多工艺路线车间作业调度遗传算法实现

针对简单遗传算法在解决作业车间调度问题时只适用于简单问题的局限,研究了多工艺路线的批量调度遗传算法实现,论述了3种提高生产效率的调度策略,即采用最小批量原则对零件进行分批调度生产;将批量准备时间和零件加工时间相分离,在工件到达加工机床前做好批量加工准备;在生产加工过程中,将同批加工零件进行多次机床间转移,缩短后续机床的等待时间.同时将工序优先级调度算法加入到简单遗传算法,提出了一种全局优化的多工艺路线批量生产调度混合遗传算法.仿真结果表明,该调度算法能取得较好的效果.     

柔性作业车间分批调度的多样性可控粒子群优化算法

针对多目标柔性作业车间分批调度模型复杂的子批量工序排列,设计了基于工件、工序及批量的矩阵编码和解码方法,进而提出种群多样性可控的粒子群分批调度算法.该算法采用伪二叉树法构造非支配解集,以种群熵量化群体多样性,并根据其变化范围采用局部自适应的元胞自动机对粒子邻域进行调整、平衡算法精度和速度.最后,通过对比相关算例验证了文中算法的有效性.     

改进布谷鸟搜索算法求解批量流水线调度问题

针对以最大完工时间为目标的批量流水线调度问题,提出一种改进的布谷鸟搜索算法．该算法采用排序规则的编码方式,将连续个体值的布谷鸟搜索算法直接应用于离散的调度问题．其次,在布谷鸟搜索算法的基础上,一个简单而有效的局部搜索用于批量流水线调度问题的探索．仿真实验表明所提出算法的可行性和有效性．     

分布式棒线材轧制生产线在线生产调度系统

在分析棒线材生产作业计划特点的基础上，建立了精轧工序轧制批量调度的数学模型，其中考虑了轧机的维护约束等实际应用约束，采用混合局部搜索的自适应遗传算法进行求解，给出了基于多智能体系统（MAS）的分布式在线生产调度系统的总体结构，描述了进化计算、专家系统、启发式规则和人机交互相结合的集成化实现方法．实际运行结果表明，该系统各项功能运行良好，可快速编制出接近最优的生产调度计划，调度质量得到很大地改进．     

冷轧合同批量调度的模糊Job Shop模型及算法

针对冷轧薄板生产线机组设备多、产品种类多的特点,提出一种合同批量调度方法．该方法将生产合同按产品种类和交货期组批处理,建立了具有模糊处理时间的Ｊｏｂｓｈｏｐ调度模型来描述整个生产物流情况,并定义了分情况的合同批量加工时间推算规则．针对调度模型的求解,给出一种多子种群并行粒子群算法．利用宝钢冷轧薄板厂的实际生产数据进行了试运行,结果表明,该方法可大幅度提高合同交货期满意度,并能有效减少合同批量调度的工作时间。     

两级差分进化算法求解多资源作业车间批量调度问题

以优化生产周期为目标,研究并建立了多资源作业车间批量调度问题模型.提出一种新的两级差分进化算法,采用两级染色体编码来解决批量划分和排序优化问题;设计了基于自适应差分进化算法(DE)的全局搜索操作,并在算法框架中嵌入了基于Interchange邻域结构的局部搜索;基于等量划分原则,为每个工件确定最优批次数及子批次的批量大小,并为各子批次确定最优排序.通过单资源算例和多资源实例仿真表明了模型和算法的可行性和有效性.     

求解批量流水线调度问题的蜂群算法

针对批量流水线调度问题,提出了一种改进的人工蜂群算法来优化最大完成时间。该算法运用NEH方法产生初始解,采用混沌遍历的方法生成新的邻域解。为了跳出局部最优,使用最优解的插入扰动来替换一些连续若干步不能改进的解来提高算法的全局搜索能力。采用自适应的局部搜索加强算法的局部搜索能力。仿真试验表明了所得算法的可行性和高效性。     

基于AGA的最小加权完成时间并行机调度

针对最小化加权完工时间的等同和非等同并行多机调度问题,通过一种新的扩展顺序表达方式编码,采用自适应遗传算法来优化.此编码与调度方案一一对应,并且适于用多种交叉算子.计算结果表明,基于该编码方式的自适应遗传算法是有效的,能适用于大规模等同和非等同并行多机调度问题,且算法操作简单,收敛速度快.     

CLSP问题的周期调度方法及其PSO求解

采用分解思想考虑多阶段CLSP问题,从多阶段生产系统抽象出单阶段生产环节,提出以周期方式对该生产环节进行生产批量调度。在对CLSP周期调度问题进行描述和界定的基础上,建立了相应的数学模型,讨论了周期调度方法中的周期上界以及周期长度与物料批量大小之间的关系等性质,采用基于三层编码的粒子群优化算法进行问题求解。源于冷轧生产实际的计算实例表明周期方法能够大大降低问题的规模且所得设备调整费用比人工方法减少约16%。     

改进生物地理学算法求解柔性作业调度问题

针对柔性作业车间调度问题的特点,提出了一种基于改进生物地理学优化算法的求解方案。该方案采用基于工序和基于机器相结合的编码机制,在初始种群中引入启发式算法生成的优良个体,并在标准生物地理学算法基础上对迁移和变异操作进行了改进,采用符合该调度问题的迁移率模型和自适应变异机制,克服了传统算法易于早熟或收敛慢的缺点。通过仿真验证了该算法的可行性和有效性。     

基于连续消除的正方形-菱形运动估计算法

在基于搜索起点预测和正方形-菱形算法(SDS)的基础上,结合连续消除算法(SEA),提出了一种新的运动估计算法:基于连续消除的正方形.菱形运动估计算法(SEA-SDS).实验结果表明,该算法以比较小的代价取得了与全搜索算法(FS)相当的效果;在搜索次数和精度方面均优于菱形(DS)和正方形-菱形(SDS)快速运动估计算法.     

基于集成模型与遍历搜索算法的铅锌烧结透气性优化

以铅锌烧结过程为研究对象,针对烧结过程透气性的控制问题,提出了基于集成预测模型与遍历优化搜索算法的铅锌烧结透气性优化控制方法.首先采用优化组合集成技术将神经网络预测模型和灰色系统预测模型有机结合,建立烧结综合透气性集成预测模型,然后结合14# 风箱温度和烧穿点温度建立透气性状况综合评判模型,最后通过遍历优化搜索算法,获得二配配比和混合料水分设定值,并进行跟踪控制,从而实现烧结过程透气性的优化控制.仿真结果表明:该方法能有效改善烧结过程的透气性.稳定烧结过程.     

Controllability and stabilization of Boolean control networks by the auxiliary function of flipping

In this article, a hybrid method combining flip matrix approach and an open (or closed) loop control is proposed to study global controllability and stabilization of Boolean control networks (BCNs). First, the necessary and sufficient condition for global controllability of BCNs, by flipping some members of a perturbation set and under free control sequences, is proposed. After that, using a search algorithm, the minimal perturbation sets for global controllability (MS‐GCs) of the BCN are obtained. Next, we propose a necessary and sufficient criterion for global stabilization of BCNs by flipping some members of a perturbation set and under a state feedback control. Similarly, an algorithm is given to search for the minimal perturbation sets for global stabilization (MS‐GSs) of the BCN. Moreover, the time‐optimal MS‐GSs of the BCN are also obtained by an algorithm. Some examples are given to illustrate the effectiveness of the results.     

利用改进遗传算法的参数估计

基于极大似然法的参数估计实质上是一个复杂的非线性优化问题,传统的优化方法计算效率较低且容易陷入局部极值。而遗传算法是一种有导向的随机搜索方法,能以较大的概率收敛到全局最优解。本文将单纯形法引入到并行遗传算法中,提出了一种改进的遗传算法,可以有效地提高算法的收敛速度、防止搜索过程中的早熟现象。应用于系统初始状态未知时的参数估计问题,获得了满意的结果。     

基于改进随机森林算法的文本分类研究与应用

传统随机森林分类算法采用平均多数投票规则不能区分强弱分类器,而且算法中超参数的取值需要调节优化.在研究了随机森林算法在文本分类中的应用技术及其优缺点的基础上对其进行改进,一方面对投票方法进行优化,结合决策树的分类效果和预测概率进行加权投票,另一方面提出一种结合随机搜索和网格搜索的算法对超参数调节优化.Python环境下的实验结果表明本文方法在文本分类上具有良好的性能.     

融合《知网》和搜索引擎的词汇语义相似度计算

针对当前《知网》的词语语义描述与人们对词汇的主观认知之间存在诸多不匹配的问题,在充分利用丰富的网络知识的背景下,提出了一种融合《知网》和搜索引擎的词汇语义相似度计算方法。首先,考虑了词语与词语义原之间的包含关系,利用改进的概念相似度计算方法得到初步的词语语义相似度结果;然后,利用基于搜索引擎的相关性双重检测算法和点互信息法得出进一步的语义相似度结果;最后,设计了拟合函数并利用批量梯度下降法学习权值参数,融合前两步的相似度计算结果。实验结果表明,与单纯的基于《知网》和基于搜索引擎的改进方法相比,融合方法的斯皮尔曼系数和皮尔逊系数均提升了5%,同时提升了具体词语义描述与人们对词汇的主观认知之间的匹配度,验证了将网络知识背景融入到概念相似度计算方法中能有效提高中文词汇语义相似度的计算性能。     

基于改进双树复小波和灰度-梯度共生矩阵的纹理图像检索算法

针对双树复小波变换缺少不同尺度纹理的空间分布特征的缺陷,提出了一种改进双树复小波和灰度-梯度共生矩阵相融合的纹理图像检索新算法。首先,该算法将图像进行非均匀分块,并对分块的图像进行双树复小波变换,以此增加不同尺度下的空间信息;其次,利用灰度-梯度共生矩阵提取4个统计量特征;然后, 融合 两种方法提取的纹理特征以得到图像检索的纹理特征;最后,用Canberra距离进行相似性度量并输出图像检索的结果。实验结果表明,该方法对纹理图像有较好的检索效果。     

Deep neural network and 3D model for face recognition with multiple disturbing environments

This paper presents the proposed bird search-based shuffled shepherd optimization algorithm (BSSSO) for face recognition. Initially, the input image undergoes a noise removal phase to eliminate noise in order to make them suitable for subsequent processing. The noise removal is performed using the type II fuzzy system and cuckoo search optimization algorithm (T2FCS), which detects noisy pixels from the image for improved processing. After the noise removal phase, the feature extraction is carried out using the convolution neural network (CNN) model and landmark enabled 3D morphable model (L3DMM). The obtained features are subjected to deep CNN for face recognition. The training of deep CNN is performed using the bird search-based shuffled shepherd optimization algorithm (BSSSO). Here, the proposed BSSSO is designed by combining the shuffled shepherd optimization algorithm (SSOA) and bird swarm algorithm (BSA) for inheriting the merits of both optimizations towards effective training of deep CNN. The proposed method obtained higher accuracy of 0.8935 and minimum FAR and FRR of 0.2190 and 0.2021 using LFW database with respect to training data.

     

基于知网与搜索引擎的词汇语义相似度计算

提出一种基于知网与搜索引擎的词汇语义相似度计算方法。利用义原在层次体系树的深度、密度、信息量优化义原的相似性计算。将逐点共有信息（PMI）算法与归一化谷歌距离（NGD）算法结合优化基于搜索引擎的词汇语义相似度计算。将词汇的词性作为权重因子融合知网与搜索引擎的词汇相似度计算结果。实验结果表明,与基于知网和基于搜索引擎的语义相似度计算方法相比,所提出的方法在NLPCC测试集上的平均相似度更接近于测试集的评测标准,在汽车票务领域的词汇相似度计算中具有较好的应用效果。     

基于Petri网和混合蚁群算法的多星成像调度

提出一种基于综合指标Petri网和混合蚁群算法的多星成像调度策略。在综合指标Petri网变迁中引入指标信息,处理多星并发观测和卫星资源竞争关系、反映卫星能量和存储等约束,使得问题描述更直观和完备。设计一种嵌入局部搜索技术的蚁群优化算法,通过启发式信息综合变迁中的指标,引导蚂蚁进行全局搜索。仿真实例结果表明,该策略能有效求解多星成像调度问题,实现全局搜索和快速收敛的平衡。