一种求解Job_Shop调度的变量排序启发算法

该文提出了搜索空间的概率模型,并以模型中的工序开工概率、工序对机床的独立需求概率和机床累计需求三个评价因子,构造了新的变量排序启发算法。仿真结果表明新算法在较小的计算时间代价下,显著提高了系统的搜索效率。

基于重量分析的OBDD变量排序算法

有序的二叉判决图（ＯＢＤＤ）是布尔表达式的一种有效表示方法，但它的体积对变量排序具有较强的依赖性．本文提出一种电路结构图，并在此基础上定义了原始输入重量和节点重量等参数，并建立了用重量分析来指导的ＯＢＤＤ变量排序算法．由于从考虑变量对输出函数的影响出发与从考虑ＯＢＤＤ节点共享性出发对变量排序的要求不同，本文分别设计了两类算法．实验结果表明，本文对大多数标准电路变量排序的效果都优于国际上的同类算法，尤其是对一些较难排序的电路（如Ｃ２６７０）效果更加突出．

PMS故障树分析中的变量排序策略库研究

研究阶段任务系统(PMS)故障树变量排序方法。构造一个包含10种不同排序策略的策略库,基于实例基准测试对策略库中的单个策略进行平均性能分析,并在此基础上对策略库本身进行互补性和完备性分析。实例分析表明,应用该策略库可以为各种结构特征的大规模PMS故障树快速有效地生成系统二进制决策图。

二元判决图变量排序新方法

从遗传算法入手，利用已有的几种启发式变量排序方法的结果作为最初的染色体群体，并适当加入随机变量顺序，然后按照遗传算法的方法进行运算，经过多代循环找到近似最优解。实验结果表明，该方法比已有的启发式方法更有效，能够在全局范围内搜索最优解，对BDD的变量编序和遗传算法的运用具有参考价值。

故障树随机生成及变量排序

针对故障树分析方法性能评价研究中存在的测试基准规模和多样性问题,基于故障树样本随机生成的思想,确定了故障树6个主要结构特征,并依据这些结构特征给出了自顶向下地生成算法,包括随机树骨架生成算法和随机重复度叶子序列生成算法.通过变量排序策略性能评价给出了测试基准的示范应用.性能评价表明:深度策略(DEEP)性能远优于广度策略(WIDE);WIDE策略的优越性依赖于重复叶子节点数量;改进带权值深度策略(WDEEP)是DEEP策略的互补策略并不能够代替DEEP策略.

阶段一致型阶段任务系统最优变量排序研究

为缩小二进制决策图(BDD)模型的尺度,提高阶段一致型阶段任务系统(PMS)可靠性分析的准确性,对阶段一致型PMS的最优变量排序问题进行了研究。利用已有的阶段依赖排序(PDO)方法,基于不同的阶段组合关系,研究PMS故障树最优变量排序和PDO之间的关系。结果表明:阶段一致型PMS具有前向PDO适用于阶段与组合PMS,后向PDO适用于阶段或组合PMS的特性;将PMS故障树排序问题规约为一般故障树变量排序问题。

大规模Job Shop调度的多级邻域变量排序算法

在基于约束满足的Job Shop调度问题求解过程中,变量赋值顺序是影响搜索效率的关键因素。根据问题的约束拓扑关系,提出了变量的多级邻域结构模型,在此基础上构造了一种新的变量排序算法,通过引导当前搜索介入临界区域来提高计算效率。数值实验表明该算法能够有效地改善大规模Job Shop调度问题的求解效率。

求解Job-Shop约束满足问题的变量排序算法比较研究

针对约束满足求解技术中的变量排序,提出了量化Job-Shop调度问题特征的5项指标和相关参数。分别从约束连通度、变量约束偏差、约束紧度、规模及资源利用率偏差等角度设计异构算例对现有典型变量排序算法进行比较分析,实验结果明确了算法效果与问题特征之间的相对适应度,可为构造更有效的搜索策略提供参考。

同一变量排序下的多OBDD合并算法

有序决策图(OBDD)是一种用于表示布尔表达式的数据结构,并在许多领域得到了广泛应用。在分布式或者动态环境下,利用已知布尔表达式的OBDD构造目标布尔表达式的OBDD是一个决定实际问题解决效率的关键问题。基于Shannon分解原理提出了一个同一变量排序下的OBDD合并算法。该算法首先建立目标布尔表达式的表存储模型,然后按照变量排序的逆序,依次处理各个变量,并且合并取值相同的行,直到所有变量处理完毕。

遗传算法在OBDD变量排序中的应用

编序的二元判决图（ＯＢＤＤ）在电路测试和逻辑验证等方面具有广泛的应用。如何选取一个电路的变量顺序，使得所构造的 ＯＢＤＤ最小，是等同于 ＮＰＣ的问题［１］。目前有多种寻找电路变量顺序的方法，但都具有一定程度的局限性，不能找到近似的最优解。本文从遗传算法入手，利用几种启发式变量排序方法的结果作为最初的染色体群体，并适当加入随机变量顺序，然后按照遗传算法的方法进行运算，经过多代循环找到近似最优解。在运算过程中采用了快速衡量变量顺序好坏的方法，使得运算时间大大缩短。实验结果表明，该方法比已有的启发式方法更有效，能够在全局范围内搜索最优解，所找到的ＩＳＣＡＳ’８５电路的变量顺序是目前所有文献报道中最好的。

形式验证中ROBDD变量排序算法的研究

不良的ROBDD变量排序会引发状态空间爆炸的危机,从而影响形式验证方法的推广和使用。通过对CUDD数据包中ROBDD遗传变量排序算法的研究,利用变异操作和保留最优个体的时代繁殖操作对原算法进行了改进。实验数据表明,改进后的算法在可以容忍的运行时间内减少了ROBDD的节点数目,在一定程度上缓解了形式验证中状态空间爆炸的危机。

基于逻辑确定性的BDD变量排序方法

基于二维决策图(Binary Decision Diagram,BDD)的战时油料保障可靠性分析,其中一个关键是对变量进行排序,所选择的变量排序对BDD的规模有重要影响。由于阶段之间的相关性,单一阶段任务BDD变量排序方法很难直接应用于多阶段任务。考虑多阶段任务结构和特性的基础上,分析总结现有方法中影响变量排序的因素,提出了基于逻辑确定性的BDD排序方法。通过与传统的排序方法比较,改进的方法可以生成更理想的BDD结构。

阶段任务系统故障树启发式变量排序研究

供电监控系统作为城市轨道交通和城市综合管廊最重要的子系统之一,涉及变电、配电、用电、能源管理等系统的运行监控和健康管理,其可靠性和工作稳定性极端重要。面向城市基础设施的供电监控系统是典型的阶段任务系统(Phased Mission System,PMS),具有很明显的阶段性,即系统运行可分为多个不同阶段,各个阶段完成不同的作业。PMS的故障树BDD分析中变量排序问题是NP完全问题,因此从PMS各阶段故障树的结构特征出发,研究PMS故障树启发式变量排序。对于阶段异构PMS,引入了新的PDO变量排序策略——MEAN策略,基于大量具有各种结构特征的PMS故障树样本比较分析了已有DC策略、MEAN策略以及元变量策略的性能,总结了PMS故障树的策略选择相关结构特征和结构特征依赖的策略选择方法。基于所提出的变量排序策略及策略选择方法可以有效地采用BDD方法分析大规模PMS故障树。

A^＊算法在BDD变量最优排序方法中的应用

介绍了二叉判定图(BDD)的相关知识及在构造BDD过程中变量顺序对其结点数的影响,在Friedman等提出的一种寻找最优变量排序算法的基础上,将广泛应用于人工智能的A*搜索算法引入到最优变量排序方法中,提出了一种寻找变量最优排序的新方法。该方法在寻求BDD最优变量排序的过程中,使处理器的处理时间和存储器的空间需求上都有很大的改善。

模拟退火算法在BDD变量最优排序中的应用

二叉判定图(BDD)作为表示布尔函数的有效工具,被广泛的应用到逻辑综合,布尔电路的测试等领域,但是在构造BDD的过程中变量的顺序对其结点数有很大的影响,本文将广泛应用于人工智能的模拟退火算法引入到BDD变量排序中,提出了一种寻找变量最优排序的新方法。该方法在寻求BDD最优变量排序的过程中,对处理器的处理时间和存储器的空间需求都有很大的改善。

简化BDD的SBDD和变量重排序结合算法

二叉判定图是一种基于图表的用来表示布尔函数的数据结构。它泛广地应用于计算机半辅助设计和数字电路的形式化验证中。本文主要研究如何存储和如何简化BDD。提出了一种把SBDD和变量重排序结合在一起的新算法,用来简化BDD的大小。

基层老年慢性病患者心血管疾病综合发生风险的影响因素研究

背景心血管疾病是造成我国居民死亡和疾病负担的首要病因,防控形势严峻。心血管疾病风险影响因素管理是预防心血管疾病的重要基础。但目前国内外应用单导联可穿戴心电设备针对基层老年慢性病患者心血管疾病发生风险的影响因素调查研究较少,且在既往研究中也未以整体观对患者包含不同数量风险的变量重要性进行排序。目的分析基层管理的65岁以上老年慢性病患者心血管疾病综合发生风险的影响因素,为基层心血管疾病综合防控提供客观依据及帮助。方法选取2021年12月—2022年9月宁夏回族自治区26家基层医疗卫生机构的3039例65岁以上+高血压、糖尿病、冠心病其中至少1种慢性病的患者为研究对象。依据72 h心电图分析结果划分为正常组632例、风险组2407例。分析两组患者基本资料,确定最佳λ值,绘制模型,采用LASSO回归和多因素Logistic回归分析探讨老年慢性病患者心血管疾病综合风险影响因素;并对影响心血管疾病综合风险及包含不同数量风险的变量排序。结果两组患者年龄、性别、BMI、教育程度、职业、城乡分布、吸烟、运动、冠心病+糖尿病、高血压+冠心病及糖尿病比较,差异均有统计学意义(P<0.05);最佳λ值为0.01568531。LASSO回归和多因素Logistic回归模型分析显示年龄、BMI、城乡分布、吸烟、高血压+冠心病+糖尿病是心血管疾病综合风险的影响因素(P<0.05)。受试者工作特征曲线下面积(AUC)=0.650(95%CI=0.627~0.673,P<0.001)。影响综合风险及不同数量风险种类变量排序前五位的分别为:年龄、BMI、城乡分布、饮茶、运动;年龄、高血压+冠心病、性别、城乡分布、吸烟;年龄、高血压+冠心病、性别、BMI、城乡分布;糖尿病+冠心病、年龄、高血压+冠心病、高血压+冠心病+糖尿病、高血压+糖尿病。结论年龄、BMI、城乡分布、吸烟、高血压合并冠心病及糖尿病是65岁以上+慢性病患者发生心血管疾病风险的影响因素。除年龄外,BMI及生活习惯对心血管疾病综合风险的发生影响较为重要,随着+风险种类数量的增多,慢性病尤其慢性病共病的影响增强。基层医护团队应以单导联可穿戴设备为载体定期对老年慢性病患者进行心血管疾病综合发生风险管理,其不但可高效、低成本的实现心血管疾病发生风险的一级、二级预防及健康管理,并可加速基层医疗服务应加快从不连贯的诊疗服务向全程健康管理的转变。

基于遗传算法的TBDD排序方法

带时间参数的二叉判决图（TBDD）在电路的时滞故障测试中有着重要的应用价值，但其变量排序是用常规方法无法解决的一个优化问题．本文提出一种基于遗传算法的TBDD排序算法．用快速衡量值和TBDD节点数来计算个体的适应度，针对变量排序的特定问题，提出一种模板保序交叉方法．采用自适应的变异概率计算方法，并提出一个适合于TBDD排序问题的变异算法．实验结果表明较好地解决了TBDD的排序问题．

图规划基于距离的目标排序启发式

讨论图规划回溯搜索过程中变量和值排序的缺点,并且提出一个基于实现某一子目标的难度的简单策略即获得子目标的困难度,该标准可以通过规划图本身的结构加以量化,特殊的使用子目标在规划图中最早出现用层的下标来表示.结果表明该方法在许多标准的规划问题求解过程中的惊人效果.

火电厂锅炉性能监测的数据驱动框架

能源行业正在实现低排放、低成本的生产,能量转换过程的效率是影响实现这一目标的最重要因素之一。本文为发电厂蒸汽锅炉运行监测提供了一个框架,该框架基于使用历史过程数据作为实时操作的参考。实际锅炉效率与其预期效率一起监测,预期效率是基于数据驱动模型对相应工艺状态下最高历史效率的估计。在所提出的方法中,根据信息论变量排序,在与锅炉效率相关性最强的变量的基础上定义过程状态。锅炉性能使用统计过程控制进行监测,以确定预期效率和实际效率之间的差异,该框架使用循环流化床锅炉和角燃锅炉的数据进行了测试。