基于蚁群算法的飞机定检原位工作流程优化

首次将蚁群算法(ACO)应用于飞机定检原位工作流程优化中。在建立原位工作流程优化模型的基础上,借鉴最优-最差蚂蚁系统的思想改进信息素更新机制,并采用改进的精英策略和变异特征对基本蚁群算法进行改进。实例仿真表明,改进蚁群算法在全局搜索能力和收敛速度上较基本蚁群算法有明显提高,克服了基本蚁群算法搜索时间长、容易早熟的不足。优化后原位工作完成时间较优化前缩短2.27%,验证了ACO在解决定检工作流程优化问题上的适用性。

基于蚁群算法的飞机定检人员均衡配置

将蚁群算法(ACO)应用于飞机定检人员均衡配置中。首先,根据均方差指标建立人员均衡配置模型;其次,运用3种精英策略并引入信息素限制和自适应机制对基本蚁群算法进行改进,同时提出一种新变异算子以进一步提高算法的性能;最后,运用改进蚁群算法求解模型。实例仿真表明,改进蚁群算法克服了基本蚁群算法搜索时间长、容易早熟的不足,均衡配置后人员工作时间均方差减小65.90%,验证了ACO在解决飞机定检人员均衡配置问题上的适用性。

基于遗传算法的飞机定检离位工作流程优化

首次将遗传算法(GA)应用于飞机定检离位工作流程优化中。本文借鉴关键路线法思想建立离位工作流程多约束优化模型,根据可行解变换法思想设计编码和解码方法,并采用经过模拟退火算子和精英选择算子改进后的GA求解。仿真结果表明,在解决多约束优化问题上,改进遗传算法的最优解搜索能力较基本遗传算法有明显提高;优化后离位工作完成时间较优化前缩短14.70%,验证GA在解决定检离位工作流程优化问题上的适用性。

基于遗传算法的飞机定检原位工作流程优化

首次运用遗传算法优化飞机定检原位工作流程。针对原位工作流程约束条件多、组合优化困难的问题,建立了原位工作流程优化模型,根据工序约束条件的特点,提出了一种初始化种群的新方法,保证了初始种群中所有个体都满足工序约束条件,改进了基本遗传算法并运用其求解。仿真结果验证了算法的适用性及改进的有效性。

基于改进遗传算法的飞机定检人员均衡配置

将遗传算法应用于解决飞机定检人员均衡配置问题中。根据均方差指标建立了人员均衡配置模型;采用候选集合策略处理约束条件,保证每个个体都对应有可行解;采用最优保存策略和基于预选择的小生境实现方法对基本遗传算法进行改进,并使用其求解模型。仿真实例结果表明,改进遗传算法克服了基本遗传算法容易"早熟"的不足,均衡配置后人员工作时间均方差减少65.90%。

基于遗传退火算法的飞机定检原位工作流程优化

将遗传算法(GA)应用于飞机定检原位工作流程优化中。首先,建立原位工作流程优化模型;其次,提出"排序调整法"来保证个体对应解符合工序约束;最后采用精英选择算子。模拟退火算子和自适应机制对基本遗传算法(SGA)进行改进。仿真结果表明,改进遗传算法在最优解搜索能力上较SGA有明显提高,克服了其容易"早熟"的不足;优化后原位工作完成时间较优化前缩短19.78%,验证了GA在解决定检工作流程优化问题上的适用性。

矿山选厂设备维修管理专家系统的开发

介绍了基于Ｃ／Ｓ模式的德兴铜矿大山选厂设备维修管理专家系统的开发。着重论述了系统知识库的建立、推理机的构造、数据库的创建及系统功能实现等。