多目标柔性作业车间调度的集成算子遗传算法

柔性作业车间调度（FJSP）中，在将任务按顺序分配到各机床前，首先要为任务选择加工机床。为求解多目标FJSP，本文在分析该问题特点的基础上，提出了一种面向甘特图的串编码（GORS）及相应的的遗传算法算子的基本操作，提出了集成算子遗传算法，并给出了其具体实现。文献算例的实验及与国际最近研究成果比较表明。该算法减小了目标参数值即生产周期、最大机床负载和总的机床负载。     

基于IOCDGA的模糊目标柔性作业车间调度优化

具有模糊目标要求的柔性作业车间调度，是柔性作业车间调度的扩展，它能够满足生产实际中对成本、生产周期及交货期等多方面指示的要求。与多目标调度相比，它还能够处理非精确指标要求问题，并且可以满足关键零件的特殊要求。为了实现对具有模糊目标柔性作业车间调度优化，提出了一种具有个体优化群体多样性的遗传算法（IOCDGA），以加快收敛速度，避免早熟问题。该算法针对文中的编码方法，定义了群体平均差及熵，用来表示群体的多样性指标。通过多样性指标控制交叉率和变异率，该算法的进化侧重于单个或少数个体达到最优，而不是传统GA中的全部个体均为最优。计算结果表明，该算法可行，并减少了迭代次数。     

改进粒子群算法在车间作业调度中的研究

车间作业调度（JSP）是典型的NP难题,传统求解方法都有各自的特色和不足。免疫系统强大的信息处理能力为人工免疫应用提供了丰富的暗示,因此,免疫算法被提出,并逐渐应用于许多工程实际。针对车间作业调度这个优化问题的难处理性,提出了基于免疫粒子群算法（IPA）的JSP求解方法。在该求解方法中,结合免疫原理和粒子群算法应用于JSP的算法流程;算法采用基于操作的编码方式;依据接种疫苗和变异、免疫选择的机制来设计算子。并通过仿真,证明了IPA算法在JSP中的有效性。     

多目标优化问题的差分进化算法研究

为保持所求得的多目标优化问题Pareto最优解的多样性,提出了一种精英保留和根据目标函数值进行排序的多目标优化差分进化算法.对排序策略中目标函数的选择方式进行了分析和比较,并提出了一种确定进化过程中求得的精英解是否进入Pareto最优解集的阈值确定方法.用多个经典测试函数进行了实验分析,并与NSGA-Ⅱ算法进行了比较.实验结果表明,该方法收敛到问题的Pareto前沿效果良好,能有效保持所求得的Pareto最优解的多样性.     

自适应差分进化算法在反求含水层参数中的应用

【目的】研究自适应差分进化算法在反求含水层参数中的适用性。【方法】以理论计算值与实际观测值的离差平方和的均值作为目标函数,应用自适应差分进化算法优化待估含水层参数;计算相关实例,对比改进直线图解法、混沌序列优化算法、简算法、泰斯配线法、线性回归法与自适应差分进化算法的最终优化结果。【结果】与改进直线图解法、混沌序列优化算法和简算法等计算方法相比,自适应差分进化算法的计算结果更加精确,与实际观测值的差异较小;对于不同的含水层参数取值范围,自适应差分进化算法较传统差分进化算法稳定且寻优率与计算结果精度更高。【结论】自适应差分进化算法是一种有效的反求含水层参数的方法。     

改进粒子群算法在车问作业调度中的研究

车间作业调度（JSP）是典型的NP难题,传统求解方法都有各自的特色和不足。免疫系统强大的信息处理能力为人工免疫应用提供了丰富的暗示,因此,免疫算法被提出,并逐渐应用于许多工程实际。针对车间作业调度这个优化问题的难处理性,提出了基于免疫粒子群算法（IPA）的JSP求解方法。在该求解方法中,结合免疫原理和粒子群算法应用于JSP的算法流程;算法采用基于操作的编码方式;依据接种疫苗和变异、免疫选择的机制来设计算子。并通过仿真,证明了IPA算法在JSP中的有效性。     

微分进化算法在水电站水库优化调度中的应用

【目的】针对传统优化算法的不足,将微分进化算法应用到水电站水库优化调度问题中,建立新的优化算法模型。【方法】建立基于微分进化算法的水电站水库优化调度模型,并给出具体求解步骤。为验证算法的有效性,将其应用于具体水电站水库的优化调度计算中,最后将该方法与遗传算法的计算结果进行了对比。【结果】实例计算结果表明,与遗传算法相比,微分进化算法收敛速度快,可调参数少,计算精度高,稳定性好,且该算法简单、容易实现,具有较强的全局搜索能力。【结论】微分进化算法在解决水电站水库优化调度问题时具有很强的适用性,为求解水电站水库优化调度问题提供了新思路。     

基于耗散结构理论的差分进化算法

作为一种比较优秀的最优化方法,差分进化算法具有良好的鲁棒性、实践性和收敛性.阐述了差分进化算法的基本概念、形式,分析了传统差分进化算法的优点与不足,提出了基于耗散结构理论的差分进化优化算法.     

改进的人工蜂群算法在作业调度中的应用

人工蜂群算法是一种模拟蜜蜂觅食行为的人工智能优化算法.作业调度问题是指在一个系统内通过某种方式分配工作以达到工作效率或资源分配最优.在本文中,将遗传算法的变异和杂交操作插到传统的人工蜂群算法中,从而提出一种改进的人工蜂群算法.变异操作在雇用蜂阶段后插入,杂交操作在跟随蜂阶段之后插入.实验表明,本文的改进人工蜂群算法在作业调度中的作用是有效的、显著的.     

动态局部搜索差分进化算法

针对差分进化算法存在进化后期收敛速度慢、易早熟等缺点,提出了一种基于动态局部搜索的差分进化算法(DLSDE).采用随机选择的方式进行变异并运用小概率扰动操作,增加种群的多样性,平衡算法的开发能力和探索能力;同时,对当前的最优解进行动态局部搜索,以加快算法的收敛速度.对标准测试函数进行仿真实验并与其他6种算法进行比较,结果表明DLSDE算法具有较快的收敛速度和较高的求解精度,对复杂的数值优化问题寻优效果很好.     

埃特金加速迭代法及其在单跨悬索状态方程中的应用

针对悬索斜抛物线状态方程,引入埃特金加速迭代解法,阐述其基本原理和计算步骤.结合工程索道案例,通过比较分析普通迭代法、牛顿迭代法和埃特金加速迭代法的求解过程,得到不同温度下无荷的悬索跨中张力、索长、中央挠度及中挠系数的变化规律,以及温度效应对悬索参数的响应规律,结果表明埃特金加速迭代法实用且简便.     

遗传算法及其在水利土木工程中的应用

对遗传算法的产生及研究现状进行了介绍和分析，研究探讨了该算法在水利土木工程中的应用情况，同时对遗传算法理论研究现状进行了分析，并对其未来研究发展方向及着重解决的问题进行了探讨，说明了遗传算法在水利土木工程中具有非常广阔的应用前景。     

木糖醇的生理功能及其在食品工业中的应用

简要介绍了木糖醇的生理功能及其在食品工业中的生产及应用．     

改进的Dijkstra算法及其在网络中的应用

提高计算机网络网络传输速度的关键是找到最佳的路由实现算法,本文从节约存储空间和提高运算效率方面对传统Dijkstra算法进行了改进,通过分析与比较,这种改进算法的效率优于传统的Dijkstra算法,特别适用于大规模网络。     

消毒剂的作用机理及在养殖行业中的应用

规模化养殖场养殖密度的增加,疫病流行的风险也随之增加。正确选择消毒剂、正确使用消毒剂是降低养殖风险的重要因素。通过对消毒剂的作用机理、特点、类别、使用等方面的分析,以期对养殖场的生物安全工作有所帮助。     

Petri网理论及其在食品工业中的应用

Ｐｅｔｒｉ网是用于描述和分析异步并发系统的最常用的形式模型之一．本文给出了赋时着色Ｐｅｔｒｉ网和赋时连续Ｐｅｔｒｉ网,通过扩展上述模型,得到具有层次的Ｐｅｔｒｉ网．探讨了层次结构Ｐｅｔｒｉ网在现代食品工业企业中的应用,包括生产线的建模和分析,以及后勤系统的设计．     

农业电力巡检系统中路径分析算法与实现

讨论了农业电力巡检系统的路径分析算法,并在eSupermap环境下,以某区级农电局电道网数据为例,利用eVC及eSupermap二次开发类库实现了其最短路径和最佳路径分析.     

基于随机森林算法的湖北省水资源承载力评价模型及其应用

依据PSR框架建立水资源承载力评价指标体系,以指标阈值为依据构造随机样本,在此基础上应用随机森林算法对湖北省水资源承载力进行评价。结果表明,随机森林能够很好地拟合指标因子与水资源承载力等级之间的关系,训练模型精度高,方案可操作性强,具有一定应用性;随机森林算法能无偏识别变量重要性,其中需水模数与供水模数是湖北省水资源承载力的关键影响因素,应予以重点防控;湖北省水资源承载力空间分布不均,鄂西地区和咸宁市水资源承载力为良好级,鄂东和鄂中地区为一般等级,以武汉市为核心的江汉平原地区属较差级,建议加强水资源分区管理,以促进水资源涵养能力与经济社会同步发展。     

mRNA差别显示技术及其在植物基因研究中的应用

mRNA差别显示技术是近年发展起来的一种用于分离和克隆正常与异常细胞之间差异表达基因的PCR方法 ,是目前筛选差异表达基因的有效方法之一 .自问世以来在动物遗传育种方面取得了很大的成绩 ,广泛用于人类及其他动物生长发育基因调控、基因克隆的研究 .在植物基因研究方面应用起步较晚 ,现已开始用于植物基因分析、杂种优势机理等方面的研究 .在此 ,该文介绍了mRNA差别显示技术的原理、步骤、优缺点及其发展 ,并对其在植物特异基因分离方面的研究及其应用前景做了探讨 .     

基于量化正交免疫克隆粒子群算法的水电站水库优化调度研究

【目的】解决传统粒子群算法在求解水库优化调度问题中存在的早熟、收敛速度慢和易陷入局部最优的问题。【方法】基于抗体克隆选择学说理论,提出了一种量化正交免疫克隆粒子群算法(OICPSO/Q)。采用正交交叉策略来增强子代个体解分布的均匀性;通过接种疫苗和计算亲合度等操作,对算法的进化过程进行有目的、有选择地指导,使得算法快速收敛,同时保持一定的多样性,抑制了早熟现象。提出一种自学习算子,避免个体邻域内最优解的丢失。建立了基于量化正交免疫克隆粒子群算法的水库优化调度数学模型,并给出其具体的求解步骤。最后应用该方法与标准粒子群算法(SPSO)及动态规划方法进行比较。【结果】与SPSO算法和动态规划方法计算结果相比,OICPSO/Q算法计算时间明显降低,但发电量明显增加,说明OICPSO/Q算法可提高解的精度,加快其收敛速度,其性能优于标准粒子群算法和动态规划方法。【结论】OICPSO/Q算法为求解水库优化调度问题提供了一条新的有效求解途径。