云制造中的关系、关系流及其管理研究

文章基于全面关系流管理理论,从一个全新的视角对云制造进行了阐述。云制造作为复杂系统,在特定的环境下,其所表现出来的行为和功能是由关系流及输入流决定的,并分别阐述了存在于云制造系统中的信息流、物流、人员流、资金流和能量流。文章仅对云制造所处的环境及存在的全面关系流从全面关系流管理理论的角度进行了描述,如何用该理论进行控制是今后的研究目标。

一种基于粒子群优化算法和差分进化算法的新型混合全局优化算法

提出一种基于粒子群算法(PSO)和差分进化算法(DE)相结合的新型混合全局优化算法——PSODE.该算法基于一种双种群进化策略,一个种群中的个体由粒子群算法进化而来,另一种群的个体由差分操作进化而来.此外,通过采用一种信息分享机制,在算法执行过程中两个种群中的个体可以实现协同进化.为了进一步提高PSODE算法的性能,摆脱陷入局部最优点,还采用了一种变异机制.通过4个标准测试函数的测试并与PSO和DE算法进行比较,证明本文提出的PSODE算法是一种收敛速度快、求解精度高、鲁棒性较强的全局优化算法.

SWOT类方法分析的理性化思路

企业竞争环境的复杂多变对战略分析技术的理性限制越来越明显 ,而日趋激烈的竞争环境客观上要求企业竞争战略分析过程的高度理性化 ,SWOT类分析方法的理性化是竞争战略方向制定的关键。文章讨论了 SWOT类方法的理性化问题 ,分析了竞争环境的理性化 ,提出了理性化应用过程存在的问题。

面向领域工程的CRP系统构件化开发建模

为实现客户资源计划(CRP:CustomerResourcePlanning)系统的可重构开发,在领域工程指导下,通过对CRP系统开发过程的研究,建立并分析了构件化开发模式。结合UML(UnifiedModelingLanguage)与业务构件的优点,提出了基于UML的业务构件建模方法。该方法可以很好地模拟业务过程并将其平滑地过渡到软件实现,从而减少了"B T"隔阂。在整个生命周期内,业务构件模型具有紧密跟踪业务过程模型、应用软件模型和物理数据库模型的能力,通过领域分析、设计与实现之间无缝集成,实现系统的快速重构。

基于粒子群神经网络的发动机故障诊断

本文提出了一种基于粒子群优化算法和多层前向神经网络的新型进化神经网络模型(PSO-ANN)。在实例研究中,该模型被应用于汽车发动机故障诊断中。与传统BP网络诊断结果相比,本文方法具有运算效率高,收敛速度快的特点,是一种有效可靠的新型故障诊断技术。

质量链管理信息系统重构

分析了质量链管理信息系统重构(Reconfigurability)的必要性,并将其按层次进行划分.提出了基于框架的质量链管理信息系统可重构的开发方法,并研究了框架的组成及其开发过程.随后分析了基于框架的质量链管理关系信息系统的开发与重构过程.不仅对质量链管理信息系统的可重构开发具有指导意义,对于其他的具有重构要求的信息系统开发也有参考价值.

具有年龄结构的离散流行病模型

离散的流行病模型能够更恰当地描述某些流行病的传播过程。本文针对恢复者不具有免疫力而被再次传染成为易感者的情况 ,提出了具有年龄结构的离散 SIS(易感者 Susceptible、染病者 Infective、易感者Susceptible)模型 ,运用线性化方法、比较法及计算机模拟等方法对模型的动力学性态进行了较全面的研究。研究中引入基本再生数 ,其意义为在染病期内一个典型的染病者在完全易感的人群中所产生的新患者平均数 ,基本再生数决定平衡点的稳定性。文中主要得到了无病平衡点的全局稳定性。最后 ,对所研究的理论结果进行了计算机模拟。

构建Web基CRP协同服务完善企业质量管理

服务是企业与客户最重要的接触点 ,是影响客户消费的重要因素 ,也是企业质量管理体系中的重要组成部分。本文提出构建Web基协同服务体系是企业客户资源计划管理理念下运用IT技术提高服务质量和效率的有效途径 ,能够在降低服务成本的同时更好地满足客户的需求 ,帮助客户实现其消费价值的最大化。同时 ,协同服务还成为质量的制造者与质量的评判者沟通的桥梁 ,帮助企业及时准确地获取市场信息 ,实现了客户化的外部质量控制 ,丰富了全面质量管理的内涵 ,提高了企业质量管理水平。

省-市级网站的维护及安全监管策略

笔者通过对省-市气象局网站构图、规划设计、制作、维护到数据更新上线的过程进行系统阐述,并就此过程中代码编写、栏目设置、图文属性、文本添加、访问量控制、安全监管、流程跟踪记录、数据备份等所遇到的问题及落地实施过程中出现的不同状况进行了剖析和论述,旨在为省市级网站的更新维护及安全监管积累经验、开阔思路和提供参考。

基于ACLBFO算法的车辆路径规划

针对传统细菌觅食优化算法(Bacterial Foraging Optimization,BFO)缺乏信息交流,容易陷入局部最优且收敛缓慢的缺点,将群体全面学习策略、趋化步长自适应更新机制嵌入到原始BFO算法中,提出一种自适应全面学习细菌觅食算法(Adaptive Comprehensive Learning Bacterial Foraging Optimization,ACLBFO)。为了验证所提算法的有效性,将其应用于考虑时间窗的车辆路径规划问题,设计相应的编码机制、适应度函数构造。与基本的细菌觅食优化算法及两种改进的细菌觅食优化算法进行对比研究。实验结果表明,该算法更加适用于该类问题的求解,可以获得更快的收敛速度与求解精度。

邻域学习细菌觅食优化算法

针对细菌觅食算法在求解复杂问题时优化性能不佳的缺陷,本文抛弃了传统算法改进时,参数改进及混合策略的思路,从拓扑结构的视角,首先分析了邻域拓扑结构对算法产生的不同影响;其次,借鉴PSO算法中的邻域学习策略,结合BFO算法局部搜索能力较强的特点,提出了一种邻域学习细菌觅食优化算法(BFO-NL)。最后,为了评估新算法的优化性能,将NFO-NL算法与原始BFO算法进行比较,仿真实验在8个标准测试函数中完成,结果显示BFO-NL算法收敛速度更快、求解精度更高。BFO-NL算法与原始BFO算法相比较,新算法的求解精度更高。