不同交货期时间窗下的平行机生产问题研究

在工业4.0环境下,满足定制生产需求并能够准时交货的智能工厂成为发展趋势。研究在JIT原则下,考虑订单交货期、到达时间和设备产能资源等约束条件下的平行机生产排序问题,以订单任务提前生产的总时间最小化作为目标,基于历史订单构建虚拟订单进行产品组合,建立交货期约束系统求解模型,使用"最小提前生产时间的启发式算法"进行求解,解决不同交货期约束下平行机生产排序过程中的资源冲突、工期延误、设备浪费等问题,以保证准时交货。最后,使用仿真案例实验验证该方法的可行性,为进一步研究不同交货期时间窗下较大规模的复杂平行机排序问题提供可借鉴的方法。     

基于人工智能的网络运维优化算法研究

基于人工智能的网络运维优化安全优化算法,分析了互联网数据安全优化算法,得出以下结论:在网络安全情况预测中,预测模型基于粒子群优化神经网络径向基函数(Radial Basis Function,RBF),粒子群神经网络算法在信息量较低时运行速度快,高精度有利于粒子群RBF神经网络的快速准确预测。结果表明,通过对粒子群优化前后RBF神经网络的比较,粒子群优化后预测误差的波动可以大大降低。