基于遗传算法与DSM的产品结构分解聚类方法

产品结构的分解聚类在产品开发中有着重要的地位,在用设计结构矩阵(D es ign structure m atrix,DSM)对产品结构进行建模的基础上,通过遗传算法实现了产品结构分解聚类的智能化和分解聚类结果的最优化。在算法的设计过程中开发了一种对DSM进行二维编码的方法,并给出了在二维编码基础上的多点杂交和基本变异方法。在构造适应度函数时,综合考虑了DSM模型中各元素之间的联系、聚类的数目以及各聚类中元素的数目。最后以某摩托车发动机为例,用该算法实现了产品结构DSM模型的智能化分解聚类,验证了该算法的可行性。

基于改进的DSM耦合任务规划方法的研究

以工业机械手的系统设计为例,阐述了设计结构矩阵(design structure matrix,DSM)表达耦合任务信息的方法,通过对改进DSM优化算法的描述,完成了工业机械手系统设计任务的顺序规划,同时,应用合理的公式对优化后的DSM与原DSM矩阵复杂度进行了计算,结果表明:经过改进算法优化后的DSM比原DSM复杂度大大降低,表明耦合任务的规划使设计任务的流程更加清晰,耦合关系更加明确,达到了规划的目的。

基于设计结构矩阵的过程模型优化算法综述

设计结构矩阵是项目管理和调度的强有力工具,为了将它有效地应用于各领域的设计过程管理,对DSM的优化算法进行了分类,阐述了各类算法的基本原理和步骤,对各类算法的优缺点进行了分析比较。

基于遗传算法的产品结构聚类重组

通过遗传算法实现了产品结构的智能聚类重组,把绝大部分元素之间的联系都包含在了各聚类内部以及bus类中,大大降低了产品结构各聚类之间的耦合强度。在算法的建模过程中,给出了产品结构DSM模型二维编码方法,并在此基础上给出了基于联系权重的适应度函数和选择概率的求解算法。最后通过对一个简单实例产品结构DSM模型的智能化聚类重组,验证了算法的可行性。

基于PDM的产品开发过程智能化分析与改进

分析了PDM在产品开发过程分析与改进方面的不足 ,结合DSM、遗传算法和专家系统技术 ,提出一种智能化的方法 ,对PDM中的工作流过程进行分析与改进。基于产品开发过程的DSM表示模型 ,采用遗传算法对过程中的活动进行排序 ,利用专家系统引导遗传算法的优化方向。这种智能化的方法 ,为过程的改进和重组提供了决策依据。在理论研究的基础上 。

基于结构-属性的时空对象图聚类算法的研究

在现有的图聚类方法中,大多数聚类方法只关注图的拓扑结构或节点属性而忽略另一方面.为解决这一问题,相关文献中提出了基于图的结构与属性的图聚类方法.但这些聚类方法存在建立的图模型不准确、聚类效果不理想、算法执行效率低等缺点.针对上述图聚类方法中存在的问题,提出了一种基于结构-属性的时空对象图聚类方法(spatio-temporal object graph clustering algorithm based on structure and attribute,STSA).首先提出了属性加权图模型,在此基础上建立了结构-属性的统一度量方法,并采用随机游走模型技术将节点间结构与属性关系转换为相应的相似度矩阵,结合图结构-属性关系及相似度矩阵,采用信息传递算法对图进行聚类,解决了现有图聚类方法中所存在的问题,最后通过实验验证了提出的STSA方法的正确性和有效性.

RWCE算法中采用单元重构策略激励换热网络结构优化

应用强制进化随机游走算法优化换热网络的过程中,通过监测最优结构中换热单元优化进程,探究总体结构进化特点,发现存在换热单元先入为主的现象,主体结构稳固难以被突破,导致换热网络优化进入“停滞”状态。基于此,提出了换热单元重构策略,该策略旨在增强结构变异能力,经过一定阶段概率性消除结构中既有换热单元,腾出结构进化空间,再依据约束条件重新构建换热单元,既丰富了结构多样性又扩大了搜索域。此外建立优化状态监测指标,维持结构较高的变异活性,增强算法全局寻优能力。最后将该策略加入算法流程优化多个换热网络实例,总结分析其作用机理,所得结果均优于现有文献结果,证实了该策略的有效性。

项目网络中考虑支配与扩散关系的组合决策

单纯侧重项目自身属性而不考虑项目关联性以及由项目衍生而来的技术、经验/信息扩散对项目组合决策时的影响,易导致决策偏差,低估具有潜在技术先导性项目的价值。对此,引用复杂网络理论,以项目关联性的视角,将项目间支配和扩散关系分别抽象为有向加权网络,运用K-shell分解方法构建项目组合网络中基于支配关系的项目影响力模型以及技术、经验/信息在项目间扩散传播的模型。然后,基于PageRank算法,综合考虑项目间支配与扩散关系,建立了项目优先级排序决策模型。最后,通过算例分析说明了该模型与算法的可行性与有效性,为企业项目组合决策提供了有益的参考。

基于复杂网络和随机游走算法的研发项目组合风险分析

针对项目组合中的风险分析问题,本文通过构建"项目组合-风险"双层网络模型,提出了基于随机游走算法的项目组合风险定量分析方法,以更准确地预测项目组合风险.首先,本文在研发项目间依赖关系分析的基础上,构建了项目组合网络,并采用设计结构矩阵(DSM)法建立了基于复杂网络中"邻接节点"的项目间连接强度模型.然后,采用多领域矩阵建立了由风险事件推导风险因素间依赖关系的模型.进一步,通过集成项目组合中项目间依赖关系、项目与风险因素间对应关系、以及风险因素间初始的依赖关系,构建了"项目组合-风险"双层网络模型,采用随机游走算法得到稳定状态下最终的"项目-风险因素"域映射矩阵(DMM)和风险因素DSM.最后,以某研发项目组合为例,采用随机游走算法进行项目组合风险的精准预测,并采用PageRank方法对风险因素进行排序,验证了本文提出模型和方法的有效性.

基于项目网络支配和扩散关系的研发项目组合选择

项目组合包含多项目且项目间存在相互作用和依赖关系,针对传统项目组合评价方法忽略了各项目间依赖关系的不足,本文采用复杂网络理论和PageRank算法,提出一种新的项目优先级排序方法(PPRM)。首先,本文建立研发项目多属性评价准则,分析了项目间的支配关系以及技术和经验在项目间的扩散关系。然后,以项目为节点、以支配和扩散关系为边,分别构建了项目支配和扩散网络,进一步,采用设计结构矩阵(DSM)和K-shell方法建立了基于支配网络的项目影响力模型,并建立了考虑项目之间多次扩散传播的综合扩散概率模型。综合项目节点影响力和扩散关系,本文构建了基于PageRank算法的研发项目优先级排序模型。最后,以某研发项目组合选择为例,验证了本文所建立的模型和算法可有效分析项目组合中的排序问题。