Scheduling Semiconductor Wafer Fabrication Using a New Harmony Search Algorithm Based on Receipt Priority Interval

For the scheduling problem of Semiconductor wafer fabrication (SWF),a new Dispatching rule based on the load balance (DRLB) is proposed.Further,a new Harmony search (HS) algorithm based receipt priority interval (HS_rpi) is presented to minimize the mean cycle time.A kind of chaotic sequence is used as the harmony vector.Then,a conversion method is designed to convert the real number harmony vector to the mixed vector representing the priorities of all receipts and the algorithm parameters.In order to increase the algorithm robustness and decrease the scale of the scheduling problem,based on receipt priority interval and DRLB,we give a special conversion method used to convert the above mixed vector to the solution of the scheduling problem of SWF.Computational simulations based on the practical instances validate the proposed algorithm.     

基于模糊Petri网推理的半导体生产线投料控制策略

半导体生产线存在大量随机不确定因素,各种不确定扰动的发生,往往使已获得优化调度方案在执行过程中失去优良性,鉴于模糊Petri网在知识表达和逻辑推理方面的优势,本文研究将该思想用于半导体生产线投料控制,构建投料模糊Petri网推理模型,建立完整的在线投料机制,以生产线实时信息为依据,决定系统采取的投料控制行为,以便尽可能...     

用自动模糊划分与改进Apriori算法生成QAR关联规则

针对属性粒度模糊划分需事先给定与Aprirori算法效率低的问题,提出基于自动模糊划分和改进Apriori算法的QAR关联规则生成方法。首先对QAR数据进行空缺值填补等预处理;然后给出最佳聚类准则并根据给出的最佳聚类准则得到最佳聚类,从而对QAR属性完成自动模糊划分及隶属函数的确定;之后通过记录数据项位置及简化连接与剪枝过程来提高Apriori算法的效率;并将其应用到QAR关联规则的生成过程;最后通过品质和性能度量两方面的实验,表明此方法在各方面的性能均优于经典方法。     

基于AdaBoost的改进模糊分类规则集成学习

基于集成学习提出了一种新的模糊分类规则的产生算法。将分类规则的前件、后件模糊化,在自适应提升(Adaptive Boosting,AdaBoost)算法的迭代中,调整训练实例的分布,利用遗传算法产生模糊分类规则。并在规则学习的适应度函数中引入训练实例的分布,使得模糊分类规则在产生阶段就考虑相互之间的协作,产生具有互补性的分类规则集。从而改善了模糊分类规则的整体识别能力,提高了分类识别精度。     

Mining Frequent Sets Using Fuzzy Multiple-Level Association Rules

At present, most of the association rules algorithms are based on the Boolean attribute and single-level association rules mining. But data of the real world has various types, the multi-level and quantitative attributes are got more and more attention. And the most important step is to mine frequent sets. In this paper, we propose an algorithm that is called fuzzy multiple-level association (FMA) rules to mine frequent sets. It is based on the improved Eclat algorithm that is different to many researchers’ proposed algorithms that used the Apriori algorithm. We analyze quantitative data’s frequent sets by using the fuzzy theory, dividing the hierarchy of concept and softening the boundary of attributes’ values and frequency. In this paper, we use the vertical-style data and the improved Eclat algorithm to describe the proposed method, we use this algorithm to analyze the data of Beijing logistics route. Experiments show that the algorithm has a good performance, it has better effectiveness and high efficiency.     

基于语言值模糊关系的关联规则挖掘算法

针对模糊关联规则挖掘时隶属函数的确定困难以及区间划分边界过硬等问题,提出了模糊关系关联规则挖掘算法,确定了关系等级数目和相邻等级相似度,将语言表达式(事务的属性值)根据模糊运算规则映射到标签集的各个等级上得到等级权值。在这些权值的基础上定义了模糊关系支持度和置信度,阐述了算法的详细步骤,最后给出了算法在服务信任领域挖掘关联规则的应用过程。     

基于DFS的多Agent动态任务分配算法研究

 任务分配问题是MAS的重要研究内容之一,对于任务分配这一复杂问题,很多研究者从不同的角度提出各种行之有效的算法.这些算法对于确定的环境是有效的,对于不确定的动态的环境存在不足.本文针对具有动态模糊特性的任务环境进行研究,借助动态模糊集理论,给出了相关的多Agent动态任务分配算法.实例测试表明,算法模型可以合理地模拟MAS系统中任务分配的运行过程,并获得最优的任务分配策略和良好的任务实现效果.     

一种基于二阶Markov目标状态模型的多帧关联动态规划检测前跟踪算法

传统的动态规划检测前跟踪(Dynamic Programming Track-Before-Detect,DP-TBD)算法在每一阶段的数据关联中,仅用当前帧的观测数据与前一帧的指标函数进行关联积累,对目标状态在连续相邻帧间的相关性以及目标运动特征的考虑不充分,这样在低信噪比时,容易发生目标关联错误,严重影响了DP-TBD算法的检测和跟踪性能。针对此问题,该文提出了一种基于二阶Markov目标状态模型的DP-TBD算法,该算法以目标状态的条件概率比最大为准则,采用二阶Markov模型描述目标状态的相关性,并根据目标运动特征给出了一种与目标转弯角度相关的状态转移概率模型。在此基础上,实现了多帧数据关联的DP-TBD算法。通过仿真实验与传统的DP-TBD算法进行了比较,验证了该算法的检测及跟踪性能。     

基于模糊逻辑的开关磁阻电机无位置检测方法改进

阐述开关磁阻电机驱动系统中取消位置传感器的理论依据,介绍一种基于模糊模型的转子位置检测方法。此方法以电流和磁链作为输入,用模糊算法运算得到转子的位置。为提高转子的精度,引入几种改进算法。前置滤波器用来检测和消除反馈信号中的噪声,自适应模糊参考系统用于优化电机模糊模型,位置预测模块则对转子位置进行修订。仿真分析证明,这种转子位置检测方法具有很高的精度。