半导体黄光区调度问题研究

对半导体黄光区调度问题进行了研究,建立了半导体黄光区调度的数学模型,分别提出了用于求解该问题的启发式方法和粒子群算法方案,阐明了两种算法方案的具体实现过程。通过对仿真实例进行计算和结果比较,表明了粒子群算法优于启发式方法,取得了不错的优化效果。     

重选精英个体的非线性收敛灰狼优化算法

针对灰狼优化算法（GWO）存在的求解精度较低、后期收敛速度较慢、易陷入局部最优的缺点,提出一种改进灰狼优化算法（EGWO）。该算法引进两种改进策略：用以平衡算法全局搜索性和局部开发性的非线性收敛因子调整策略和用以降低陷入局部最优风险的精英个体重选策略。通过在9个基准测试函数上的实验与标准GWO算法,以及文献提出的5种改进灰狼算法和4种其他算法进行对比,从算法寻优的精确性和鲁棒性两个方面验证两种算法改进策略的有效性。实验结果表明,两种改进策略都能提升算法性能,综合使用两种策略的EGWO在收敛速度和求解精度都明显优于其他比较算法。     

改进混合量子算法在Job Shop调度中的研究

自从科学的管理思想引进生产过程中,管理者开始注重计算机的辅助作用。Job Shop调度问题（JSP）是许多实际生产调度的简化模型,由于解空间的规模巨大,给求解带来了很大的挑战。在量子比特编码的基础上,设计了两种解码方式,结合微粒群算法（PSO）的更新式对量子角进行智能调整,形成了混合量子算法（HQA）。但HQA在求解JSP时,效果并不好。在HQA的框架下,增加了一些寻优机制,使得算法求解性能有显著的提高,并称其为改进混合量子算法（IHQA）。     

基于混沌粒子群算法的关键链项目进度管理研究*

应用混沌粒子群算法解决关键链项目管理的优化调度问题,并利用了混沌运动遍历性,随机性等特点,对传统粒子群算法进行改进,摆脱了粒子群算法后期易陷入局部极值点的缺点,并保持了前期搜索的快速性。通过实例证明,在求解该类问题上,混沌粒子群算法比基本粒子群算法更具有优势。     

多智能体入侵杂草算法

针对标准入侵杂草算法缺乏信息共享机制的缺陷,将多智能体系统融入标准入侵杂草算法,提出了一种新的多智能体入侵杂草算法.该算法通过多智能体系统中改进的邻域竞争合作算子实现个体间信息的交流,提高收敛速率;利用多智能体系统中的自学习算子增强算法求解精度.五个基准函数测试对比分析结果表明,多智能体入侵杂草算法的求解精度、收敛速度和稳定性优于标准入侵杂草算法、粒子群算法和差分进化算法.     

基于组合赋权-云模型的装配式建筑施工风险评价研究

随着现代建筑技术的迅猛发展,装配式建筑日益受到关注。然而,这种建筑方式也带来了一系列的施工风险。首先,从环境、管理、作业人员、技术、材料/设备5个方面对装配式建筑施工风险因素进行归纳总结,识别出22个施工风险因素,建立装配式建筑施工风险评价指标体系;其次,采用层次分析法确定各指标主观权重,采用熵权法确定各指标客观权重,并进行组合赋权;最后,以云模型为基础,构建装配式建筑施工风险云评价模型,通过案例分析识别施工风险等级和重要风险因素,验证装配式建筑施工风险评价模型的科学性和适用性,为装配式建筑施工风险管理提供参考。     

基于时间延迟的多类型维修与经济生产批量联合优化研究

针对目前未能较好的综合考虑多维修类型与经济生产批量联合优化的问题,首先考虑多类型维修关系,基于时间延迟理论求出故障和缺陷次数的表达式;其次,在此基础上,综合考虑生产费用和维修费用的基础上,构建了多类型维修和经济生产批量联合优化模型,以单位时间内总费用最小为优化目标,获得最优检查间隔期和经济生产批量;最后,通过算例分析验证了模型的有效性,说明了第一类缺陷检查次数的多少对费用和经济生产批量影响不大。     

利用量子粒子群算法求解单级多资源约束生产批量计划问题

针对单级多资源约束生产批量计划问题,提出了基于量子粒子群算法求解该问题的方法。此算法将量子强大的领域搜索能力和基本粒子群算法(PSO)通过跟踪极值更新粒子的功能结合,能够改善粒子群算法后期搜索速度慢的问题。通过对其他文献的实例进行计算与比较,结果表明,在求解单级多资源约束生产批量计划问题时,量子粒子群算法(QP-SO)要优于退火惩罚混合遗传算法和传统的遗传算法。     

圆柱绕流N—S方程数值解的非线性特性分析

数值模拟并分析了二维圆柱绕注向混沌转捩的情形，通过时间延迟技术和维数嵌入方法对速度时间序列重构相空间，并利用非线性动力系统理论方法（诸如相空间分析、频谱分析、Ｐｏｉｎｃａｒｅ映射），以及通过对混沌统计量（如关联维数，Ｋｏｌｍｏｇｏｒｏｖ熵、Ｌｙａｐｕｎｏｖ指数等）的计算，对不同雷诺数的Ｎ－Ｓ方程解的特征作了分辨。结果表明，在一定的雷诺数范围内解是周期或拟周期的，并且有一个复杂的分叉途径向混沌转捩。     

变批量车间调度文化进化算法研究及应用

针对JIT环境下柔性生产的要求,多品种小批量生产使车间调度规划更加困难,许多生产调度优化问题属于NP-hard问题,其求解通常采用智能启发式算法。文化进化算法基于文化算法、文化进化思想及超群进化思想,通过上层文化空间的经验知识指导下层个体进化搜索的方向及步长,通过模拟人类社会文化进化的机制实现文化空间的进化与更新,最后将算法应用到变批量Flowshop问题的求解,用Matlab编程仿真测试,结果表明用此算法进行批量分割,解决生产调度优化问题是可行的,而且其搜索性能优于AGA算法。