一种构造弱化缓冲序列的新方法

在运用灰色系统进行预测时,当数据序列由高增长急剧变化成为低增长时,需要运用弱化缓冲算子对数据进行处理,以提高预测精度。但是以一种或是几种弱化缓冲算子来处理各种变化规律不尽相同数据,有时效果会不尽理想。文章在现有缓冲算子的基础之上,提出了一种针对的不同数据的弱化缓冲序列的构造方法并通过实例证实了利用这类弱化缓冲序列对由高增长急剧变化成为低增长的数据序列作模拟预测的可行性、有效性、优越性。

一种新的时间数据序列缓冲技术及其应用研究

以排除扰动因素对系统特征时间序列的冲击,还系统真实面貌,增强系统特征时间序列预测建模精度为目的,根据新信息优先利用原理,在对序列缓冲算子理论和已有序列弱化缓冲算子研究的基础上,构造了一类新的时间序列弱化缓冲算子,并与已有的系列弱化算子进行了建模精度比较。研究结果表明这类新的序列弱化缓冲算子能显著提高小样本时间序列的预测精度。

柔性流水车间有限缓冲区问题分析

柔性流水车间的实际生产过程中,相邻的两个工序间通常设置缓冲区用以存放在制品,其不仅可以用来存放来自上一道工序的完工工件,还可以根据实际生产需求对加工工件进行排序和分类。在大规模生产模式下,缓冲区的作用更为明显。而通常情况下由于实际生产企业流水线中,由于生产车间空间、仓储设施容量等因素限制,在生产车间只能设置容量有限的缓冲区,当生产车间出现任务需求产能波动、各个工序间的生产节拍不一致时,有限缓冲区容量容易达到其上限,使得工件不能进入缓冲区,导致出现生产堵塞的现象,进而会影响到整体的生产进程。同时,由于在生产企业中加工产品的多样化,其规格尺寸、加工工艺、存储方式的差异等原因,导致生产线中存在多种类型的有限缓冲区,本文主要讨论柔性流水车间中的多序列有限缓冲区、公共缓冲区和路由缓冲区三种复杂的有限缓冲区。对其各个的特征和在实际生产过程中工作状态进行分析,为具有有限缓冲区的柔性流水车间排产优化问题的研究打下坚实的基础。

长江干线水上交通事故的灰色分析与预测

为减少长江海事局辖区水上交通事故的发生,增强水上交通运输的安全,采用灰色系统理论中的邓氏关联理论和改进的灰色关联理论,对2008—2017年长江海事局辖区水上交通事故统计数据进行关联性分析,定量分析水上交通事故的主要关联因素。将不同灰色关联理论分析的结果进行比较分析,给出一种与定性分析吻合度较高的灰色关联分析方法,提高水上交通事故分析的精确度。对不符合灰色系统建模要求的随机序列,引入实用序列缓冲算子,分别构建均值和加权GM(1,1)预测模型,对长江海事局辖区未来水上交通事故进行预测,并对不同预测模型的预测值和实际值进行比对,给出一种精度达到0.7%的短期预测模型,为改善长江海事局辖区的水上交通安全形势提供参考依据。

带准备时间的柔性流水车间多序列有限缓冲区排产优化问题

针对带准备时间的柔性流水车间多序列有限缓冲区排产优化问题,提出一种改进的紧致遗传算法(Improved compact genetic algorithm, ICGA)与局部指派规则结合的方法来解决该问题。全局优化过程采用改进的紧致遗传算法,为了克服紧致遗传算法(Compact genetic algorithm, CGA)易早熟收敛的问题,提出一种基于高斯映射的概率模型更新方式,在保持紧致遗传算法快速收敛特性的前提下,扩展了种群中个体的多样性,增强了算法进化活力。为减少生产阻塞和降低准备时间对排产过程的影响,设计了多种局部启发式规则来指导工件进出多序列有限缓冲区的分配和选择过程。采用某客车制造企业中的实例数据进行测试,测试结果表明,改进的紧致遗传算法与局部指派规则配合使用,能够有效解决带准备时间的柔性流水车间多序列有限缓冲区排产优化问题。

DISCUSSION ON AVERAGE GENERATION OF TWODIMENSIONAL DATA SEQUENCE IN GREY SYSTEM THEORY

An unequal time interval sequence or a sequence with blanks is usually completed with average generation in grey system theory. This paper discovers that there exists obvious errors when using average generation to generate internal points of non-consecutive neighbours. The average generation and the preference generation of the sequence are discussed, the concave and convex properties show the status of local sequence and propose a new idea for using the status to build up the criteria of choosing generation coefficient. Compared with the general average method of the one-dimensional data sequence, the two-dimensional data sequence is defined and its average generation is discussed, and the coefficient decision method for the preference generation is presented.