共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
为了解决冶铸轧一体化生产过程中的动态调度问题,以保证冶铸轧一体化生产稳定顺行。首先,通过分析炼钢生产过程中的扰动,提出了基于扰动处理的冶铸轧一体化生产下动态调度策略。之后,将动态调度策略归结为:计划延迟和LF炉处理策略;钢种改判、钢水回炉以及产品问题处理策略;设备替换处理策略。基于三类处理策略分别介绍了启发式规则和机器冲突消解模型、计划优化模型和智能优化算法以及设备替换算法等处理方法。最后对实际生产中常见的"追加计划"进行了仿真,仿真系统分别对炼钢-连铸计划以及热轧和加热炉计划进行了动态调度,结果表明系统能够依据扰动,动态调整生产计划,保证生产稳定顺行。 相似文献
3.
4.
5.
针对目前组卷系统数量多但真正能满足用户需求的却非常少的问题.提出了一种新型的智能组卷策略,以试题反应理论为理论基础,将题库中的题目加上鉴别度、关联度、难易度、猜测度、作答时间等属性.以蚁群算法自题库中挑出对于不同程度的学生最合适的测试卷.实验表明本文算法能快速有效地完成组卷过程,具有较强的实用性. 相似文献
6.
蚁群算法是新兴的仿生进化算法,具有并行计算、正反馈等特点,与其它各种启发式算法相比该算法具有明显的优越性。该文将实现蚁群算法的并行化,并用来求解TSP问题,结果证明能显著提高蚁群算法的收敛速度。 相似文献
7.
8.
9.
宋毅军 《电子制作.电脑维护与应用》2013,(2):182
蚁群算法是新兴的仿生进化算法,具有并行计算、正反馈等特点,与其它各种启发式算法相比该算法具有明显的优越性.该文将实现蚁群算法的并行化,并用来求解TSP问题,结果证明能显著提高蚁群算法的收敛速度. 相似文献
10.
蚁群算法是一种元启发式算法,其经典应用是解决旅行商问题。该算法有着先天的并行特性。介绍了该算法的两种并行实现策略,给出了蚁群算法的并行实现模型,分析了该算法并行实现需要解决的问题。 相似文献
11.
为了改进蚁群优化算法的收敛速度,研究了一种基于粗粒度模型的并行蚁群优化算法,该算法将搜索任务划分给q个子群,由这些子群并行地完成搜索,可使搜索速度大幅度提高。实验结果表明,用该算法求解TSP问题,收敛速度比最新的改进算法快百倍以上。 相似文献
12.
13.
给予模拟退火研制批量计划问题的两阶段算法 总被引:3,自引:0,他引:3
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。 相似文献
14.
针对越来越复杂的道路交通系统,研究其中的动态交通规划问题。以达到对交通进行合理规划的目的。采用计算机仿真技术构建动态交通规划模型,应用蚁群算法解决基于仿真的动态交通规划优化问题。在所建模型的基础上,通过蚁群算法进行求解。实验结果令人满意。仿真方法可以将普通动态交通规划模型无法反映的随机因素考虑在内,使得动态交通规划的结果更加具有现实中的指导意义。将优化技术嵌入到仿真过程中。在仿真环境下使输出响应不断地得到改进,从而实现道路交通系统性能的优化。数据实例表明,该方法是正确的、可行的、有效的,可以为实际的道路交通规划提供有力地决策支持。 相似文献
15.
16.
基于改进蚁群算法的多无人机航路规划研究 总被引:5,自引:4,他引:1
无人机的航路规划研究是无人机任务控制系统的关键技术,在用Voronoi图法对威胁环境建模的摹础上,提出了基于Voronoi图的多行为蚁群算法,增强了蚂蚁之间的协同性,有效解决了可行解的收敛性与多样性之间的矛盾,并对求解过程加入了方向性引导,提高了算法的求解效率.在多机协同方面,利用上述算法分同起止点与不同起止点两种情况对多机协同航路规划进行了仿真,针对得到的多条初始航路,利用协同时间指标对多初始航路进行选择.最后用三次样条方法对协同最优航路进行了平滑处理. 相似文献
17.
18.
基本蚁群算法在航迹规划的应用中缺乏足够的鲁棒性,存在收敛性能较差的问题,针对基本蚁群算法容易出现局部停滞的现象,提出了一种自适应蚁群算法的救援直升机航迹规划方法,建立了救援距离最短和救援效率最高的数学模型.为了保持搜索的平衡性和收敛性,自适应蚁群算法从信息素挥发系数和信息索强度两个方面动态地调整信息素,并根据救援目标的紧急程度对信息素参数化.仿真结果表明,改进的蚁群算法避免了出现局部最优,有效地提高了搜索收敛速度. 相似文献
19.
基于并行多种群自适应蚁群算法的聚类分析 总被引:10,自引:0,他引:10
高坚 《计算机工程与应用》2003,39(25):78-79,82
数据聚类是数据挖掘中的一个重要课题。聚类问题可以归结为一个优化问题。蚁群算法作为一种鲁棒性很强的优化算法具有很强的全局优化能力。该文给出了一种并行多种群自适应蚁群算法。该算法采用多种群并行搜索,并在种群中采用基于目标函数值的启发式信息素分配策略和根据目标函数自动调整蚂蚁搜索路径的行为。理论分析和仿真实验表明,该算法是非常有效的。 相似文献