进化规划方法在最小化拖期任务数并行机调度问题中的应用

随着ＣＩＭＳ技术的发展,生产线调度问题的研究显得日益重要,最小化拖用期任务数并行机调度问题是一类重要的生产线调度问题,但迄今为止,在解决工件和机器数较多的大规模并行机调度问题还存在着许多困难,进化规划方法与遗传算法一样是一种重要的进化计算方法,它具有描述简单,使用灵活,运行效率高,鲁棒性强,较少受初始条件限制等优点,这使得它有很高的实用价值,但与遗传算法相比,进化规划方法的应用还刚刚开始,特别是在     

最小化拖期任务数并行机调度问题的一种基于知识的遗传算法

本文研究了最小化拖期任务数并行调度问题,提出了一种基于知识的遗传算法,并在问题的描述、遗传算法编码、初始种群的产生办法、交叉方法、变异方法等方面作了研究,不同规模问题的数值计算结果表明了本文提出的基于知识的遗传算法优于目前为止最好的启发式算法和普通的遗传算法,并且能适应于较大规模的并行机调度问题。     

求解约束优化问题的退火遗传算法

针对基于罚函数遗传算法求解实际约束优化问题的困难与缺点,提出了求解约束优化问题的退火遗传算法。对种群中的个体定义了不可行度,并设计退火遗传选择操作。算法分三阶段进行,首先用退火算法搜索产生初始种群体,随后利用遗传算法使搜索逐渐收敛于可行的全局最优解或较优解,最后用退火优化算法对解进行局部优化。两个典型的仿真例子计算结果证明该算法能极大地提高计算稳定性和精度。     

带并行机调度问题中基于ANFIS的自适应算法

针对用规则的线性组合方法解决实际的复杂调度中,如何确定哪些规则需要组合和确定权系数一直缺乏有效的方法,提出了根据多个不同的生产调度目标采用ANFIS将不同调度目标的规则进行自适应的综合,进行学习后产生模糊规则的算法,并将其用于带并行机Jobshop调度问题中。数值计算结果表明,该算法能够较好地对一些规则进行综合,并且在此类调度问题中有比这些规则更好的效果。今后的研究方向是调整ANFIS的结构使其更适合调度问题。     

基于遗传算法和代理的集成调度系统框架

基于多代理系统分布式调度和集中式调度的优点,提出了将二者有机结合的系统框架,分为总体调度和多代理调度网络。前者采用遗传算法优化筛选不同的调度方案,后者则由加工资源代理和协作协议构成的代理网络,保证调度对动态制造环境的适应性。每个生产订单优先级编码为一个染色体基因,每个染色体代表一个调度方案,由多代理调度网络按照订单优先级和调度协议安排工序加工时间,然后采用提前／拖期惩罚计算染色体适值,并以此为基础优选出较优染色体,经过若干代后得到最终调度方案（订单优先级和工序时间）。最后,给出了调度实例,验证了该框架的可行性。     

现代集成制造系统的理论基础—一类复杂性问题及其求解

从系统科学的角度提出现代集成制造系统的基本框架,即求解一类复杂大系统的问题。只有将管理理念、方法论、实现技术和优化理论这四个互相联系的层面结合好,才能成功地构造并运行现代集成制造系统。     

一种课程学习范式下的知识蒸馏方法

随着工业4.0时代的到来,神经网络在实现整个工业系统自动化的各个环节获得了广泛的应用。然而大规模神经网络往往消耗了大量的存储、内存带宽和计算资源,在计算受限的工业场景中很难高效利用,相比之下,轻量级网络具有更加广泛的应用前景。知识蒸馏提取一个大规模高性能教师网络的知识来指导一个轻量化低性能学生网络的训练,在提升轻量级网络性能方面已获得成功验证。但是,现有的知识蒸馏方法均采用传统的训练数据输入策略,即将训练数据集打乱后随机采样小批量的数据序列,从而将知识从教师网络迁移给学生网络,没有考虑样本输入顺序对学生网络学习知识产生的影响。针对该问题,提出将课程学习范式引入知识蒸馏场景,模拟现实教学场景,使学生网络学习知识遵循先易后难的顺序,即在知识蒸馏过程中,样本输入采用先易后难的策略,其中样本的难度由教师网络和学生网络协作判断,以综合教师网络的经验优势和学习网络的需求特点,达到最合理的课程设计。实验在CIFAR数据集上进行了验证,在多种网络结构下均能大幅提升传统知识蒸馏基线方法的准确率,而且提出的课程学习范式还可以应用于其他主流知识蒸馏方法,进一步提升其性能。另外,消融实验也说明了教师网络和学生...     

L—Fuzzy集上（G）Fuzzy积分特性

给出了Ｌ－ｆｕｚｚｙ集上ｆｕｚｚｙ积分的定义，讨论了这类广义ｆｕｚｚｙ积分的基本特性，得到了积分转化定理及可积性充要条件，最后指出ｆｕｚｚｙ积分的两个收敛定理。