作战任务优选建模及求解方法研究

针对作战任务规划中的任务优选问题,结合属性图与影响网定义一种作战任务图,以描述任务、效果及其相互之间的关系。基于作战任务图构建任务优选模型,提出作战效果网络传播算法和资源约束判断算法,并利用改进的差分进化算法进行求解。实验结果表明,作战任务图能够形象地描述作战任务及效果之间的关系,而基于作战任务图的模型及求解方法具有可行性和有效性。

基于生产资源的柔性作业调度任务优选方法

市场需求的多样性与个性化趋势使面向订单的生产作业调度遇到极大困扰。一方面随机到达的订单往往远超出车间的生产能力,一方面车间资源经常使用不均,造成效率低下。对作业调度中的任务进行优化选择,是解决以上问题的有效途径之一。提出了满足订单要求及车间生产资源能力等多目标的调度任务优选方法,构建了柔性作业车间设备的可互换性规则和辨识算法,提出并研制了基于订单优先级、设备生产能力等约束下的订单多工艺方案自动平衡和优选算法,有效解决订单任务及生产资源共同约束下的柔性作业调度难的问题。通过对两个标准柔性调度案例的组合,以及相关目标和约束设计,对文章提出的方法进行了测试,结果表明,在保证订单交货期期限、遵守调度周期和设备维修约束等的前提下,采用此方法可使其makespan缩短13%,设备利用均衡,利用率达82.3%。

移动群智感知多任务参与者优选方法研究

本文针对参与者优选方法提出基于多任务分发的研究算法,目的在于实现参与者优选过程中的最小化参与者人数的基础上最小化用户移动的总距离.在规定的时间内通过完成多个任务以实现参与者最大化奖励值.而平台需要根据候选者完成任务个数以及移动总距离来选择参与者,在平台信息最小化的情况子下实现成本最小化.本文设计了VT-MOST、VPT-MOST算法,分别以任务、参与者为中心的参与者优选方法.不同于T-MOST、PT-MOST的情况,这里我们考虑速度对于参与者选择的影响.选用参与者近期速度的平均值来估算该用户的速度值,通过对三种算法进行实验对比,分析各种因素对参与者的选择产生的影响,如任务个数、时间、候选者人数等.

基于GIS的多任务路径优选算法的研究与实现

最短路径分析是地理信息系统(GIS)中空间网络分析的关键内容之一。传统的路径算法都是面向单个对象的,对基于复杂矢量化地图的多任务路径优选算法的研究目前还不多。在单任务路径优选功能实现的基础上,从解决路段冲突入手,通过等待以及等待与路径重选相结合的方式实现了多任务路径优选方案,GIS平台上算法的设计与实现表明,所提方案有效可行。

采用KPCA-BP神经网络的并联机构全局综合性能评价方法研究

基于并联机构单一性能指标的多样性和各单一性能指标之间的非线性关系,将核主成分分析(Kernel Principal Component Analysis,KPCA)方法与误差反传播(Back Propagation,BP)神经网络技术相结合,建立一个对可完成不同工作任务的并联机构进行综合性能评价的KPCA-BP神经网络模型。通过合理的系统抽样,利用KPCA对BP神经网络的输入数据进行预处理,既能处理各单一性能指标间的非线性关系,又能简化BP神经网络结构,加快网络学习速度,提高预测精度,进而提出一种基于多种单一性能指标的并联机构全局综合性能评价新方法,为并联机构工作任务优序关系研究提供科学的参考依据。

PCA与KPCA在并联机构综合性能评价中的应用比较

并联机构性能评价是对结构参数的选取和控制策略的拟定具有决定性作用。由于并联机构单一性能指标的相关性和多样性,依据线性降维与非线性降维原则,分别选择主成分分析法(principal component analysis,PCA)和核主成分分析法(kernel principal component analysis,KPCA),基于不同工作任务对典型结构的并联机构的综合性能进行评价。通过比较不同降维方法的降维效果,确定KPCA方法能有效地处理多个单一的机构性指标间的非线性关系,计算结果能够提供更多的综合评价信息,评价结果较为合理。进一步通过计算核主成分得分为并联机构工作任务优序关系研究提供科学的参考依据,从而提出一种基于多种性能指标优选机构任务的新方法。