【摘 要】
：
针对柔性作业车间调度问题,传统的优化算法存在运行时间长、运行结果不稳定且不能有效求得近优解等问题.提出一种混合优化遗传算法(mGAs,Modified Genetic Algorithms),采用动态调整交叉概率和变异概率的自适应遗传算法,并使用量子粒子群算法优化染色体的选择算子.通过在经典数据集上与其它若干算法进行实验,结果表明了所提出算法相比同类优化算法,提高了算法的自适应能力,mGAs收敛速度更快、可以有效解决柔性作业车间调度问题,有效求取近优解.
【机 构】
：
中国船舶重工集团公司第七一六研究所,江苏连云港222002;哈尔滨工程大学计算机科学与技术学院,黑龙江哈尔滨150001
论文部分内容阅读
针对柔性作业车间调度问题,传统的优化算法存在运行时间长、运行结果不稳定且不能有效求得近优解等问题.提出一种混合优化遗传算法(mGAs,Modified Genetic Algorithms),采用动态调整交叉概率和变异概率的自适应遗传算法,并使用量子粒子群算法优化染色体的选择算子.通过在经典数据集上与其它若干算法进行实验,结果表明了所提出算法相比同类优化算法,提高了算法的自适应能力,mGAs收敛速度更快、可以有效解决柔性作业车间调度问题,有效求取近优解.
其他文献
为准确实现对异常低频肌电信号的分析和处理,基于窗函数法设计了一种低频肌电信号异常分类方法.首先通过加窗过程修正低频肌电信号及其相关参数,并分解重构每一周期的低频肌电信号,去除其中的噪声干扰并提取完成修正的信号时域与频域特征.识别异常的低频肌电信号,融合时域与频域特征并表征低频肌电信号,再通过线性分类器实现对低频肌电信号的异常分类.仿真结果表明,上述方法对低频肌电信号异常分类的平均准确率高,可精准识别异常的低频肌电信号,且其在不同噪声影响下受噪声影响程度较小,分类效果更好.
血氧动力学响应函数反映的是在单位强度的瞬时刺激下诱发的血氧水平依赖信号的动态响应过程.在探索中枢神经系统激活的动力学过程中,如何认识和理解血氧动力学响应函数是其中的一个关键问题.采用同步EEG-fMRI方法,把癫痫发作放电看作单位强度的瞬时刺激,用来探讨儿童良性癫痫患者的血氧动力学响应函数.癫痫患者的血氧动力学响应函数与其它几种函数仿真的结果进行比较,发现了其中的差异.要获得更加准确的结果必须进一步获取被试个性化的血氧动力学响应函数.
针对换热器温度控制系统具有非线性、参数时变性、大惯性、迟滞等问题,对换热器系统进行建模,设计了基于扩张状态观测器的改进型误差反馈控制方案,在保证不牺牲控制性能的前提下进一步简化了控制方案便于调优,通过对给定不同类型温度信号进行动态仿真,结果表明算法可以实现对温度信号的精确快速跟踪.同时将效果与传统的自抗扰控制方案和PID控制对比,得出基于误差的算法系统响应速度更快、超调小、稳定性更好,另外跟踪动态信号测试结果表明,上述控制方法可达到更好的控制效果,在被控系统设定值和有不确定外扰时有更强的响应性能.
为获取多孔材料最准确的吸水特性,在理想流体温度环境下,通过热平衡算法计算多孔材料吸水性并进行仿真研究.分析多孔材料内流动与传热影响,无量纲化处理流体速率,构建热平衡计算能量方程,明确热平衡模式下多孔材料固体和流体状态;组建一维多孔材料水分运动解析式,计算多孔材料吸水初始条件与上、下边界条件,得到多孔材料吸水模型,将吸水率运算当作非线性最小优化问题,求解多孔材料吸水模型参数,获得精确吸水性测量信息.在热平衡环境下对多孔材料单面浸泡、整体浸泡与真空饱和三种吸水状态进行仿真,结果表明:多孔材料在热平衡环境下孔隙
传统的数字系统延时控制过程不能对系统的时间延迟进行准确预测,导致其存在拟合率低、网络传输延时过长和负载率低的问题.为解决上述问题,基于神经网络设计了新的无缓冲数字系统延时控制模型.使用时间戳技术记录采集到的数据包时间,并根据延时预测器预测在线网络延时.采用神经网络SMITH预估结果对无缓冲数字系统延时进行预估补偿,在SMITH估计模型的基础上构建无缓冲数字系统延时控制模型.通过PIP控制算法获得无缓冲数字系统延时控制模型的最优解.实验结果表明,上述模型的拟合率和负载率均较高,且能够有效减少网络传输延时,充
在深度信念网络(Deep Belief Network,DBN)应用于图像、视频等领域中,研究者们普遍通过实践经验设置DBN基本网络结构—DBN深度及每层神经元的个数.将DBN模型作为入侵检测分类模型,提出了DBN模型中基本网络结构的适应度标准,利用该标准提出了一种用于寻找DBN优化网络结构的改进粒子群优化算法.算法首先利用鱼群思想优化粒子群优化算法搜索初始优化网络结构,然后将初始优化网络结构作为利用滑动窗口优化粒子群算法的初始值,继续寻优直到找到全局优化网络结构.将优化算法构造的DBN模型作为入侵检测分
图像超分辨率旨在通过软件技术从低分辨率图像中获得高分辨率图像.受深层神经网络对非线性关系强大表示启发,提出一种基于多尺度密集连接网络的图像超分辨算法.利用多尺度和密集连接思想设计了两个并行子网络提取图像特征,一个子网络中引人多尺度卷积层以提取低分辨图像的多种特征,另一个子网络则利用密集连接模块加深网络结构尽可能提取丰富的纹理特征,同时还可以避免模型训练过程中梯度消失的问题.最后对两个子网络提取的特征求残差并对其行重构得到高分辨率图像.仿真结果表明,提出的算法无论在客观评价还是视觉效果上均优于其它同类超分辨
针对癫痫病人采集的EEG信号数据维数过高和含有复杂的非线性特征的问题,以及脑医学领域数据标注的成本较高的现状,研究了不同的无监督流形降维方法,并且在公开的癫痫集上对比了13种主流及较新的流形降维算法降维后在低维坐标空间的聚类效果.实验结果表明,与目前主流的其它流形及降维方法相比,基于L-ISOMAP得到的数据点在低维空间的分布有很好的聚类表现,不同类别的数据分界明显.当样本大小不同时,降维后的数据分布在可视化图中仍有一定的规律性,可视化效果明显优于其它的降维方法.
对机械产品三维模型数据量大不利于网络传输和Web显示的问题,提出了基于半边折叠的三维模型简化算法.通过引入顶点领域三角形平均面积、顶点领域三角形的法向量变化以及折叠边的边长,计算折叠代价,通过对折叠代价排序与预先设定好的阙值,对机械产品三维模型进行简化处理.实验结果表明,该算法有效减少了机械产品三维模型的数据量,提升了Web环境下机械产品三维模型数据传递和浏览器显示的流畅性,对机械产品分布式设计和制造技术的发展起到了促进作用.
考虑到软件老化具有动态性,准确预测软件老化趋势,可降低软件老化所造成的损失,提出基于动态命令树算法的软件老化趋势预测方法.采用基于降噪自编码器与混合趋势粒子滤波的软件老化趋势预测方法,通过软件未老化特征训练降噪自编码器,把软件老化特征数据输入训练完毕的降噪自编码器中获取重构误差,对重构误差进行平滑处理后,设成观测值输入混合趋势粒子滤波算法,实施软件老化趋势预测.在预测阶段,使用基于动态命令树算法的软件老化趋势预测命令管理方法,实现软件老化趋势预测指令的动态管理,优化软件老化趋势的动态预测效果.实验结果表明