工件间具有串并有向图约束的单机随机排序问题

研究机器发生随机故障的单机排序问题,其中工件间的优先约束为串并有向图,目标函数为极小化加权完工时间和,证明了此问题多项式时间可解,并给出了多项式时间算法.     

主指标为最大延迟的主次指标分批排序问题

研究现代排序问题—主指标为最大延迟的主次指标分批排序问题.这里利用动态规划的递推法给出了次指标分别为最大完工时间和误工总数时的多项式时间算法,并给出了次指标为关于工件完工时间的任意正规函数时的拟多项式时间算法.     

基于RLS算法的多项式预测模型及其应用研究

为了提高经济领域统计数据的预测精度,代数多项式预测模型的建模方法应运而生.该方法使用代数多项式模型拟合给定的经济统计数据,并使用递推最小二乘法(RLS)对多项式拟合模型的加权系数进行递推计算以获得最优模型参数,然后通过获得的最优多项式模型计算未来预测数据.文章以实际统计的经济数据为例进行了仿真计算,研究结果表明,该方法不仅能实现统计数据的高精度拟合,而且具有很好的预测能力,在经济领域具有广阔的应用前景.     

基于加工时间之和学习效应下的单机成组排序问题

研究具有加工时间之和学习效应下的一个新型成组排序问题,工件的学习效应是之前工件加工时间之和的函数,组学习效应是成组加工所在的位置的函数. 考虑最大完工时间和总完工时间两个问题,证明了这两个问题都是多项式时间可解的,并提出了相应的多项式时间算法.     

需要安装时间的两台多功能机排序问题的计算复杂性

提出需要安装时间的多功能机排序问题,一般情况下,这是NP-困难的;主要研究只有两台机器时一些特殊情况下的计算复杂性.根据加工集合为机器全集的工件组数的不同,分别给出多项式时间算法和分枝定界算法.对各工件组的工件数和加工时间都相等的情况,给出一个多项式时间的最优算法-奇偶算法,从而证明此问题是多项式时间可解的.     

功率放大器非线性特性及预失真建模研究

针对无记忆功率放大器的非线性特性及预失真建模的问题,首先建立了多项式模型、极坐标Saleh模型和基于正交三角函数的模型并利用MATLAB对其进行了求解,然后给出了无记忆多项式预失真处理器特性函数表达式及最小二乘解.针对记忆功率放大器的非线性特性及预失真建模的问题,首先建立了记忆多项式模型并对其进行了求解,然后建立了相应的有记忆多项式预失真模型并利用最小二乘法进行了求解,并提出了联合功率放大器特性和输入信号幅值范围的有记忆功放自适应预失真模型.最后求出所给输入信号、输出信号以及加入预失真后线性系统的输出信号的功率谱密度,并计算和比较了信道的带外失真参数ACPR;结果显示,加入预失真后大大提升了系统的性能,线性特性明显加强.     

加工时间和工期一致的单机主次指标排序问题1‖∑U︱Tmax

本文研究了单机主次指标排序问题1‖∑U︱Tmax.在加工时间和工期具有一致性的情形下,给出了该问题的多项式时间算法.     

对流扩散反应方程的局部投影稳定化连续时空有限元方法

本文将局部投影稳定化(LPS)方法和连续时空有限元方法相结合研究对流扩散反应方程,给出稳定化连续时空有限元离散格式.与传统的时空有限元研究思路不同,时间方向利用Lagrange插值多项式,解耦时间和空间变量,降低时空有限元解的维数,具有减少计算量和简化理论分析的优点.通过引入Legendre多项式给出了有限元解的稳定性...     

工件带简单线性恶化函数和共同交货期单机排序问题

本文研究单机排序问题,其中工件加工时间具有简单线性恶化函数.同时,所有工件均具有一个给定共同交货期.目标函数为最小化提前有奖延误受罚之和.在逆一致性条件下,给出了求解该排序问题的一个伪多项式时间动态规划算法.同时借助于几何舍入技巧,对求解这类排序问题给出了一个充分多项式时间的近似算法(FPTAS)。     

单机主次指标排序问题(英文)

本文研究了单机主次指标排序问题1|rj,pmtn|∑Uj|Tmax.在同工期且准备时间和工期具有一致性的情形下,给出了该问题的允许中断抢先的多项式时间算法.     

Multi-variable grey model based on dynamic background algorithm for forecasting the interval sequence

The multi-variable grey model based on dynamic background algorithm improves the forecasting performance of the multi-variable grey model on the precise number sequence. In order to make this model suitable for the interval sequence, the matrix form of the multi-variable grey model based on dynamic background algorithm is proposed in the paper. In the modeling process, the interval is treated as a two-dimensional column vector, the parameters of the multi-variable grey model are replaced by matrices, and the dynamic background algorithm for interval sequences is proposed. The analysis results of the matrix algorithm for the dynamic background value and the prediction formula show that the new model is essentially a way to predict one of the two bounds of an interval by combining them, reflecting the integrity and interaction between the lower and upper bounds. The interval predictions of industrial electricity consumption of Zhejiang Province, China national electricity consumption and consumer price index show that the new model can well predict the minimum and maximum values of the interval sequence and has better prediction performance compared with the method of predicting each boundary sequence separately.     

灰色预测GM(1,1)模型的改进及应用

应用自动寻优定权的方法和最小二乘法,研究了灰色系统理论中灰色预测GM(1,1)模型的预测公式的形成过程,发现灰色预测GM(1,1)模型在形成预测公式时对背景值和初始值的规定是不尽合理的,且现有的改进方法对灰色预测GM(1,1)模型的改进还不尽完善.为了提高灰色预测GM(1,1)模型的预测精度,提出并使用自动寻优定权对背景值进行选择,基于最小二乘法原理对灰色预测GM(1,1)模型的初始值进行改进.实例结果表明,提出的改进方法是有效和完善的,对灰色预测GM(1,1)模型的预测精度也有较大的提高.     

含有压缩因子的粒子群优化灰色模型在智能电网中的应用

针对智能电网对用电量预测的需求和电力系统的负荷特性,在分析了灰色模型GM(1,1)的局限性以及基本粒子群算法在优化GM(1,1)背景值时所出现的不足的基础上,构建了具有压缩因子K的粒子群算法,以此来改进灰色模型的背景值,提出了含有压缩因子的粒子群优化灰色模型KPSO-GM,并把它用于智能电网中用电量预测。实例证明,该算法具有较高的预测精度,有利于提高智能电网的质量。     

北京市水资源利用建模分析研究

以北京市为例,分别应用无偏灰色GM(1,1)模型和非线性模型对北京市2001年-2010年的用水量进行了建模,利用最优化方法,计算了上述两种模型的最优组合模型,通过三种模型分别计算了北京市2001年-2010年的水资源利用量,并与北京市2001年-2010年的实际用水量进行了对比,采用精度检验方法,分别对无偏灰色模型,非线性模型和组合模型进行了精度检验,计算结果表明,加权组合模型是三种模型中精度最高的模型,通过组合模型计算得出的用水量值与实际水资源利用量相比误差最小,由此得出,可以利用组合模型对北京市未来的水资源利用量进行预测,预测结果可为其他相关研究提供参考.     

Optimal solution for novel grey polynomial prediction model

The grey prediction model, as a time-series analysis tool, has been used in various fields only with partly known distribution information. The grey polynomial model is a novel method to solve the problem that the original sequence is in accord with a more general trend rather than the special homogeneous or non-homogeneous trend, but how to select the polynomial order still needs further study. In this paper the tuned background coefficient is introduced into the grey polynomial model and then the algorithmic framework for polynomial order selection, background coefficient search and parameter estimation is proposed. The quantitative relations between the affine transformation of accumulating sequence and the parameter estimates are deduced. The modeling performance proves to be independent of the affine transformation. The numerical example and application are carried out to assess the modeling efficiency in comparison with other conventional models.     

基于三角模糊数序列的灰色预测模型

以GM(1,1)模型为代表的灰色预测模型是以精确数序列为基础,难以满足实际需要.为了使灰色模型适应于模糊数序列,具体给出了一种基于三角模糊数序列的建模方法,这种方法也可以实现对二元区间模糊数和梯形模糊数序列的建模.首先由三角模糊数序列得出三个含有等量信息的精确数序列:重心序列、隶属函数的覆盖面积序列和中界点序列,对这三个序列分别建模后,再导出原始三角模糊数序列的三个界点的预测模型.这种建模方法既保持了模糊数的整体性又提高了建模序列的光滑度,提高了预测精度.最后进行了多组随机三角模糊数序列的数据模拟,验证了模型的有效性.     

分数阶反向累加非线性灰色Bernoulli模型及其应用

非线性灰色Bernoulli模型相对于普通的GM(1,1)模型,能更好的反映数据序列的非线性增长趋势.分数阶蕴含"in between"思想,分数阶累加灰色模型相对一般的累加灰色模型具有更好的预测效果和适应性.为了更好地符合新信息优先原理,实现最小信息的最大挖掘,构造了分数阶反向累加非线性灰色Bernoulli模型,即...     

基于蚁群算法的灰色组合预测模型

分别利用灰色GM(1,1)模型、GM(1,1)优化模型和新息GM(1,1)模型建立三个单项预测模型,进一步建立了组合灰色预测模型,组合模型的权系数利用蚁群算法确定.最后给出了一个我国人口数量组合预测模型,计算结果表明,基于蚁群算法的灰色组合预测模型的拟合和预测精度要优于传统组合预测模型.     

基于机场货运预测的GM(1,1)建模过程问题分析

运用灰色系统GM(1,1)模型进行预测时,模拟精度和预测精度是关注的焦点.对原始数据构造缓冲算子和进行完整的前期检验,运用等维灰数递补的动态建模方法,针对误差建立残差修正模型,都可以提高预测的可信度.通过归纳建模各阶段可能出现的典型问题以及解决方法,以期对建立优化模型有所帮助.最后建立GM(1,1)模型预测天津滨海机场货邮吞吐量.     

组合GM(1,1)幂模型及其应用

GM(1,1)幂模型是灰色Verhulst模型的推广.由于初始条件选取影响GM(1,1)幂模型的精度,将平均相对误差函数分别看成是幂指数、发展系数、灰作用量的函数,利用蚁群算法进行参数辨识,从而建立多个单项GM(1,1)幂模型.利用这些单项模型建立了线性组合GM(1,1)幂模型,组合权系数利用最大相对误差最小化原则采用粒子群算法确定.实例表明,组合GM(1,1)幂模型的建模精度高于传统GM(1,1)幂模型,同时也说明方法是有效的和可行的,具有重要的理论意义.