A Gradient-Simulated Annealing Algorithm of Pre-location-Based Best Fitting of Blank to Complex Surfaces Machining

The algorithm is divided into two steps. The first step pre-locates the blank by aligning its centre of gravity and approximate normal vector with those of destination surfaces, with largest overlap of projections of two objects on a plane perpendicular to the normal vector. The second step is optimizing an objective function by means of gradient-simulated annealing algorithm to get the best matching of a set of distributed points on the blank and destination surfaces. An example for machining hydroelectric turbine blades is given to verify the effectiveness of algorithm.

Best fit算法在三峡船闸调度中的应用

为了最大限度地发挥三峡区段的通航能力,建立了一种适用于三峡永久船闸的决策支持系统.研究了决策支持系统中的关键问题———船舶入闸编排算法,基于三峡通航的实际情况,如船型复杂多变,中小船舶抢道入闸等,建立了解决问题所需的数学模型.以经典的bestfit算法为基础,考虑到各种实际情况,设计了带匹配权值的bestfit算法,通过多次测试确定了估价函数,较好地解决了闸室面积利用率和船只优先级别之间的矛盾.实验表明算法适用于三峡永久船闸的编排调度,效果不错.

基于俄罗斯方块启发的矩形排样遗传算法优化

为了提高非剪切方式下二维矩形排样问题的板材利用率,提出了基于俄罗斯方块启发的定位方法和多家族遗传算法的排序方法。对于矩形件间的尺寸余量问题,使用尺寸膨胀处理方式解决,并建立了矩形排样的优化目标函数。在矩形定位方面,分析了最低水平线方法的缺陷,提出了俄罗斯方块启发的定位方法,该方法实现了矩形件与板材缺口的最佳匹配。在排序方法,为了实现染色体多样性和算法收敛速度的均衡,使用多家族遗传算法对矩形排入顺序进行优化。使用13个无废料测试算例对排样方法进行测试,经验证基于最低水平线的排样高度相对差值为1.28%,只在1个算例中得到了最优高度;基于俄罗斯方块启发的排样高度相对差值仅为0.13%,在10个算例中得到了最优高度。

约束入库问题模型与算法研究

对某冷轧厂冷卷约束入库问题建立数学模型 ,归结为有约束的装箱问题 (binpacking) ,设计带匹配权值的bestfit算法实现优化入库 .该算法简便易行 ,效果良好 ,是求解一类约束入库问题的有效算法 .

WebitOS内核的实现机制及性能分析

描述了WebitOS的体系结构,WebitOS采用模块化分层结构设计,包含设备驱动、实时内核及轻型TCP/IP协议栈等模块,功能完备;分析了WebitOS内核的实现机制:实时调度采用了基于优先级抢占的多任务调度机制,内存管理采用了最佳匹配的分配算法和边回收边整理的回收算法.在此基础上,从内核运行的时空开销、支持EI应用等角度对WebitOS内核的性能进行了测试.结果表明,WebitOS内核是一个实时、精简且高效的内核,特别适用于资源受限环境下开发嵌入式实时应用.

基于角点分段算法的岩石裂隙宽度测量及分析

利用数字图像方法测量岩石节理裂隙宽度(开启度),需要对岩石裂隙进行分段。由于节理裂隙的信息主要反映在其特征点(角点)中,故提出了一种角点分段算法。利用此算法对岩石裂隙分段,再利用改进的Fer-ret———最佳拟合长方形算法测量宽度,通过对所得结果进行分析可知,利用角点分段算法和最佳拟合长方形算法相结合测量岩石裂隙宽度,与其他测量方法相比不仅实现了计算机的自动测量,而且测量的精确度更高。

二维矩形条带装箱问题的底部左齐择优匹配算法

针对二维矩形条带装箱问题提出了一种启发式布局算法,即底部左齐择优匹配算法(lowest-level left a lignbest fit,简称LLABF).LLABF算法遵循最佳匹配优先原则,该原则综合考虑完全匹配优先、宽度匹配优先、高度匹配优先、组合宽度匹配优先及可装入优先等启发式规则.与BL(bottom-left),IBL(improved-bottom-left)与BLF(bottom-left-fill)等启发算法不同的是,LLABF能够在矩形装入过程中自动选择与可装区域匹配的下一个待装矩形.计算结果表明,LLABF结合遗传算法(genetic algorithm,简称GA)解决二维条带装箱问题更加有效.

混合遗传算法在装箱问题中的应用研究

装箱问题在现实生活中有着广泛的应用,本文针对装箱问题,提出了BF近似算法和遗传算法相结合的混合遗传算法,并在实现上加以了改进,仿真的结果表明该算法在求解装箱问题的表现是良好的。

复杂曲面测量数据最佳匹配问题研究

针对复杂曲面类零件加工余量分析过程中的测量数据匹配问题,提出通过初始匹配和精确匹配来实现曲面测量数据的最佳匹配。交互式的初始匹配过程决定后续算法的变量范围,精确匹配确定测量数据与曲面的最佳匹配姿态。精确匹配采用最小二乘法构造评估函数,应用边界约束BFGS方法对问题涉及的曲面匹配变换矩阵的6个未知量进行优化求解。对通过三坐标测量机获取的数据,提出了一种测头半径补偿方案。实验结果表明,该方法与遗传算法相比具有运算速度快和精度高等特点,能较好地解决复杂曲面类零件测量数据的匹配问题。

TTCAN周期性任务的优化调度算法

TTCAN周期性任务调度是最优装载问题的推广,它在通信时间关键的实时分布式系统中有着很强的应用背景.本文提出了4种确定基本周期的策略,给出了首次适应和最佳适应两种不同的可以在多项式时间内构造出TTCAN周期性任务调度表的算法,最后对不同规模下的两种算法的实验结果进行了比较,指出了两种算法在不同的周期策略下的渐近性能比.

利用自适应混合遗传算法求解平车装载问题

铁路输送中的多型号平车装载问题旨在满足铁路军事运输和安全的要求下,提高铁路平车利用率,节省铁路运输资源。针对平车优先的平车装载问题,建立数学模型,将改进的自适应遗传算法、模拟退火算法思想、优先适应降序算法相结合,提出一种自适应混合遗传算法。给出算法的编码、遗传算子的设计、适应度函数的定义、交叉概率和变异概率的自适应改变算法。针对平车装载问题实际,对算法编码进行解码,利用优先适应降序算法对装备进行装载;将遗传算法和模拟退火算法思想结合以分别弥补各自局部搜索和全局搜索局限;引入自适应机制使得交叉概率和变异概率能随适应度值改变而改变,抑制了算法"早熟",提高了收敛速度;最后用实例验证了该算法的有效性。

一种求解装箱问题的改进遗传算法

针对现有遗传算法求解装箱问题收敛速度慢的问题,提出了一种改进的遗传算法。通过在初始化种群中加入降序最佳适应算法生成个体、最优个体保存策略和对适应度尺度进行变换,对现有的遗传算法进行改进。为了验证算法的有效性,设计了仿真实验。实验结果表明,改进后的算法找到最优解的概率更大、求解速度更快。

基于加权BPF顾客商品目录区隔挖掘算法

商品目录区隔问题是商业智能领域数据挖掘研究的一个重要问题。论文阐述了面向顾客商品目录区隔问题的最新研究成果,并提出了解决k-MECWT的加权Best-Product-Fit算法,给出了详细的SQL算法描述和应用实例。同时阐述了商品目录区隔问题的未来研究方向。

基于图形制导复杂曲面最佳适配的梯度-模拟退火算法

针对复杂曲面类毛坯与设计原形存在误差 ,提出了一种基于图形制导复杂曲面最佳适配的梯度 -模拟退火算法。该算法首先利用参数曲面的几何不变性 ,使曲面有一个较为理想的初始位置。然后使用梯度 -模拟退火算法对目标函数进行优化 ,从而实现了复杂曲面的最佳适配。最后运用实例验证了所提出的算法的可行性及有效性。

传感器静态校准数据最佳拟合直线的一种求取方法

根据切比雪夫最佳逼近理论提出了求取传感器静态校准数据最佳拟合直线的方法,相应的程序运行结果表明了数据拟合的最优性。

基于模拟退火算法的矩形件排样

针对矩形件排样问题,提出了最低轮廓线最佳匹配算法。该算法根据最低轮廓线排放矩形,使板材浪费降至最低。并将其与模拟退火算法相结合,可获得近似最优的排样结果。最后给出不同规模的算例,结果表明,该算法比最低水平线算法排样结果好,是解决矩形件排放的有效方法。

具有自适应随机惯性权重的PSO算法

通过对标准PSO算法中惯性权重和全局最好值的分析,提出了一种根据全局最好值的变化而自适应变化的随机惯性权重的方法。通过对5个典型的Benchmark函数的测试,结果表明此方法在收敛速度和全局收敛性方面都较线性递减的惯性权重的方法有所改进。最后,将改进的PSO算法应用于分类问题,与标准PSO算法与C4.5的结果相比,分类精度和速度都有所提高。

动态分区管理中空闲分区的邻接性判断及合并算法研究

在分析动态分区管理中最佳适应算法特点的基础上,提出了一种检测及合并相邻空闲分区的算法,以便能对相邻空闲分区及时合并,从而为以后的内存分配提供方便。

无线传感器网络最优曲线压缩算法

针对无线传感器网络中的数据压缩问题,对DP压缩算法进行改进,提出一种最优曲线数据压缩算法OCDCA。减少压缩过程中对数据的扫描次数,以降低节点的能量消耗。采用最佳曲线拟合方法对监测数据点做直线优化拟合,以提高压缩精度。仿真结果表明,OCDCA算法程序时间复杂度较低,压缩精度和压缩效率较高,可降低无线传感器网络的能量消耗。

基于最具影响粒子群优化的BP神经网络训练

系统地介绍了粒子群优化算法,将粒子群优化算法用于BP神经网络的学习训练,提出了一种改进的粒子群算法——最具影响粒子PSO算法BIPSO,并利用复合适应度即均方误差和误差均匀度之和作为BIPSO训练神经网络的指标,并对它与其他的神经网络训练算法诸如BP算法、GA算法、PSO算法进行了比较。实验结果表明:BIPSO性能优于其他算法,更容易找到全局最优解,具有更好的收敛性。