机器有使用限制的两台同类机排序的在线LS算法

研究了机器有使用限制的两台同类机排序问题的在线算法,对于Q2 a(M1)Cmax和Q2 a(M2)Cmax问题,证明了LS算法的竞争比分别为1 s12和s2 s12,并举例说明了这两个界是紧的。     

两台机器若干作业问题的双向排序法

研究两台机器若干作业的加工全长问题,首次引入双向排序法,对自由作业、单件作业、混合作业,以及三阶段工件的两机自由作业问题分别给出了新的算法,明显地简化了现有的处理方式。     

机器使用有限制的两台同类机排序

研究两台同类机的排序问题,其中一台机器在一个给定的时间段内不可用,目标函数为工件的最大完工时间。证明了LPT算法的性能比是max{32,1s2},并说明了这个界是紧的。     

K聚类加权最小二乘支持向量机在分类中的应用

数据分类作为模式识别、故障诊断技术的基础,在实际应用中常常由于系统的非线性、噪声性以及样本的不平衡采集,使得常规的分类算法存在一定的局限性。将最小二乘加权支持向量机用于分类问题,利用K聚类算法分析样本间内在关系从而确定权值系数,可以很好地减小噪声影响,补偿不同类样本数目上的不平衡,减少训练时间,提高分类正确率。通过一个图像识别过程中多类别分类实例,证明了算法在分类问题中的有效性。该方法可以成为现有方法的有效补充分析工具。     

在线考试系统设计

作为评价网络学习效果的一个环节，网上考试越来越被人们接受和认同。文章介绍了在线考试系统的功能和结构，并对该考试系统中所用到的关键技术进行了详细的介绍，包括系统的通用性和安全性、题库的建设和管理、随机组卷算法等。     

带拒绝和到达时间的单机排序问题

研究了一个单机带拒绝的排序问题,目标函数是最小化接受工件的最大完工时间与所有被拒绝工件的拒绝费用之和。首先给出了此问题的混合整数规划模型,并得到了最优解的一些性质。最后给出了一个分支定界算法,并给出了数值模拟的结果。     

基于混合核函数的PSO-SVM分类算法

在数据挖掘中,支持向量机是被广泛应用的一种分类算法,其核函数的选择及参数的设定没有有效的标准。本文采用混合核函数构造兼顾学习能力和泛化性能的支持向量机算法,并利用粒子群算法来确定支持向量机的参数。应用基于混合核函数的PSO SVM算法对一个经典的分类测试数据集进行分类,将该算法与单一核函数支持向量机算法的分类结果进行比较,结果表明所提出的算法的分类性能有明显提升。     

无风险控制的log-最优投资组合问题的一个黎曼几何随机算法

无风险控制的log-最优投资组合问题是一个很有实际应用价值的计算金融问题，本文给出了求解该问题的一个内蕴的自然梯度随机算法。算法的内在优点是每步迭代所得近似结果都自动满足约束条件，而且具有内点算法的特性，因此收敛速度较好。最后，将该算法应用于上海证券交易所的实际数据计算，结果令人满意。作者也对所得结果进行了合理的金融实证分析。     

关于工件组的两机自由作业时间表问题

讨论关于工件组的两机自由作业时间表的加工全长问题,无论是对于成组加工情形还是分组情形,该问题都可以被证明是ＮＰ困难的。对于成组加工情形,设计了一个性能比为５／４的近拟算法,该算法生成的时间表作为分组情形的解,性能比仍能保持为５／４。此外,还讨论了如何最优地求解只有一个工件组的情形。     

二进制量子粒子群优化算法及其在化工过程故障诊断中的应用

针对实际化工生产过程中故障数据缺乏,采用适合小样本问题的支持向量机(SVM)对化工过程稳态故障进行诊断。为了保证在线故障诊断的实时性,消除高维监控数据以及系统噪声对故障诊断的干扰,提出了一种新的基于二进制量子粒子群优化(BQPSO)算法和SVM的故障特征选择方法。仿真实验表明:BQPSO算法具有良好的全局搜索能力,能够快速、准确地搜索到故障特征变量;而基于特征选择的SVM故障诊断方法能可靠地实现对复杂化工过程的在线故障诊断。     

多处理器系统实时任务限制抢占调度算法

针对多处理器平台完全可抢占调度(Fully Preemptive Scheduling,F-PS)可能造成低优先级任务的响应时间超出截止期限的问题,提出了两种基于固定抢占点模型的限制抢占调度算法:一种是常规延迟(Regular Deferrable Scheduling,RDS),即高优先级任务抢占正在运行的执行到最近抢占点的低优先级任务,被抢占的任务可能不具有最低优先级;另一种是自适应延迟(Adaptive Deferrable Scheduling,ADS),即高优先级任务等待正在运行的最低优先级任务执行到最近的可抢占点位置,并抢占。搭建了一个仿真实验平台,并在该平台上进行一系列的仿真实验来探究两种算法的性能表现。实验结果表明:在动态和静态优先级调度下,任务抢占次数大小顺序为F-PS > RDS > ADS;当抢占时间消耗大于临界值时,RDS和ADS的任务可调度率与F-PS接近。     

平行机上单位加工时间加权总完工时间排序问题的反问题

在给定工序下, 排序问题的反问题研究目标是对于预先给定的加工任务, 要求确定加工时间或者工件权重的最小调整值, 使得给定的工件排序最优。 本文研究了平行机上单位加工时间的加权总完工时间排序问题的反问题, 即对于给定的加工工序, 在不同范数下, 通过最小限度调整工件的权值, 实现给定加工工序最优, 同时满足调整权值后,目标函数值不超过原来的值。     

关于延误时间的平行机排序问题的复杂性

研究了当目标函数和延误时间有关时，带两个服务器的3台平行机排序总是的复杂性。首先证明了P3，S2/si=1/Lmax是强NP-难的，然后证明了另两个问题P3，S2/Pi=1/Lmax和P3，S2/si=1，di=d/Lmax都是NP-难的。     

时间表理论中相邻交换原则的改进

将时间表理论中关于拟全序的相邻交换原则改进为关于偏序的情形。以适用于更多的时间表问题,并以两台机器的流水作业问题说明所得结论的应用。     

加工时间与等待时间线性相关的流水作业问题

在流水作业中，每个工件在一个机器上加工完毕之后直至在下一台机器上开始加工的时间，被称为等待时间，在所研究的问题中，等待时间使该工件的加工时间产生线性延伸，要求找出时间表使加工全长最小化，在两台机器的情况下，当延伸系数允许取两个不同值时，该问题已被证明是难问题，文献上曾指出，当延伸系数只取同一值时，该问题的计算复杂性尚未判定，本文证明，在上迷限制下，该问题也是难问题。     

基于DICA的存储受限流水车间调度

针对缓冲区空间和时间同时受限的流水车间调度问题,以最小化完工时间为优化目标建立了数学模型,并提出了求解方法。由于中间存储策略的限制,相对于普通流水车间调度问题,约束条件更加苛刻,且随着调度问题规模的增大,求解难度成倍增长,但却更加具有实用性和研究意义。帝国竞争算法具有求解精度高、收敛速度快的特点,在帝国竞争算法的基本框架上,提出了一种改进的离散帝国竞争算法。针对存储受限的流水车间调度问题,采用随机键编码的方式初始化种群;同化过程采取交叉替换的方式,并控制一定的同化概率,削弱帝国的势力,防止算法过早收敛;引入历史最优解机制,记录殖民的历史最优位置;革命过程中引入变异算子,以增强搜索能力;采用正交试验方法确定算法参数。在经典算例的基础上加入缓冲区约束并进行仿真实验,实验结果表明,离散帝国竞争算法求解质量高,收敛速度快。     

基于时间槽的并行机调度连续时间建模方法

采用基于时间槽的连续时间建模方法对匀速并行机调度问题建模以获得最优解。基于3-索引和2-索引的分配变量下标的不同定义方法,通过变换空时间槽在时间轴上的位置,分别提出了针对该并行机调度问题的不同的连续时间模型。为了进一步提高连续建模近似求解问题的效率,提出启发式算法用于减少时间槽数目。通过实验分析了所建立的不同模型的优势和缺点。实验结果表明：3-索引模型的求解速度快于2索引模型,随机安排空时间槽在时间轴上的位置能够加快模型的求解速度。此外,提出的启发式算法提高了模型的求解效率。     

用AGLA算法求解一类以TFT为目标的模糊Flow Shop调度问题

针对一类加工时间不确定的以总流经时间(TFT)为目标的置换Flow Shop调度问题,应用模糊数学的方法表示加工时间的不确定性,提出了一种改进的智能算法——异步遗传局部搜索算法(AGLA)。该算法初始种群的一个解由构造型启发式算法产生,其他解随机产生;通过引入一个加强的变邻域搜索机制和一个简单的交叉算子,对种群执行异步进化操作(AE);算法最后加入重启机制防止陷入局部极小。仿真实验结果验证了AGLA解决模糊Flow Shop问题的有效性。     

基于DNA进化算法的车辆调度问题

在建立一种物流配送车辆调度模型的基础上,针对传统启发式算法对复杂问题搜索效率低、易陷入局部最优的缺点,构造了DNA进化算法求解该问题。将其在个体变异操作中进行了一些改进,避免陷入局部最优。车辆调度问题(V SP)属于组合优化NP难题。采用V SP问题进行测试,仿真结果表明:该算法简单可行,与其他算法相比较,不但有很好的求解性能,而且具有更快的收敛能力与搜索能力。