一种基于浓度调节的改进型量子遗传算法

针对量子遗传算法（QGA）优化多峰函数时存在收敛速度慢、容易陷入局部最优的缺陷,提出了改进型量子遗传算法（IQGA）。引入个体浓度的概念,在量子门更新之前对种群进行筛选并剔除高浓度个体和劣个体,并用新的个体代替它们,增强了量子遗传算法全局搜索能力。通过典型复杂连续函数的对比测试,验证了该改进型量子遗传算法的可行性和有效性。     

用改进的蛙跳算法求解一类模糊Flow Shop调度问题

对加工时间不确定的Flow Shop调度问题进行研究,提出了一种改进的蛙跳算法(New Shuffled Frog Leaping Algorithm, NSFLA)。蛙跳算法(Shuffled Frog Leaping Algorithm, SFLA)的局部搜索采用类似粒子群算法的搜索机制,全局搜索采用洗牌策略 即种群间定期进行信息交换。为了解决SFLA的局部搜索易出现不合法调度的问题,在交换子和交换序概念的基础上,提出了交换序 构造的初始位置随机机制和交换子的随机插入机制这两种追踪策略。仿真实验结果验证了NSFLA解决模糊Flow Shop问题的有效性。     

不确定性条件下存储时间有限型Flow Shop问题的提前/拖期调度研究

研究了具有不同交货期窗口的Flowshop提前／拖期调度问题，并考虑处理时间的不确定性以及存储时间的有限性，在模糊规划理论基础上，建立了带有提前／拖期的存储时间有限型Flowshop的调度模型，通过中间值最大隶属度算法，将原有的模糊调度模型转化为清晰的调度模型，并应用了遗传算法进行优化求解。仿真实验验证了算法的有效性。     

求解中间存储有限Flow Shop调度问题的离散群搜索优化算法

针对中间存储有限的Flow Shop调度问题,提出了一种离散群搜索优化算法来最小化工件加工的总流水时间。该算法首先采用基于工件排列的离散编码方式,使得能够直接求解离散的调度问题;其次提出了新的初始化方法,确保了初始种群既具有一定的多样性,又有较好的性能;还引入了离散差分进化的思想,增强了算法的运算效率与搜索能力。最后使用正交设计的方法设置算法参数,通过对Taillard算例的仿真计算,验证了本文算法的优越性。     

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。     

社区护理两阶段实践教学方法及效果的探讨

目的为提高社区护理课程的教学质量，培养能适应社区护理工作的实用人才。方法实施两阶段实践教学方案：（1）在理论教学过程中，为居民体检、建立健康档案、健康指导；（2）临床实习前，对特殊人群进行生活护理、卫生宣教、康复训练等。结果97．5％的社区居民及工作人员认同社区护理实践的教学方式；96．4％学生认为实践教学对他们的口头表达能力、独立思考解决问题能力、健康教育能力的提高以及护理观念的转变有较大的帮助；98．2％的学生对社区护理实践内容及时间安排满意。结论两阶段实践教学有助于学生了解不同人群的健康保健状况，提高其对社区工作、预防保健的认识，激发学生主动学习的兴趣，是培养实用型护理人才的好方法。     

基于改进量子遗传算法的小波神经网络优化及其软测量应用

针对简单量子遗传算法在优化高维问题寻优速度慢、收敛率低的缺陷,提出一种改进的量子遗传算法,通过搜索各种群中最优染色体组成当前最优个体,并依此个体来确定量子门的全局最优搜索方向.将改进算法用于优化小波神经网络,藉此建立了4-CBA浓度的软测量模型.仿真结果表明:与简单量子遗传算法相比,改进算法对复杂优化问题具有全局快速寻优性能.     

基于灾变型文化算法的不确定条件下中间存储时间有限Flow Shop调度

针对某些不稳定的中间产品,考虑其在中间储罐存储时间有限的调度问题。用粗糙变量表示不确定的加工时间,在粗糙规划 理论的基础上建立相应的粗糙调度模型,并将其清晰等价化。设计了具有针对性的信仰空间及其与种群空间进行沟通的渠道,并在 此基础上仿照自然界的演化规则为解决进化停滞的问题引入了灾变算子,提出了一种新的灾变型文化算法。仿真结果表明了本文所 提出模型和算法的可行性及有效性。与改进遗传算法和无灾变算子的文化算法的对比研究表明了灾变型文化算法具有更好的求解性 能。     

浅析新疆自治区基本药物配送工作存在的问题与建议

为认真贯彻落实国家基本药物制度,深入了解全区基本药物集中采购的整体运行情况,药品采购中心于2012年8月16～31日在全区政府办基层医疗卫生机构及基本药物配送企业中,通过发放调查表的方式开展了基本药物生产企业供货、配送情况的调查。结果显示全区基本药物配送工作存在许多     

数量特征敏感问题分层两阶段整群抽样的统计方法

目的:寻求在分层两阶段整群抽样下,数量特征敏感问题的科学调查方法及相应统计公式.方法:数量特征敏感问题无关联随机应答技术(RRT)模型,分层两阶段整群抽样调查方法,均值的性质、抽样理论等统计理论和方法被使用.结果:推导出无关联RRT模型在分层两阶段整群抽样下,总体均值估计量及其估计方差的计算公式;成功应用该方法及相关公式调查得苏州大学学生近两个学期考试作弊平均次数为1.034 8.结论:数量特征敏感问题无关联RRT模型分层两阶段整群抽样调查方法及相应统计计算公式科学可行.     

基于动态旋转角策略的混合量子进化算法在流水车间调度中的应用

针对工业过程中广泛存在的信息不确定性、信息传递的时滞特性以及过程本身的非线性和动态特性,研究了基于不确定数据信息的生产过程系统级建模与过程变量的状态预测方法;提出基于小波互信息的信息传递时延估计方法,建立了概率时延符号有向图模型;采用组合预测方法,实现生产过程中关键变量实时状态的准确预测。在空分过程中进行了应用研究,初步结果表明该方法具有良好的预测精度、实用有效,具有应用推广前景。     

基于混合离散人工蜂群算法的阻塞Flow Shop调度

针对带阻塞的Flow Shop调度问题,以最小化总流水时间为调度目标,提出了一种混合离散人工蜂群（Hybrid Discrete Artificial Bee Colony, HDABC）算法。HDABC算法采用基于NEH和NEH变体初始化,保证种群的质量和多样性。在雇佣蜂阶段采用差分进化策略产生邻域个体;在跟随蜂阶段采用锦标赛选择方法选择个体跟随,并对选择的个体采用优化插入操作产生新的邻域个体。此外,在侦查蜂阶段再一次采用锦标赛选择方法选择个体,并对较好的个体执行破坏重建操作,用产生的新个体代替原来较差的个体。用正交设计方法调节了该算法的参数。通过与其他两个算法的仿真实验结果比较,验证了本文算法的优越性。     

基于离散候鸟迁徙优化算法的置换流水车间调度问题

针对置换流水车间调度问题,以最小化最大完成时间为调度目标,提出了一种离散候鸟迁徙优化(Discrete Migrating Birds Optimization,DMBO)调度算法。采用NEH产生一个调度可行解,其余个体随机产生,保证了种群的质量和多样性,初始化鸟群按优化目标值升序排成倒V字形。领飞鸟通过优化插入加优化交换产生的邻域解进化,而通过混合策略获得跟飞鸟的邻域解。跟飞鸟通过其邻域解和前面个体未使用的、较好的邻域解进化,这种进化机制是独一无二的。最后,采用局部搜索算法进一步优化种群。仿真实验中使用正交设计方法调节算法参数,通过求解Car 和Rec标准算例,验证了算法的有效性。     

用混合算法求解Flow shop调度问题

研究了流程工业中的Flow shop调度问题，针对免疫算法的随机性和不确定性，结合分枝定界方法的特点，提出了一种基于免疫算法和分枝定界方法的混合调度算法，仿真结果表明该算法不仅能有效解决调度问题，而且提高了搜索效率。     

基于离散布谷鸟搜索算法的带阻塞有差速混合流水车间调度

基于以最小完工时间为目标的带阻塞有差速混合流水车间调度问题,提出了一种改进的离散布谷鸟搜索算法。在基本布谷鸟搜索算法的莱维飞行和巢寄生性的基础结构上,提出了一种基于交叉策略的莱维飞行机制,以便算法能够解决离散问题;同时,通过非余弦递减策略的动态发现概率去发现劣质鸟巢,并利用排列差分进化算法的变异思想将劣质鸟巢重建;在搜索过程中设定全局最优极值保持代数为阈值去重新发现劣质鸟巢,以防止算法陷入局部最优;最后利用邻域搜索方法进一步提高算法的搜索精度。通过仿真实验验证了该算法在求解混合流水车间调度类离散问题上的有效性与优越性。     

基于混沌量子粒子群算法的置换流水车间调度

流水车间调度问题广泛存在于企业生产过程中,优化的调度方案可以提高企业生产效率,降低生产成本。提出了基于混沌量子粒子群优化算法并应用于求解置换流水车间调度问题,该算法在量子粒子群算法(QPSO)的基础上,引入了混沌机制,在保持QPSO算法收敛速度快的同时,利用混沌机制的遍历性,克服了QPSO易陷入局部极小值的缺点。同时提出了一种新的混沌变量到工件排序的编码方案,能够完整保留混沌的遍历性。仿真结果验证了所提出的新的调度算法能更好地探索更优解,同时不失去量子粒子群算法的收敛速度。     

基于一种遗传邻域万有引力算法的作业车间调度

作业车间调度问题属于NP-hard问题,是离散生产制造中广泛存在的一类组合优化问题。针对此问题,提出了一种新型遗传邻域万有引力算法。该算法借鉴万有引力搜索算法中惯性质量和欧氏距离的概念,提出了候选父代染色体个数的选择方法和染色体差距的计算方法,并以此定义了一种新的交叉策略;同时混合遗传算法与N5邻域结构,有效地求解了作业车间调度问题。通过对3个FT类和10个LA类标准测试算例的仿真,验证了本文遗传邻域万有引力算法的优越性。采用遗传邻域万有引力算法有效地解决了某水表制造企业中的大规模作业车间调度问题。     

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。     

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。