基于min-max准则与区域划分的I-k-means-+聚类算法

针对I-k-means-+算法聚类结果不稳定、求解精度较低的问题,提出一种基于min-max准则与区域划分的I-k-means-+聚类算法.首先,提出min-max准则,计算每个数据点到最近中心的距离,优先选择距离最大的数据点作为新的聚类中心,避免多个初始中心聚集在同一个簇中的情况;其次,将分裂簇中的数据点分割到不同区域,在每个区域中选取一个数据点作为候选中心,以增加候选中心的多样性;最后,对于配对失败的簇,通过增益重新选择新的分裂簇与原删除簇再次配对,以提高配对成功率,进一步降低目标函数值.实验结果表明,与I-k-means-+算法相比,本文算法在运行效率基本相当的前提下,求解精度平均提高6.47%,且聚类结果更稳定;与k-means、k-means++算法相比,本文算法的求解精度更高.

加工时间为区间数的两阶段流水生产鲁棒调度

离散制造业中加工时间不确定的现象普遍存在,使得生产过程往往难以按照既定的调度方案来执行,而且难以实现满意的生产效果。研究在加工时间为区间数的环境下,以总完工时间为调度目标的两台机器流水生产鲁棒调度问题,旨在求解Min-Max准则的鲁棒调度方案。在详细描述该流水生产鲁棒调度问题的基础上,建立了问题的半无限数学规划模型。为降低求解复杂性,证明了问题的简化性质和占优性质,并设计了用于求解该问题的分支定界-遗传混合算法。仿真实验表明,提出的方法对该鲁棒调度问题具有很好的适用性。

改进的边坡变形非线性时变系统的不确定性分析

大地测量数据往往包含许多不确定性,可能导致所建立的函数模型产生病态,影响参数估计的准确性和可靠性。通过研究边坡变形非线性时变系统的力学原理,利用多项式拟合方法改进原模型,在参数解算过程中,考虑到测量数据的不确定性给解算结果带来消极影响,通过限制不确定度,利用min-max准则,提高参数解算的准确性,并将预测变形结果与实测边坡位移数据对比。结果表明,带不确定性的平差算法(leastsquare with uncertainty,ULS)与最小二乘平差(least-squares,LS)和整体最小二乘平差(total least-square,TLS)相比,其预测结果更接近实际测量数据,证明了改进的边坡变形非线性时变系统预测变形的有效性。