基于多目标优化的OEM企业生产调度研究与应用

在控制和决策过程中,系统会被要求多个目标都尽可能完善,即多目标最优化问题;或希望各目标都接近或者达到理想值,即目标规划问题。由于多个目标之间往往因存在冲突而不能同时达到最优,因此需要对多个目标进行平衡,这就形成了有优先级的模糊多目标优化控制问题,最终决策者会得到满意解。     

基于粒子群优化的文本特征选择方法

从文本特征对文本分类结果的整体影响的角度出发,提出一种基于粒子群优化的文本特征选择方法(PSOTFS),使用粒子群算法来挖掘文本特征选择规则。PSOTFS首先使用开方检验对文本特征进行预选择,然后使用粒子群算法对预选择得到的文本特征进行精选。PSOTFS以一个粒子表示一条特征选择规则,特征选择规则集对应某个粒子群,采用分类准确率作为适应度函数,采用分组的方式对粒子的维度进行降维。实验结果表明,PSOTFS比开方检验、信息增益、文档频率和互信息方法能得到更好的分类效果。     

基于粒子群优化的文档聚类算法

为了解决文献自动分类问题,提出了一种基于粒子群优化算法(PSO)的文档聚类算法并根据各种参数的变化策略进行了分析与比较.由于粒子运动的范围受到粒子最大速度Vmax的影响,本文通过改变Vmax的变化类型进行仿真比较,当Vmax为凹函数,PSO算法具有较好的收敛性.同时,对惯性权重和学习系数进行了研究,提出了相应的变化策略:惯性权重线性递减,自身认知系数线性递增而社会认知系数线性递减.给出了PSO聚类算法的详细步骤,并根据各种变化策略进行了仿真分析,取得了较好的聚类效果.与标准的遗传算法(GA)相比,本文提出的PSO聚类算法具有更好的收敛效果.     

基于粒子群优化的地区专利发展评价

为解决地区专利发展评价问题,建立投影寻踪评价模型并且利用粒子群算法优化最佳投影方向。选择我国31个省市区专利发展指标数据作为实例进行仿真实验,验证投影寻踪应用于专利计量的有效性。根据优化后的最佳投影方向得到评价结果并且按照区域平均水平进行分析,得到影响专利发展的主要因素,并提出相应缩小区域专利发展差异的措施。     

基于多目标优化的双钻头打孔机效能模型

在线路板加工中,过孔加工费占的比重较大,因此,研究双钻头打孔机生产效能对减少生产成本,提高收益有重要的作用。首先,采用剥离过孔的思想得到打孔机的打孔方式和定义作业跨度时间、两钻头合作间距函数以及均衡度函数;其次,以钻头作业跨度时间最短、总作业成本最少、工作时间均衡及成本均衡为目标,建立多目标0-1规划模型;然后,为防止大数吃小数,将多目标0-1规划模型转化成单目标0-1规划模型;最后,虚设1个过孔数,将2TSP问题转化为TSP问题和设计嵌入打孔优先级的递阶遗传算法以及运用Matlab10.0求解出双钻头的最优工作线路。     

粒子群算法在非线性PID控制系统参数整定中的应用

粒子群优化算法是一类基于群智能的随机优化算法,该算法简单易懂,优化性能良好。本文提出改进的PSO算法结合MATLAB强大的矩阵运算能力和Simulink系统仿真功能,对文中非线性PID控制系统参数进行了优化整定。仿真显示优化结果比传统的优化方法好,收敛性能也较好。     

基于双种群蚁群算法的多目标资源受限项目调度问题研究

近年来,项目调度问题无论在理论研究领域还是在工程应用领域都展现出了它的重要性。在实际应用领域,多目标资源受限项目调度问题广泛存在于建筑工程、计算机系统安装和软件开发、飞机及轮船制造等单件或小批量生产方式的企业中。近年来兴起的全球制造方式经常要求多家企业的合作以获得最大的竞争力,这种组织结构和管理模式越来越趋向于面向项目的方式。因此,多目标资源受限项目调度问题在现代化企业中显示出越来越重要的研究价值。     

努力构建电力调度系统的安全体系

目前,我国电力调度自动化系统网络的建设成绩斐然,例如电力调度网络系统的利用率教高,技术水平比较先进等,但是也存在着网络安全级别较低、实时性。要求较低等多方面的安全隐患。为此,笔者在本文中浅谈了电力调度自动化系统网络安全隐患及其防止。     

高校图书馆数字资源多目标协同智能优化配置模型研究

论文针对高校数字资源配置问题,首先设计了研究所需的多目标协同体系;然后设计了数字资源优化配置的多智能体决策框架,将多智能体的主体决策行为与遗传进化算子相结合,构建了多种约束条件下的数字资源智能优化配置模型;最后精选了昆明理工大学图书馆2018年部分数字资源数据进行了模拟实证分析。结果表明：模型能够合理地对研究对象的资源种类占比和类内数据库的配置数量进行多目标协同优化,资源配置的结构和质量得到了较为明显的改善,能够协调不同主体对数字资源的需求,并明显提高了数字资源多目标评价之间的协同水平。     

基于粒子群的模糊C均值文本聚类算法研究

利用模糊C均值算法解决文本聚类问题时,随机选取的初始聚类中心和聚类数会导致不同的聚类结果,且容易陷入局部最优。提出利用粒子群优化算法确定模糊C均值的初始聚类中心,并通过向量空间模型和特征提取,再利用模糊C均值进行文档聚类。实验表明,这种基于粒子群的模糊C均值聚类算法迭代次数少,能解决经典模糊C均值算法对初始值敏感和易陷入局部极小的缺点,且聚类速度和效果得到明显提高。     

一类两层多目标决策的模型和优化方法

本文针对上层为多目标,下层多人具有优先级的多目标两层决策问题,建立了其数学模型和决策机制,随后提出了一种方向搜索决策方法。该方法具有交互过程简单、易于在计算机上实现等优点。     

基于改进粒子群算法的数据预测挖掘应用研究

针对粒子群优化算法早熟、易陷入局部收敛的问题,提出一种克服早熟的粒子群算法.该算法在标准粒子群算法基础上加入极值扰动和自适应调整系数,使其易于跳出局部最优.又分析了灰色GM(1,1)预测模型的局限性,提出了一种带极值扰动的自适应调整惯性权重的改进PSO优化灰色模型AdPSO-GM,并将此模型用于数据预测挖掘研究中.最后,通过一个实例对所提方法进行验证,结果表明,本文所给模型具有较高的预测挖掘精度.     

电力调度自动化网络运维平台的设计与应用

随着电力系统的规模不断扩大和能源结构的深刻变革,传统的电力调度和运维方法已经难以满足日益增长的能源需求和复杂的系统管理要求。对电力调度面临的挑战进行了一定论述,在此基础上,进一步探讨了电力调度自动化网络运维平台设计,并结合自动化网络运维平台的特点,分析了其在电力调度中的具体应用,进而有助于推动自动化网络运维平台在电力调度中应用的不断深入,为实现能源的高效利用和可持续发展提供可靠保障。     

基于蛙跳算法的人工萤火虫群优化算法

人工萤火虫群优化算法(GSO)是最近提出的一种群智能优化算法,算法具有参数少、优化求解速度快以及占用内存少等优势,但是GSO算法还是存在许多的不足,本文就是来讨论解决GSO算法中的一些不足之处.     

多传感器融合中基于协方差控制策略的资源调度管控研究

多传感器融合中,资源调度管控负责把组网系统中的多个传感器合理地分配给系统所面临的任务,是改善信息融合质量、提高系统整体效能、获得最佳观测效果的关键。资源调度管控的主要是根据一定的最优准则,确定选择何种传感器监视跟踪目标,以及传感器的工作方式、参数、测量过程,还有确定各个传感器之间的如何相互协同以及传感器与环境的适应等。本文是研究基于协方差控制的资源调度管控算法,从而优化传感器资源调度管控。     

基于Hopfield神经网络和PSO的线性系统辨识方法

研究了一种基于连续型Hopfield神经网络和粒子群优化（PSO）的线性系统辨识方法。首先建立了系统的预测模型以及辨识误差函数,然后将误差函数近似为连续型Hopfield神经网络的能量函数。利用神经网络的自我演化,得到近似的辨识参数。通过引入PSO机制,缓解了Hopfield神经网络在辨识过程可能陷入局部极小值的缺陷,增强了辨识的效果。最后,仿真研究验证了所提方法的有效性。     

论科技期刊学术目标与经济目标的冲突与协调

在提出科技期刊学术目标和经济目标追求的基础上,分析科技期刊学术目标和经济目标的冲突,并提出了协调科技期刊学术目标和经济目标的对策及建议.     

汽车正面碰撞安全气囊缓冲特性多目标优化

本文利用MADYMO软件建立了汽车正面碰撞乘员约束系统数值模型,并利用该模型对人体的损伤响应进行研究。运用微型多目标遗传算法对安全气囊的动态特性参数进行优化,结果表明该方法不但能减少汽车碰撞试验次数与昂贵的试验成本,而且还能为工程人员提供多种方案以满足不同产品要求,在汽车碰撞安全技术领域具有一定的实际工程意义。     

基于多目标优化双聚类的数字图书馆协同过滤推荐系统

针对数字图书馆推荐系统,提出一种能够同时考虑用户和项之间的相似性的协同过滤(CF)方法,即应用多目标优化计算双聚类技术对行和列同时进行聚类,完成对用户和项相似性同时分组。为评估算法的效率,应用MovieLens数据集进行实验,结果表明该方法能够为用户提供有用的推荐意见,其性能优于其他CF方法。