基于AGA-DE的柔性作业车间调度问题研究

这是一篇关于柔性作业车间调度,遗传算法,差分进化算法,交叉变异操作的论文, 主要内容为车间调度问题是制造执行系统中最为关键的一环,是当今制造业发展环境下的一个研究热点。良好的车间调度能使企业的生产资源得到最大程度的优化,并能有效确保车间能有条不紊地运转。作为传统作业车间调度问题(Job shop Scheduling Problem,JSP)的扩展,柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP)更符合实际的生产车间。在目前众多解决FJSP问题的算法中,遗传算法应用最为广泛,但传统的遗传算法存在一些缺陷,而差分进化算法能够弥补这些不足,并将各自的优势最大程度的发挥出来,因此本文提出一种自适应遗传差分进化算法(Adaptive Genetic Algorithm Differential Evolution,简称AGA-DE)来解决FJSP问题,主要研究内容如下:首先,在进行种群初始化时,它的优劣直接影响到算法的执行效率及算法整体的优劣。因此为了解决由于随机初始化而导致的种群质量低下的问题,本文对传统的种群初始化方法进行改进,在随机生成初始种群之后,利用轮盘赌策略筛选群体,这样在保障初始种群多样性、初始种群随机性基础上能提升初始种群的质量,加快算法收敛速率。其次,由于遗传算法更倾向于通过交叉来获得全局最优解,而差分进化算法更倾向于通过变异来提升局部搜索能力,并且多数基因的交叉、变异概率都是固定的数值且这些数值的选取比较困难,容易造成算法的局部最优,也会降低收敛速率。因此,本文提出改进的自适应交叉、变异概率公式,使交叉、变异概率的值会因为个体和种群适应度值的改变而呈现出对应的线性变化。在此基础上对交叉和变异概率值进行调节,从而改造进化过程中的交叉方式和变异方式,不仅能提升算法全局搜索能力,同时还能加快算法收敛速度。再次,在后期进化过程中,遗传算法容易出现早熟、陷入局部最优等问题,为了有效解决上述问题,弥补遗传算法的不足之处,本文采用一种基于实数编码的局部收敛判定指标,并通过自适应差分进化搜索,快速找到并快速跳出局部最优解。该指标能够在进化后期实时追踪到算法的收敛趋势,判断算法是否过早收敛,如果算法达到了局部最优,这时遗传算法的交叉和变异几乎没有作用,要及时跳出局部区域搜索,就要执行带有差分变异算子的差分进化算法产生新个体,其中缩放因子的值可以根据种群的进化生成而自适应地改变,采用自适应的缩放因子可以大大减少求解过程的复杂度,提高求解效率,并且加快算法的收敛速度。最后,在运用测试函数测试改进算法有效性的基础上,将改进算法应用于柔性作业车间调度问题的经典算例,对不同算法仿真的结果进行比较分析,论证该方法在最大完工时间、收敛速度等方面的优越性,验证了改进算法的可行性和有效性,并将改进算法运用于实际案例证明算法存在的现实意义。

基于B/S架构的ATS主机服务器关键功能的研究与仿真

这是一篇关于城市轨道交通,ATS系统,B/S架构,列车运行调整,差分进化算法的论文, 主要内容为目前,城市轨道交通系统正向着智能化、一体化的方向发展。列车自动监控(Automatic Train Supervision,ATS)系统作为城市轨道交通的信号监控系统,是全线列车的指挥者和监督者,也应该与时俱进,向着精简和智能的方向发展。在城市轨道交通信号监控系统的建设中,采用云平台的技术方案是有效解决采用传统C/S架构技术方案维护缺陷的手段之一,为适应信号监控系统云平台的建设,本文对基于B/S架构的ATS系统进行探索和研究,主要工作如下:首先研究了B/S架构及开发模型,分析并确定了B/S架构下的通信接口技术方案,并研究了ATS主机服务器的主要作用和功能原理。其次设计了ATS主机服务器的架构,分析了ATS主机服务器的功能需求。基于功能需求对主机服务器的系统用户管理、列车跟踪与识别、列车进路控制、列车运行自动调整、接口功能进行设计,并对站场设备静态、动态数据、进路数据和列车运行数据进行设计。为实现接口功能,详细设计了ATS主机服务器与Web浏览器客户端、设备仿真服务器的接口。为实现列车运行调整功能,对区间运行时间的生成进行了算法分析与设计,生成区间运行时间以作为列车区间运行自动调整的对象。然后以Eclipse为开发平台,以SSH(Struts2、Spring、Hibernate)作为系统开发框架,以Java为主要开发语言,实现了ATS主机服务器的列车识别与跟踪、进路控制、列车运行调整和接口功能仿真。其中,为实现列车运行自动调整功能,在Matlab平台上采用改进差分进化算法生成了区间运行最小时间,并提出了区间运行等级划分的一种方式,基于该划分方式得到了各区间运行等级对应的区间运行时间,以此作为列车运行计划数据的一部分。最后对ATS主机服务器的功能进行测试与验证。完成了与Web浏览器客户端、设备仿真服务器的接口测试。设计了列车进路控制测试用例,通过实时接收设备仿真服务器发来的站场设备动态数据和进路数据,对人工进路控制和自动进路控制功能进行验证,结果均符合预期。通过实时接收来自设备仿真服务器的列车动态数据,测试了早晚点场景下列车运行自动调整功能,测试结果表明ATS主机服务器能使列车在一段时间内恢复正点运行,达到了预期目标。

面向边缘计算的卷积神经网络加速器研究

这是一篇关于卷积神经网络,加速器系统结构,设计空间探索与寻优,差分进化算法的论文, 主要内容为随着智能物联网时代的来临,边缘计算作为一种新的计算方式,凭借其超低时延和超高可靠性的优势被应用于各个领域。然而,传统的CPU和GPU平台无法满足边缘计算实时和功耗的需求,急需高效低功耗的平台对应用进行加速。因此,本文设计并实现了基于异构多核FPGA平台的加速器,并对设计空间进行探索与寻优,以满足上述的需求。本文的主要研究工作如下:1.卷积运算中普遍存在数据读写依赖,导致执行过程无法完全并行,而串行的任务调用将导致加速器执行低效。针对该问题,本文设计了卷积神经网络加速器架构,以消除读写依赖和串行调用缺陷对性能带来的影响。该架构将任务级和运算级的并行结合,解决了单一硬件并行架构中存在的缺陷,将处理流程完全并行化。该架构由负责任务调度、内存管理的处理系统和多通道卷积运算的FPGA加速核组成。在任务级并行处理方面,利用多核CPU的特点,通过多进程技术将任务流分配到多核上进行处理,实现任务流并行。在运算级并行处理方面,设计了基于脉动阵列的运算级并行处理单元,将计算过程流水化。通过循环展开技术,利用卷积操作的层内并行性和层间并行性,加速卷积运算的处理。同时,存储单元采用多级存储结构,以增加滑动窗口内的数据复用。2.由于异构平台卷积神经网络加速器复杂的系统结构,需要更多的设计参数和更严格的约束,这将导致设计空间复杂化。针对该问题,本文提出了一种基于深度模型执行时间的设计空间探索与寻优方法,以获取最优的设计参数。首先,对深度模型的执行过程进行分析与建模。该数学模型以深度模型总执行时间为目标函数,以决策变量取值和资源为约束条件。同时,为获得更好的设计参数寻优效果和收敛速度,本文提出了基于加权变异策略的自适应差分进化算法。通过加权融合变异策略和自适应参数调整策略以动态平衡全局搜索和局部搜索能力,解决了差分进化算法易陷入局部最优的缺陷,从而达到较好的寻优效果。3.为了验证加速器在边缘计算应用场景中的性能和效果,设计了嵌入式智能目标检测系统。该系统的视频流采集与输出模块使用ARM CPU实现,深度学习推理阶段使用FPGA实现。软件端的内存管理和任务调度基于Linux操作系统进行开发与实现。通过图像分类和目标检测任务对该加速器的功能进行验证,结果表明该加速器可快速完成图像分类和目标检测,符合了系统设计要求,达到了对边缘计算场景的实时低功耗处理。

井田煤质估算及煤层结构三维可视化研究

这是一篇关于三维可视化,煤质估算,克里金法,差分进化算法,Three.js的论文, 主要内容为随着计算机技术的迅速发展以及与传统行业的融合,信息化成为煤矿企业的发展趋势,数字化矿山应运而生,井田煤层三维可视化与煤质指标估算作为其中的一部分,能够有效的指导煤矿企业生产。本文以煤矿企业实际需要为基础,分析井田、煤层以及相关数据信息的特征,研究三维建模方法、煤层标高估算模型和煤层煤质估算模型,实现无插件、可移植、跨平台、多浏览器兼容的井田煤质估算及煤层结构三维可视化模型。具体研究内容如下:(1)分析煤矿开采和生产过程中产生的钻孔数据、煤层结构数据和煤层煤质数据之间的关系与特征,设计井田煤质估算及煤层结构三维可视化模型的数据结构,使用Mysql数据库与Navicat数据库管理工具建立井田煤层采样资料数据库。(2)针对实现井田煤层三维可视化数据点稀疏的问题,构建了基于地质统计学中的克里金算法(Kriging)的煤层标高估算模型,以增加绘图数据点。在Kriging算法中,变差函数的求解决定着插值精度,因此,利用支持向量回归(SVR)实现对变差函数的拟合,避免了对变差函数选择的局限性与依赖性;采用可修改变异方向的自适应差分进化算法(UMDE)求解SVR的最优参数。运用某煤矿井田钻孔和煤层标高实际数据进行对比实验,实验结果证明,本文构建的模型相较于其他方案建立的Kriging估算模型精度更高。(3)在煤矿企业生产过程中,预知井田煤层煤质信息有助于企业对生产以及销售等各个环节进行指导,构建了基于SVR-Kriging的三维空间煤质指标估算模型。根据钻孔坐标及相应的煤质数据,构建煤质核心指标全水分、灰分和发热量的估算模型,运用煤矿实际数据对模型的估算精度进行对比实验,实验结果显示,本文提出的煤质指标估算模型有着较高的估算精度。(4)结合面向对象的思想,基于Spring-SpringMVC-MyBatis(SSM)开发框架,Three.js三维引擎,三角剖分算法和本文建立的煤层标高估算模型和煤层煤质指标估算模型,构建了基于Web的无插件和多浏览器兼容的井田煤质估算及煤层结构三维可视化模型,直观的展示出井田煤层的分布范围、空间结构以及煤层煤质指标,并且可以与煤矿企业现有管理软件良好的融合,促进煤炭企业的信息化发展。

基于新安江模型的洪水预报系统设计与实现

这是一篇关于洪水预报,水文模型,参数率定,粒子群算法,差分进化算法的论文, 主要内容为自然中水的变化时刻影响着社会的发展,既为各行各业的生产提供必不可少的保障,但又在各个角落时时刻刻威胁着人们的生命财产安全。发布于洪水形成前的洪水预报在防汛抗洪中起着极为重要的作用,同时也是缓解洪涝灾害的有效手段。课题来源于中国水科院水资源所“桂林市防洪及漓江补水水库群生态调度技术研究”项目,主要对青狮潭水库断面进行洪水预报,以降低洪水带来的损失。论文借鉴现有洪水预报系统的相关研究经验,依据软件工程规范,分析系统各方面可行性,阐明其功能性与非功能性需求,并逐步对体系结构、问题域、持久化与界面部分进行设计,本文采用统一建模语言UML(Unified Modeling Language)对系统业务功能进行建模分析,在此基础上,实现对降雨值、洪水流量、方案参数等基础信息的管理功能;同时,针对防汛抗洪、缓解洪涝等问题,本文以新安江水文模型作为预报模型,分析了现有水文模型率定方法,以纳什效率系数为目标函数,采用改进的双种群PSO-DE(Particle Swarm Optimization&Differential Evolution)算法对模型参数进行率定。本文基于B/S三层架构,采用SSM(Spring,SpringMVC,Mybatis)集成框架,开发过程中用到了Bootstrap、Echarts、Jquery等技术,实现了数据管理与洪水预报等业务功能。仿真实验表明,与传统参数率定方法相比,本文所使用的混合粒子群与差分进化双种群算法能够取得更加快速的率定速率;在本文所研发系统中,对桂林青狮潭水库断面进行预报实验,通过收集上游流域雨量站监测的降雨信息,将运算得到的模拟流量与实测流量对比分析可知,基于新安江模型洪水预报算法的预报结果与实际较为吻合。

基于AGA-DE的柔性作业车间调度问题研究

这是一篇关于柔性作业车间调度,遗传算法,差分进化算法,交叉变异操作的论文, 主要内容为车间调度问题是制造执行系统中最为关键的一环,是当今制造业发展环境下的一个研究热点。良好的车间调度能使企业的生产资源得到最大程度的优化,并能有效确保车间能有条不紊地运转。作为传统作业车间调度问题(Job shop Scheduling Problem,JSP)的扩展,柔性作业车间调度问题(Flexible Job shop Scheduling Problem,FJSP)更符合实际的生产车间。在目前众多解决FJSP问题的算法中,遗传算法应用最为广泛,但传统的遗传算法存在一些缺陷,而差分进化算法能够弥补这些不足,并将各自的优势最大程度的发挥出来,因此本文提出一种自适应遗传差分进化算法(Adaptive Genetic Algorithm Differential Evolution,简称AGA-DE)来解决FJSP问题,主要研究内容如下:首先,在进行种群初始化时,它的优劣直接影响到算法的执行效率及算法整体的优劣。因此为了解决由于随机初始化而导致的种群质量低下的问题,本文对传统的种群初始化方法进行改进,在随机生成初始种群之后,利用轮盘赌策略筛选群体,这样在保障初始种群多样性、初始种群随机性基础上能提升初始种群的质量,加快算法收敛速率。其次,由于遗传算法更倾向于通过交叉来获得全局最优解,而差分进化算法更倾向于通过变异来提升局部搜索能力,并且多数基因的交叉、变异概率都是固定的数值且这些数值的选取比较困难,容易造成算法的局部最优,也会降低收敛速率。因此,本文提出改进的自适应交叉、变异概率公式,使交叉、变异概率的值会因为个体和种群适应度值的改变而呈现出对应的线性变化。在此基础上对交叉和变异概率值进行调节,从而改造进化过程中的交叉方式和变异方式,不仅能提升算法全局搜索能力,同时还能加快算法收敛速度。再次,在后期进化过程中,遗传算法容易出现早熟、陷入局部最优等问题,为了有效解决上述问题,弥补遗传算法的不足之处,本文采用一种基于实数编码的局部收敛判定指标,并通过自适应差分进化搜索,快速找到并快速跳出局部最优解。该指标能够在进化后期实时追踪到算法的收敛趋势,判断算法是否过早收敛,如果算法达到了局部最优,这时遗传算法的交叉和变异几乎没有作用,要及时跳出局部区域搜索,就要执行带有差分变异算子的差分进化算法产生新个体,其中缩放因子的值可以根据种群的进化生成而自适应地改变,采用自适应的缩放因子可以大大减少求解过程的复杂度,提高求解效率,并且加快算法的收敛速度。最后,在运用测试函数测试改进算法有效性的基础上,将改进算法应用于柔性作业车间调度问题的经典算例,对不同算法仿真的结果进行比较分析,论证该方法在最大完工时间、收敛速度等方面的优越性,验证了改进算法的可行性和有效性,并将改进算法运用于实际案例证明算法存在的现实意义。

井田煤质估算及煤层结构三维可视化研究

这是一篇关于三维可视化,煤质估算,克里金法,差分进化算法,Three.js的论文, 主要内容为随着计算机技术的迅速发展以及与传统行业的融合,信息化成为煤矿企业的发展趋势,数字化矿山应运而生,井田煤层三维可视化与煤质指标估算作为其中的一部分,能够有效的指导煤矿企业生产。本文以煤矿企业实际需要为基础,分析井田、煤层以及相关数据信息的特征,研究三维建模方法、煤层标高估算模型和煤层煤质估算模型,实现无插件、可移植、跨平台、多浏览器兼容的井田煤质估算及煤层结构三维可视化模型。具体研究内容如下:(1)分析煤矿开采和生产过程中产生的钻孔数据、煤层结构数据和煤层煤质数据之间的关系与特征,设计井田煤质估算及煤层结构三维可视化模型的数据结构,使用Mysql数据库与Navicat数据库管理工具建立井田煤层采样资料数据库。(2)针对实现井田煤层三维可视化数据点稀疏的问题,构建了基于地质统计学中的克里金算法(Kriging)的煤层标高估算模型,以增加绘图数据点。在Kriging算法中,变差函数的求解决定着插值精度,因此,利用支持向量回归(SVR)实现对变差函数的拟合,避免了对变差函数选择的局限性与依赖性;采用可修改变异方向的自适应差分进化算法(UMDE)求解SVR的最优参数。运用某煤矿井田钻孔和煤层标高实际数据进行对比实验,实验结果证明,本文构建的模型相较于其他方案建立的Kriging估算模型精度更高。(3)在煤矿企业生产过程中,预知井田煤层煤质信息有助于企业对生产以及销售等各个环节进行指导,构建了基于SVR-Kriging的三维空间煤质指标估算模型。根据钻孔坐标及相应的煤质数据,构建煤质核心指标全水分、灰分和发热量的估算模型,运用煤矿实际数据对模型的估算精度进行对比实验,实验结果显示,本文提出的煤质指标估算模型有着较高的估算精度。(4)结合面向对象的思想,基于Spring-SpringMVC-MyBatis(SSM)开发框架,Three.js三维引擎,三角剖分算法和本文建立的煤层标高估算模型和煤层煤质指标估算模型,构建了基于Web的无插件和多浏览器兼容的井田煤质估算及煤层结构三维可视化模型,直观的展示出井田煤层的分布范围、空间结构以及煤层煤质指标,并且可以与煤矿企业现有管理软件良好的融合,促进煤炭企业的信息化发展。

井田煤质估算及煤层结构三维可视化研究

这是一篇关于三维可视化,煤质估算,克里金法,差分进化算法,Three.js的论文, 主要内容为随着计算机技术的迅速发展以及与传统行业的融合,信息化成为煤矿企业的发展趋势,数字化矿山应运而生,井田煤层三维可视化与煤质指标估算作为其中的一部分,能够有效的指导煤矿企业生产。本文以煤矿企业实际需要为基础,分析井田、煤层以及相关数据信息的特征,研究三维建模方法、煤层标高估算模型和煤层煤质估算模型,实现无插件、可移植、跨平台、多浏览器兼容的井田煤质估算及煤层结构三维可视化模型。具体研究内容如下:(1)分析煤矿开采和生产过程中产生的钻孔数据、煤层结构数据和煤层煤质数据之间的关系与特征,设计井田煤质估算及煤层结构三维可视化模型的数据结构,使用Mysql数据库与Navicat数据库管理工具建立井田煤层采样资料数据库。(2)针对实现井田煤层三维可视化数据点稀疏的问题,构建了基于地质统计学中的克里金算法(Kriging)的煤层标高估算模型,以增加绘图数据点。在Kriging算法中,变差函数的求解决定着插值精度,因此,利用支持向量回归(SVR)实现对变差函数的拟合,避免了对变差函数选择的局限性与依赖性;采用可修改变异方向的自适应差分进化算法(UMDE)求解SVR的最优参数。运用某煤矿井田钻孔和煤层标高实际数据进行对比实验,实验结果证明,本文构建的模型相较于其他方案建立的Kriging估算模型精度更高。(3)在煤矿企业生产过程中,预知井田煤层煤质信息有助于企业对生产以及销售等各个环节进行指导,构建了基于SVR-Kriging的三维空间煤质指标估算模型。根据钻孔坐标及相应的煤质数据,构建煤质核心指标全水分、灰分和发热量的估算模型,运用煤矿实际数据对模型的估算精度进行对比实验,实验结果显示,本文提出的煤质指标估算模型有着较高的估算精度。(4)结合面向对象的思想,基于Spring-SpringMVC-MyBatis(SSM)开发框架,Three.js三维引擎,三角剖分算法和本文建立的煤层标高估算模型和煤层煤质指标估算模型,构建了基于Web的无插件和多浏览器兼容的井田煤质估算及煤层结构三维可视化模型,直观的展示出井田煤层的分布范围、空间结构以及煤层煤质指标,并且可以与煤矿企业现有管理软件良好的融合,促进煤炭企业的信息化发展。

混合差分—分布估计算法及其在车间调度中的应用研究

这是一篇关于差分进化算法,分布估计算法,置换流水车间调度,作业车间调度的论文, 主要内容为伴随着计算机集成制造系统(CIMS)的发展,智能车间调度已经成为提高企业生产效率的重要途径。车间调度问题是一类NP-hard组合优化问题,随着问题规模的扩大,问题复杂度随之升高。相比传统的确定性和启发式算法,智能优化算法(IOA)因其搜索效率高、鲁棒性强、可移植性强,而被广泛应用于车间调度中。分布估计算法(EDA)是一种基于概率统计学的搜索算法,运用概率模型描述基因变量间的相互联系,具有良好的全局搜索能力。差分进化算法(DE)是一种启发式随机搜索算法,通过交换个体间方向和距离信息产生后代。混合算法结合不同算法的寻优特点,因而具有较好的搜索性能。针对此,本文研究了混合差分-分布估计算法及其在车间调度问题中的应用,主要内容包括：(1)根据EDA和DE算法的特点,引进了基于优秀种群适应度学习因子改进了两种算法的搜索机制,进而提出了基于自适应增量学习策略的混合差分-分布估计算法(AILHDE-EDA)。该算法混合了两种搜索机制,加快收敛速度,提高求解精度；同时运用马尔科夫链分析了AILHDE-EDA算法的收敛性,并用仿真实验证明了该算法是有效性。(2)引入了LOV (Larger-Order-Value)规则将AILHDE-EDA中的连续变量映射到工件序列,用于解决置换流水车间调度问题(PFSP),同时设计了基于工件的局部搜索算法加强局部搜索能力。利用SOV (Small-Order-Value)规则将AILHDE-EDA用于解决作业车间调度问题(JSP)。最后,对标准车间调度问题的测试证明了AILHDE-EDA解决两类车间调度问题的有效性。(3)针对智能优化算法解决组合优化问题的不足,结合了DE和EDA的特性,提出了一种混合离散差分-分布估计算法(HDDE-EDA)用以解决PFSP。在概率模型不再用于采样生成个体,而是产生一个指导个体用于指导交叉和变异产生后代;同时,采用了多样的变异和交叉方式来平衡全局搜索和局部搜索,并通过变邻域搜索(VNS)来进一步提高局部搜索能力。仿真实验比较了HDDE-EDA与PFSP经典调度算法结果,证明了HDDE-EDA解决PFSP问题的优越性。