改进粒子群算法在考虑运输时间下的FJSP研究

来源 :系统仿真学报 | 被引量 : 1次 | 上传用户:zx1112220
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
在实际的柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)生产环境中,不仅存在工件的加工时间,而且还存在工件在机器之间的运输时间,因此考虑运输时间的柔性作业车间调度更具实际意义。提出混合离散粒子群算法求解考虑运输时间的柔性作业车间调度问题。针对粒子群算法的不稳定性和早熟问题,应用了邻域搜索算法提高其稳定性,引入竞争学习机制和随机重启算法避免算法的早熟。通过实验对比近期的同类算法,证明了混合离散粒子群算法在求解考虑运输时间FJSP时的可行性和有效性。
其他文献
以软件工程、自动化等为代表的许多学科都梳理形成了自己的知识领域,以此构建学科知识体系,指导学科教学和科学研究。从知识领域角度描述仿真知识体系的构成,对于仿真工程教育和仿真科技发展具有重要作用。以知识领域、知识单元和知识点3层结构来构建仿真学科知识体系;在综述了学科知识体系作用、研究现状基础上,针对仿真教学的需要,提出了一种仿真学科知识领域的构成,根据知识领域的成熟度,区分为基本知识领域和前沿知识领
针对典型直角坐标机器人控制精度低,在单轴数学模型的基础上,建立了针对各轴互为正交典型机器人的轮廓误差模型,采用改进双幂次趋近律,设计终端滑模控制器,为提高机器人整体轨迹跟踪精度,加入了积分补偿项,对各轴的位置精度进行稳定补偿,并在轴间采用交叉耦合控制来消除轴间的轮廓误差。既削弱了传统滑模控制的抖振,又提高了系统的响应速度,增强了系统的鲁棒性。通过仿真实验,验证了补偿滑模交叉耦合控制器的可行性,具有
作战仿真提供一个虚拟战场空间来再现各类战场实体的对抗过程,是现代军事领域研究与实践的重要途径。随着作战仿真应用的推广,作战领域的仿真知识也日益扩展。基于作战仿真相关专著和教材所包含的知识内容,提出作战仿真的相关知识构成有3个层次;对其中的作战仿真基础知识所包含的11个知识领域进行了初步分析;同时讨论了对3种作战仿真人才的知识要求。
仿真学科知识体系是人类进行仿真活动所需要的知识集合,是一个由仿真学科概念、判断、推理相互联系而组成的逻辑体系,是对仿真学科知识的系统组织,反映了仿真学科知识的结构。仿真学科理论与知识体系构建对推进仿真科学技术研究和仿真工程教育有着重要的作用。从学科发展和工程教育2个方面概要分析了当前建立仿真学科知识体系的需求,讨论了仿真学科知识的实践性、综合性、时代性特征,分析了构建仿真知识体系面临4个方面的挑战
为使仿真模型契合城市交通特点、兼具高精确度及高性能,建立了轻量化的中观交通仿真系统与标定流程:以速度—密度模型和点排队模型刻画车辆的运动过程;将点排队模型进行交叉口展宽设计改进,以提升仿真准确性和标定效率;以真实个体检测信息作为标定数据源。模型在宣城城区路网中应用,结果表明:相较于传统点排队模型,展宽设计下的模型能较好反映实际道路特性,通行次序准确率平均可提升139 veh/2 h,且还原了展宽段
尽管无线协作网络(Wireless Cooperative Network,WCN)显著改善了通信质量和网络吞吐量,但由于中继节点能量限制,造成WCN仍存在网络生命续航和能量补充问题。提出基于携能通信技术的WCN,分析在Nakagami-m信道假设下的多中继节点模型,并研究最优中继节点的选取问题。推导出不同最优中继选择策略下的系统中断概率,并通过蒙特卡洛仿真实验验证其正确性;进一步分析影响系统中断
适者生存并非仅仅适用于弱者。之所以给人此种印象,原因是弱者更容易成为“适者”。而强者更倾向于超越自我,甚至超越常识。2008年之后,美国与中国各自的状况,可能有助于说明
传统的推荐系统常用显式反馈进行个性化推荐,但显式反馈数据不易获取,质量不好且易引起用户反感,使推荐结果不能满足用户需求。隐式反馈数据更容易获取,可更好地为用户提供其感兴趣的内容。提出一种基于隐式反馈数据的个性化游戏推荐方法。该方法基于游戏时长、游戏次数等隐式反馈数据,构建针对游戏用户数据的隐式反馈推荐模型,通过隐语义推荐算法实现了游戏的个性化推荐。通过大量真实数据集的对比实验,表明该方法的精确率和
张光华,男,安徽省砀山县人,1972年出生。1995年毕业于安徽大学历史系,获历史学学士学位,并于2003年和2009年分别获得南开大学历史学硕士和博士学位。2003年以来任教于阜阳师
针对工业过程微小故障以及工业过程数据普遍存在的非线性问题,提出基于近邻指标累积和(Cumulative Sum of Neighbor Statistic,CUSUM-NS)的故障检测方法。使用互信息主元分析(Mutual Information Principal Component Analysis,MIPCA)对训练数据降维,提取互信息主元构成新样本空间,对降维后的新样本空间计算k近邻(k-