的能力。最后,使用Kacem和Brandimarte系列12个基准算例与多种算法进行仿真实验,实验结果证明了IDSSA的有效性和求解FJSP的优越性。     

基于Pareto优化的离散自由搜索算法求解多目标柔性作业车间调度问题

针对多目标柔性作业车间调度问题搜索空间的离散性和求解算法的收敛性,提出一种基于Pareto优化的离散自由搜索算法来求解多目标柔性作业车间调度问题。在建立基于Markov链数学模型的基础上,证明了算法以概率1收敛;引入首达最优解期望时间来分析算法收敛速度,并分析了算法时间复杂度。采用基于工序排序和机器分配的个体表达方式,在多目标柔性作业车间离散域,利用自由搜索算法在邻域小步幅精确搜索和在全局空间大步幅勘测进行寻优;通过自由搜索算法自适应赋予个体各异辨别能力和Pareto优化概念来比较个体优劣性,不仅保留优化个体,而且使个体寻优方向沿多目标柔性作业车间调度问题Pareto前沿逼近。通过对搜索过程中产生的伪调度方案进行可行性判定,以确保调度方案可行。采用10×10FJSP和8×8FJSP问题的实例进行寻优测试,验证了所提算法的可行性和有效性。     

三段式动态服务组合优化算法

第四方物流平台中需要从海量服务中挑选运输、仓储等服务并组合在一起,为客户的货物调度需求提供一个解决方案。为提高组合服务的效率和质量,保证货物调度的可靠性和实效性,提出以物流服务质量为目标的三段式动态服务组合优化算法。首先综合主客观权重,构建了能体现用户偏好的物流服务质量评价模型。算法改进了蚁群算法搜索路径的思想,按照制定的服务筛选策略找出多条较优的物流路径（组合服务）,然后建立这些路径中服务的关联网,在关联网上通过贪心选择搜索出最合适的物流路径。性能评价表明,所提算法能够较高效地动态组合出满足需求的高质量物流服务。     

求解零空闲流水线调度问题的和声搜索算法

针对以总流经时间和最大完工时间为目标的零空闲流水线调度问题,提出了和声搜索调度算法。该算法利用和声搜索算法的优化机理,采用基于浮点数的编码方式和新设计的和声产生方法,扩展了传统和声搜索算法的求解模型,并结合快速插入邻域局部搜索算法,给出了三种混合求解策略。仿真试验表明,该算法具有高效性和优越性。     

动车组故障诊断知识挖掘中改进的并行频繁模式增长算法

针对动车组历史运维数据的知识挖掘问题,从有效利用动车组历史运维数据来指导动车组故障诊断的角度出发,分析了现有并行频繁模式增长算法的实现形式和不足。结合动车组故障诊断的要求,提出利用局部频繁模式树代替全局频繁模式树的数据挖掘算法。该算法在各主要步骤上均实现了并行处理,优化了局部频繁模式树生成规则,对频繁模式的搜索策略进行了改进。改进后的算法大大提高了关联规则挖掘的效率,挖掘结果很好地保留了故障信息与状态信息之间的关联关系,并合理去除了无效规则。通过对该算法的具体分析与实际测试,表明该算法在动车组故障诊断知识获取过程中具有快速、高效、准确的特点。     

基于数据挖掘技术的远程服务与故障诊断

构建一个多制造商和多客户共用一个服务平台的设备远程监测与故障诊断系统，采用现场总线技术采集现场设备状态数据，通过Internet将信息发送到远程服务中心，由不同的工具对信息进行处理，诊断中心采用智能诊断与专家诊断相结合的工作模式，利用关联规则挖掘知识并用于智能诊断，本文阐述了系统网络运行结构，系统功能模型，基于关联规则发现知识的算法以及评价与实现。     

求解物流Web服务组合问题的两阶段多目标蚁群算法

针对基于QoS的物流Web服务组合优化问题,提出了两阶段多目标蚁群优化(TMACO)算法。首先,针对原始数据集中存在被支配候选服务而增加算法求解时间的问题,提出了基于Pareto支配的预优化策略;其次,针对属性权重难以确定的问题,提出了不依赖权重的信息素更新策略和启发信息策略;最后,针对基础蚁群算法容易陷入局部最优的问题,提出了懒蚂蚁策略。实验结果表明,TMACO算法具有良好性能,相对于基础蚁群算法、利用解与理想解距离来更新信息素的改进蚁群算法、遗传算法以及用支配程度作为解的个体评价的改进遗传算法,TMACO算法有更高的寻优能力,能够找到更多更优的非劣解。