基于非支配遗传算法的HLA仿真系统数据采集策略

数据采集是仿真执行过程中的重要环节,数据采集的完整性和效率对整个训练仿真活动的最终效果和效率具有重大影响。然而,在现有基于高层体系结构(high level architecture, HLA)的分布式仿真系统中,集中式数据采集在单个步长内读写海量数据,会影响仿真正常推进,而分布式数据采集会造成大量冗余数据,且采集模块的开发不具备通适性。针对上述问题,基于弱分布式数据采集结构,利用多个采集成员实现并行数据采集,并基于非支配排序遗传算法Ⅱ(non-dominated sorting genetic algorithm Ⅱ, NSGA-Ⅱ)制定采集任务在多个成员间的分配策略,实现数据采集负载的均衡分布。仿真结果和真实系统上的实验结果表明,所提方法能显著提升数据采集效率,同时减少数据采集成员执行过程中的中央处理器(central processing unit, CPU)和内存消耗。

面向高效节能的螺旋输送机设计参数优化方法

为解决螺旋输送机在混凝土小预制件生产过程中的能耗高,效率低等问题,提出了一种面向高效率、低能耗的混凝土螺旋输送机设计参数优化方法。首先,建立混凝土螺旋输送机工作过程的速度和力学模型,揭示影响螺旋输送过程能耗和效率的重要因素。在此基础上,以螺距、转速和输送长度为优化变量,以螺旋输送过程总能耗最小、输送效率最大化为目标,建立混凝土螺旋输送机设计参数多目标优化模型,并提出一种基于改进的非支配排序遗传算法(NSGA-Ⅱ)进行优化求解。最后,通过将多目标优化结果与单目标优化结果进行对比分析,验证了所提出优化方法在提高混凝土螺旋输送效率的同时可有效降低生产能耗。

高效快速排序算法研究

快速排序是排序算法中性能较好的一种,但存在对数据有序或者基本有序的情形下的性能瓶颈问题。为此,对比效率同为O(nlbn)的其他排序算法,提出一种新的高效快速排序算法。理论分析和实验数据表明,其性能优于原有的快速排序算法,并且在数据基本有序的状况下依然具有高性能和较强的鲁棒性。

针对字符串等复杂数据的一种新的高效分档混合排序算法

针对字符串及记录等复杂数据及分布不均匀的数字数据的排序问题 ,在全面分析与提高各种排序算法的优点的基础上提出了一种新的高效分档排序算法 。

针对任意分布数据的高效分档混合排序算法

针对任意分布数据的排序问题,在把对文献[7][8][9]等分档排序算法的改进与该算法在程序语言中的实现技术的改进相结合的基础上,提出了一种新的针对任意分布数据的高效分“档”排序算法,并通过把它与最近排序方面的工作进行比较说明了它的优越性。

高重复率数据的快速排序

对于重复率较高的任意类型大量数据的排序,文中提出了一种新算法。该算法具有快速排序算法的简洁性,又避开了递归算法,时间复杂度为O(n),空间复杂度为O(1)。理论分析和实验表明,该算法的性能明显优于其它排序算法,适合于数据量较大的场合。

高密集度AGV快递包裹分拣系统的路径规划

基于自动引导小车(AGV)的快递包裹自动分拣系统是智能物流的研究热点,路径规划是其关键问题之一.在快递包裹分拣系统中, AGV具有高密集性和车辆数量较大的特点,这种情况极易造成AGV拥堵,使得整个系统的性能降低.针对此问题本文提出可避免拥挤的CAA~*(Congestion-avoidable A~*)算法,该算法以A~*算法为基础,引入动态属性节点,建立动态环境模型,对各个节点可能发生的拥挤情况进行预测,判断是否存在潜在的拥挤节点,在路径规划过程中绕过潜在的拥堵节点,避免发生拥堵现象.实验结果表明,本文所提的CAA~*路径规划方法在具有高密集度和较大规模的AGV场景中,能有效避免拥堵,从而提高场地AGV的密集度和系统的分拣效率.对实际应用场地的仿真表明,本文的算法比传统的A~*算法AGV密集度提高了28.57%,系统分拣效率提高了24.29%.

基于优质高效的数控铣削参数优化方法研究（英文）

为了实现模具制造过程的优质高效率生产,基于能量效率、表面质量为优化目标函数模型,采用非支配排序遗传算法进行参数优化。选择Cr12MoV模具钢材料进行单工步干式铣削沟槽正交实验,通过试验结果获得优化后最优的Pareto解集。考虑缩小优化结果的选择范围提升数控铣削方案的合理准确性,采用层次分析法对优化的参数组合方案进行评价分析。结果表明:应用层次分析法评价分析可以获得最佳目标参数组合方案,可实现数控机床加工模具钢过程中的高效率、高质量加工。