基于遗传算法的虚拟企业伙伴选择及优化

伙伴选择是组建虚拟企业的关键,运用遗传算法进行伙伴选择是选择优秀伙伴的一种良好的方法.主要介绍了虚拟企业的基本概念,以及虚拟企业中伙伴选择的原则及其影响因素,随后介绍了遗传算法及其解题步骤,最后着重说明了基于遗传算法的虚拟企业伙伴选择的过程及优化模型,并且用事例加以说明.     

基于遗传算法的虚拟企业伙伴选择及优化

伙伴选择是组建虚拟企业的关键,运用遗传算法进行伙伴选择是选择优秀伙伴的一种良好的方法。主要介绍了虚拟企业的基本概念,以及虚拟企业中伙伴选择的原则及其影响因素,随后介绍了遗传算法及其解题步骤,最后着重说明了基于遗传算法的虚拟企业伙伴选择的过程及优化模型,并且用事例加以说明。     

一种分阶段的制造网络联盟伙伴选择方法研究

为合理地对大规模网络联盟企业进行合作伙伴的选择,提出了一种分阶段的伙伴选择算法.将伙伴选择过程分成粗选和最后决策两个阶段.在粗选阶段,考虑各子任务之间的约束,利用成本最小原则建立了该问题的数学模型,用遗传算法对所建立的模型进行求解,得到一组解,缩小了选择的范围;在决策阶段,进行综合决策分析,考虑多个影响因子,利用专家的经验从缩小的范围内确定出合适的合作伙伴.该方法利用数学和经验知识解决了大规模的伙伴选择问题.     

虚拟企业伙伴的选择与优化

针对虚拟企业伙伴选择最优化问题,分析了伙伴选择过程中应考虑的因素及应遵循的原则,在此基础上给出了伙伴选择的各种定性和定量方法,并介绍了使用层次分析法以及遗传算法模型进行伙伴选择的方法与过程.     

基于遗传算法的工程项目投资方案优选模型

通过类似虚拟企业伙伴选择的机制,在考虑方案本身优劣的同时,寻求最匹配的组合来达到整体方案最优的目标.分析了子项目方案间的相互影响关系,在考虑投资额和工期两个因素的基础上,从项目整体最优的角度,建立了项目总体决策方案优选的成本最小化模型,并采用遗传算法给予求解,最后,通过一个算例证明了模型的实用性和算法的有效性.     

虚拟企业合作伙伴选择模型研究

为虚拟企业选择灵捷、相容及有竞争力的合作伙伴建立模型.用关系理论对潜在的合作伙伴进行过滤可快速剔除不合格的候选伙伴,从伙伴选择的影响因素出发,构建并实现了不确定多属性决策的单目标最优化模型.该模型简洁、合理,且所需计算量较小.组建者在环境不确定且许多相关信息不能准确给出的情况下以此模型决策十分有效.     

伙伴选择问题的多Agent强化学习演化博弈方法

为了解决可供选择的企业伙伴组合规模日益扩大的问题,根据企业结盟伙伴选择招、投标问题的特点,建立了实现竞标费用和拖期惩罚费用之和最小的非线性整数规划模型.利用多Agent的强化学习思想和协调机制,在演化博弈算法的基础上,提出了多Agent强化学习演化博弈算法.将算法在多个不同规模的仿真实例上与遗传算法和演化博弈算法进行了对比分析,研究结果表明,该方法在处理规模较大的伙伴选择问题上,计算速度和达优率两方面的综合性能优势明显.     

动态联盟中合作伙伴选择问题的研究

分析了影响动态联盟伙伴选择的主要因素及目标的权重分配，采用层次分析法中的一致性矩、模糊隶属函数与遗传算法结合来解决动态联盟中伙伴选择问题，并进行了实例仿真，表明了算法的可行性和有效性.此算法基于AHP算法和遗传算法，有利于复杂因素的评价和模型的求，它符合企业管理者的主观意愿和企业的客观情况，是一个较为实用的定量化决策方法.     

基于自适应遗传算法的粗糙集属性约简方法

针对遗传算法在全局优化问题中出现的早熟收敛和后期收敛速度较慢的现象,提出了一种基于自适应遗传算法的粗糙集属性约简方法。该算法基于自适应交叉概率算子和变异算子,根据进化代数和群体的适应值,动态调整各个个体的交叉概率和变异概率,优化了各个个体被选择的概率。实验表明,该方法能够明显地改善全局寻优能力,并大大加快了收敛速度。     

案例属性权重的群基数效用优化方法

案例特征属性权重的选取直接影响到案例检索的精度.针对属性权重的优化选择问题,提出一种基于群决策思想的案例属性权重优化方法.首先,利用遗传算法从已有的案例数据库中得出多组初始特征属性权重;然后,借鉴群决策思想中的群基数效用法对多组权重进行优化选择,并在推理过程中进行权重的自适应调整,以此确定合理的特征属性权重.仿真结果表明,该方法应用于案例推理过程能充分挖掘出多组权重的潜在知识,从而得出精度更高的检索结果.     

面向最优加工成本的合作伙伴选择方法

针对面向加工制造的合作伙伴选择,强调了招标之前的任务分解,提出了初选、细选、精选"三步走"的解决方法。根据任务之间及任务所对应的合作伙伴之间的关系,基于加工和运输总费用最小化原则,建立了合作伙伴选择的优化模型。着重对合作伙伴评价方法中精选方法的算法进行研究,提出了一种新的算法——混合遗传模拟退火算法来进行精选,解决了单纯使用遗传算法使结果可能陷入局部最优解的弊端。通过实例证明,这种混合算法具有很强的搜索能力,结果跳出了局部最优解,能够解决实际问题。     

多频波动线谱自适应控制算法及试验

研究了多频波动线谱激励下的主动隔振控制问题,提出一种改进小波包自适应控制算法.传统的自适应算法难以同时控制多线谱,当线谱存在频率波动时,窄带滤波算法难以取得理想的控制效果.因此,将小波包分解算法应用在控制算法中,对信号进行等间距频带划分,采取并行控制策略完成多线谱控制.分析了不同小波基函数对信号分解的影响,确定最优小波基.针对虚有线谱和子频带过多导致的控制过盈问题,改进小波包分解算法,降低了计算量,消除子频带中虚有线谱.为每个子频带设置独立步长,并根据箕舌线函数修正迭代步长.搭建控制系统开展试验研究,结果表明,本文所提改进小波包自适应算法在多频波动线谱激励下能够取得良好的控制效果,线谱振动能量显著降低.     

Heuristic Genetic Algorithm for Discretization of Continuous Attributes in Rough Set Theory

1 Introduction Intelligent information processing is a research hotspot in information science. However, knowledge acquisition is a bottleneck in intelligent systems. Pro- posed by Pawlak in 1982[1], the rough set theory (RS theory) is based on a classification mechanism and regards knowledge as partition over data using equi- valence relationships in a given domain. The RS is a tool to deal with expressing, studying and reasoning of incomplete data and imprecise knowledge, which has been wi…     

基于遗传算法的粗糙集混合数据属性约简

为了对现实中既含有离散数据又有连续数据,甚至还有模糊数据的决策系统进行属性约简,基于模糊等价关系建立粗糙集模型,用熵来度量粗糙集中的不可分辨能量并定义约简.提出用遗传算法来求解含混合数据的决策系统的约简,论述了适应度函数的选择,给出了算法的具体实现.对经典数据集和UC I机器学习数据库中5个数据库约简的结果证明了算法的有效性和可行性.     

Customer Order Decoupling Point Selection Model in Mass Customization Based on MAS

Mass customization relates to the ability of providing individually designed products or services to customer with high process flexibility or integration. Literatures on mass customization have been focused on mechanism of MC, but little on customer order decoupling point selection. The aim of this paper is to present a model for customer order decoupling point selection of domain knowledge interactions between enterprises and customers in mass customization. Based on the analysis of other researchers' achievements combining the demand problems of customer and enterprise, a model of group decision for customer order decoupling point selection is constructed based on quality function deployment and multi-agent system. Considering relatively the decision makers of independent functional departments as independent decision agents, a decision agent set is added as the third dimensionality to house of quality, the cubic quality function deployment is formed. The decision-making can be consisted of two procedures: the first one is to build each plane house of quality in various functional departments to express each opinions; the other is to evaluate and gather the foregoing sub-decisions by a new plane quality function deployment. Thus, department decision-making can well use its domain knowledge by ontology, and total decision-making can keep simple by avoiding too many customer requirements.