【摘 要】
:
资源调度优化是合理利用资源、创造经济价值的关键。流水线调度属于工业制造领域中重要的资源调度问题,随着污染、能耗与劳动损伤问题的日益突出,该领域当前愈加重视环保、节能与劳动保障等绿色发展理念。因此,本文研究绿色混合流水线调度问题,该问题属于组合优化问题,是NP-Hard问题。为更有效优化求解,本研究提出一种全新的红树林生态优化算法求解绿色混合流水线问题。本文的主要工作如下:1.提出红树林生态优化算法
论文部分内容阅读
资源调度优化是合理利用资源、创造经济价值的关键。流水线调度属于工业制造领域中重要的资源调度问题,随着污染、能耗与劳动损伤问题的日益突出,该领域当前愈加重视环保、节能与劳动保障等绿色发展理念。因此,本文研究绿色混合流水线调度问题,该问题属于组合优化问题,是NP-Hard问题。为更有效优化求解,本研究提出一种全新的红树林生态优化算法求解绿色混合流水线问题。本文的主要工作如下:1.提出红树林生态优化算法MEO。对红树林生态系统中主要物种的关系进行抽象,汲取适合智能计算的特点构建MEO。该算法包含三个主要部分:(1)红树繁殖算子,通过抽象红树胚轴的诞生和漂流过程进行寻优,充分利用优势位置信息,推动全局探索进行;(2)蟹类觅食算子,将蟹类种群内部关系抽象为二维冯诺依曼拓扑结构,模拟红树林生态系统中独有的沙蟹群体觅食行为进行寻优,强调利用环境信息,旨在维持全局探索和局部开发之间的平衡;(3)鸟类觅食算子,将鸟类种群内部关系抽象为环形拓扑结构,模拟红树林生态系统中独有的琵鹭种群觅食行为进行寻优。依赖食物与栖息地优势位置信息指引,使用角度矩阵与变换式H进行位置更新,赋予算子加速收敛和跳出局部最优的能力。使用IEEE CEC2017基准测试函数集中的f1-f20作为基准函数,对MEO与六个知名算法进行维度为30的对比测试,对测试结果进行T检验。实验数据与T检验结果证明MEO具有良好的优化能力。2.使用MEO求解考虑电能消耗的单目标绿色混合流水线问题。提出了考虑电能消耗的单目标绿色混合流水线问题数学模型。对比MEO与六个知名算法,实验结果与相对误差分析表明,MEO解决考虑电能消耗的单目标绿色混合流水线问题效果优异。3.提出离散多目标红树林生态优化算法DMOMEO,用于求解考虑最大完工时间、总噪音量、总粉尘量的多目标绿色混合流水线调度问题。提出了考虑最大完工时间、总噪音量、总粉尘量的多目标绿色混合流水线调度问题数学模型。在MEO的基础上,采用最小位置值规则进行离散化,应用多目标择优算子与多目标更新算子进行多目标化,提出离散多目标红树林生态优化算法DMOMEO。使用两个经典多目标群体智能优化算法NSGA2与MOPSO进行对比测试,应用覆盖度量、非支配解个数、散布值与平均相对偏差指数等四个评价指标进行论证,结果显示DMOMEO解决考虑最大完工时间、总噪音量、总粉尘量的多目标绿色混合流水线调度问题具有杰出性能。
其他文献
随着医院信息系统的建设发展,医院积累的医疗数据日益增多。如何从医疗数据中发现有价值的信息,具有重要实现意义。据有关报道,我国妊娠期糖尿病发病率在逐年上升。妊娠期糖尿病会对母婴健康造成不良影响。预防妊娠期糖尿病的发生是卫生部门一项重要的工作。本文以孕产妇产检的诊疗数据和住院期间的诊断数据为基础,设计开发妊娠期糖尿病关联规则挖掘系统,对妊娠期糖尿病的危险因素以及妊娠期糖尿病与妊娠并发症、母婴妊娠结局的
旅行商问题是一个经典的组合优化问题,它在印制电路板钻孔、基因组测序、飞机航线安排和晶体结构分析等领域有着广泛应用。旅行商问题也是一个NP难问题,它在运筹学和理论计算机科学中有着重要地位。因此,求解旅行商问题具有重要的理论研究价值和工程应用背景,它已经成为组合优化问题中的研究热点之一。旅行商问题属于NP难问题,求解它的精确算法已经被淘汰。国内外许多研究人员采用群体智能优化算法对旅行商问题进行了研究,
当前大数据时代的到来,已经给各行各业带来了翻天覆地的变化和发展,更是推动了我们国企业的创新进程,为了能更好的适应新时代,利用大数据、云数据等手段推动行业创新营销,增加核心竞争力。中国联通作为国内三大运营商之一,针对市场调研数据的分析在如今的环境之下,已经变成了一项复杂的工作。本文基于服务的云模型平台,不仅能集各省各地市不同人员的分析角度,更是能减少资源成本,把隐藏在后台数据中的信息集中和提炼出来,
台风是一种体系庞杂的大气运动系统,具有严重的破坏性。目前世界上对台风强度预测还处于一个探索和研究的阶段,随着现代化天气业务和服务需求的变化,对台风监测系统自动化程度要求也随之提高。经过40多年的发展,预测员们正逐步将人工智能应用于台风强度预测,近年来,基于深度学习的卷积神经网络(Convolutional Neural Networks,CNN)正在成为研究的热点,此类对象分类技术也日趋成熟,但在
内部边界网关协议(Internal Border Gateway Protocol,IBGP)是互联网不可或缺的基础设施,若没有正确合理配置,很容易产生路由环路和次优路由。这些路由异常问题是非常有害的,它们会增加路由器的工作负荷,导致路由器的性能下降。因此解决上述IBGP路由异常问题是至关重要,但传统的解决方案要么配置复杂,要么消耗过多的资源。所以研究如何有效的解决IBGP路由异常的同时使得解决方
随着大数据时代的发展,对海量数据进行高效、安全的存储变得越来越重要。分布式安全存储技术结合分布式存储技术和数据加密技术,具备了安全、海量存储等特点,已成为当前信息安全领域研究的一个热点。在分布式存储技术中,对存储节点的选择是一个关键问题。选择的节点是否合理,会影响到系统的性能和存储容量的有效利用。在对现有节点选择算法进行研究后,本文提出了一个更加高效的算法——基于多属性决策的节点选择算法。该算法在
太平洋生物科学平台(Pacific Biosciences)和牛津纳米孔平台(Oxford Nanopore)的长序列(long read)测序技术的兴起,促进了基因组数据分析的发展。与短序列(short read)测序技术相比,长序列测序技术可以解决规模更大、更复杂的基因组组装问题。但是,长序列的错误率非常高,Pacific Biosciences测序技术产生的长序列的错误率约为10%~15%,
人与物体交互活动的识别是人工智能领域最热门的研究方向之一,是计算机视觉研究领域不可或缺的重要研究部分。同时,人与物体交互活动识别是图像理解、自动描述图像内容等研究的基础。在实际应用中可以广泛用于网站图像搜索,安保系统检测等。本文提出一种新的混合深度学习模型,旨在提升和改善图像中人与物体交互活动识别的效率。模型首先设计一种基于深度学习的方法对图像三维空间关系信息进行建模,探索人与物体交互活动的构图规
脑卒中又称“中风”,属于急性脑血管疾病。脑卒中死亡率和致残率高,完全康复和痊愈的难度较大,对患者的患病后很长一段时间的健康自主生活会产生消极影响。目前国内已经建立了疾病诊疗电子管理系统,积累了大量脑卒中患者就诊、治疗、康复等医疗数据,如何挖掘这些数据中的价值,建立诊疗辅助决策系统,是现阶段提升医疗效率和智能化水平的重要路径,也是本文研究的重点。在对国内外医学数据挖掘、脑卒中诊疗、辅助决策系统设计等
随着人类基因组计划的深入和发展,RNA分子的作用越来越多的被发现。尤其是其作为病毒的遗传物质这一角色,因为新冠肺炎的爆发获得了极大的关注。人们对RNA功能的研究在不断深入,由于RNA的功能与它的结构有着密切的关系,所以对RNA二级结构的研究随之成为了当今的一个热点课题。近年来,有许多关于RNA二级结构比较的方法,但是算法的准确性和普适性还需要进一步改进。本文针对不同类型的RNA提出了两个新颖的RN