Semi-on-line scheduling problems for maximizing the minimum machine completion time

1. IntroductionThis paper considers the following scheduling problem: We are given a set J = {pl,Pz,', p.} of independent jobs, each with a positive processing time pi, that must be scheduled on m > 1 parallel and identical machines M = {MI, M2,', Mm}. We identify thejobs with their processing times. The jobs and machines are available at time zero, andno preemption is allowed. The objective is to maximize the minimum workload over themaChines. This problem, denoted by PtICmi., is on…     

有两个服务等级的平行机排序问题

对有两个服务等级的平行机排序问题的m台机情形,证明了修正的MF算法的最坏情况界不超过4/3 (1/2)~k,其中k是算法中预先给定的迭代次数.而已有的算法仅为2-1/(m-1),从而大大改进了已有文献中的结果.     

基于可见/近红外光谱技术的番茄叶片灰霉病检测研究

利用可见/近红外光谱技术对感染灰霉病的番茄叶片感染程度进行了检测。提出了主成分分析结合BP神经网络的数据处理方法。采用主成分分析进行数据的降维,减少了计算量,提高了建模精度。通过主成分分析中的载荷值,定性地分析了不同波段对病害程度检测的重要性。将得到的最主要的几个主成分输入BP神经网络进行建模,预测结果显示,当主成分数为8,隐含层结点数为11的时候,病害程度的检测模型对未知样本预测的相关系数达到0.930,SEP为0.068 7,模型具有良好的检测效果。说明基于光谱技术和化学计量学方法的灰霉病检测模型具有很好的检测能力,为光谱技术应用于病害检测提供了新的方法。     

基于可见-近红外光谱的咖啡品牌鉴别研究

利用可见-近红外光谱技术对市场上三种不同品牌咖啡品种进行鉴别。分别采用主成分分析法与BP神经网络结合和小波变换与BP神经网络结合两种组合模型进行分析预测。利用主成分分析法与小波变换的数据压缩功能和BP神经网络的学习预测能力实现对不同品牌咖啡的鉴别。实验采用３个品种共60个样本建立模型,30个样本进行品种鉴别,结果表明,两种鉴别模型的咖啡品种鉴别率均为100%。同时也表明,小波变换用于数据压缩无论是在压缩时间上还是在压缩能力上都优于主成分分析法。说明通过小波变换和BP神经网络相结合建立模型进行不同品牌咖啡鉴别具有分析速度快,鉴别能力强的特点,为快速鉴别纯品咖啡提供了新的方法,同时也为确定不同品牌咖啡选用咖啡豆品种奠定了基础。     

基于降阶均匀化理论的混凝土双尺度力学性能分析

混凝土材料细观特性对宏观力学性能有着重要影响。为进一步分析混凝土细观特性对宏观力学行为的影响规律,将混凝土材料简化为由骨料、砂浆和界面三相组成,编制了随机凸多面体骨料生成、投放和网格剖分算法,建立可用于有限元计算的满足级配要求的随机细观模型。针对直接使用细观力学模型计算量较大的问题,采用降阶均匀化理论,对混凝土细观胞元模型进行预处理并编制了相应的双尺度计算程序。对不同强度混凝土进行了单轴静态压缩双尺度计算,与实验数据和细观力学模拟结果符合较好。研究表明,降阶均匀化理论在加快求解速度的同时具有较高的精度,可以用于混凝土的多尺度力学性能分析。     

葡萄浆果糖度可见/近红外光谱检测的研究

针对可见/近红外光谱与水果糖度存在非线性相关的特点,利用漫反射光谱测定方法获取了葡萄浆果的可见/近红外光谱,提出了应用偏最小二乘（PLS）结合人工神经网络（ANN）建立葡萄浆果糖度的预测模型,利用偏最小二乘法（PLS）对原始光谱数据进行处理,得出交叉检验的最佳主因子数为3,并将3个主因子的得分作为三层BP神经网络的输入。通过定标集样本对BP神经网络进行训练,用优化的BP神经网络模型对预测集样本进行预测。PLS-ANN模型对样本的预测模型检验参数r2为0.908,RMSEP为0.112,Bias为0.013,好于只使用PLS模型的预测模型检验参数r2为0.863,RMSEP为0.171, Bias为0.024。结果表明,利用近红外光谱技术无损检测葡萄浆果糖度等内部品质是可行的,为今后进一步分析建立浆果内部品质预测模型奠定了基础。     

高光谱成像技术的不同叶位尖椒叶片氮素分布可视化研究

为了快速、准确、直观估测尖椒叶片的营养水平和生长状况,利用高光谱成像技术结合化学计量学方法对不同叶位尖椒叶片氮素含量(nitrogen content, NC)的分布进行了可视化研究。按照叶片位置采摘尖椒叶片,并采集高光谱数据,然后测定相应叶片的SPAD和NC。提取出叶片的光谱信息后,采用Random-frog(RF)算法提取特征波段,分别选出5条与10条特征波段。针对选取的特征波段和全波段,分别建立偏最小二乘回归(partial leastsquares regression, PLSR)模型,结果表明采用特征波段建立的PLSR模型性能较好(SPAD：R_C=0.970, R_CV=0.965, R_P=0.934; NC: R_C=0.857, R_CV=0.806, R_P=0.839)。根据预测模型计算尖椒叶片高光谱图像每个像素点的SPAD与NC,从而实现SPAD与NC的可视化分布。事实上叶片的SPAD在一定程度上可以反映含氮量,二者分布图的变化趋势基本一致,验证了可视化结果的正确性。结果表明：运用高光谱成像技术可以实现对不同叶位尖椒叶片氮素分布的可视化研究,这为监测植物的生长状况和养分分布提供理论依据。     

基于高光谱图像多光谱参数的草莓成熟度识别

为了建立多光谱参数用于草莓成熟度的自动识别,采用高光谱图像技术,通过提取草莓样本ROI的平均光谱,计算已有的八个成熟度参数Ind1,Ind2,Ind3,IAD,I1,I2,I3,I4的参数值,并结合Fisher线性判别法判断八个参数对于三种成熟度(成熟、接近成熟、未成熟)草莓样本的分类识别效果,发现基于I4参数的线性判别分析模型的识别效果最佳,建模集和预测集识别准确率分别为90%和91.67%;基于草莓样本的光谱特征,提取与草莓成熟度相关的三个波长535,675和980 nm,并基于这三个波长和已有的参数形式,构建了四个用于草莓成熟度检测的新参数：i1,i2,i3,i4,通过Fisher线性判别法判断四个参数的分类识别效果,发现基于参数i1,i2和i4的线性判别分析模型的识别效果均比参数I4好,建模集和预测集识别准确率为95.83%,95.83%,95.83%和95%,95%,96.67%。结果表明新建立的多光谱参数i1,i2和i4可以用于草莓成熟度的自动分类识别,为草莓成熟度的在线检测提供了理论依据。     

合成条件对径向有序介孔二氧化硅中空亚微米球的形貌和结构的影响

本文以硬模板与软模板结合的双模板方法(十六烷基三甲基溴化铵(CTAB)为介孔模板,聚苯乙烯(PS)球为中空模板),通过自组装制备出有良好分离性和单分散性且具有径向介孔的二氧化硅中空亚微米球.研究表明CTAB、TEOS的用量,催化剂的种类对二氧化硅中空亚微米球的形貌、壁厚、产品纯度等都有很大的影响.在保持其它实验条件不变的情况下,通过分别单独调节CTAB和TEOS的用量或同时调节CTAB和TEOS的用量,得出最佳原料配比是:TEOS/CTAB/NH3/乙醇/水的摩尔比是1:0.27:9.8:304:2955,TEOS/聚苯乙烯球的质量比是4/1.催化剂的种类对中空亚微米球的形貌也有较大影响,当NaOH(浓度为1 mol/L)的用量为0.05—0.10 mL时,生成由小粒子聚集而成的亚微米球;随着NaOH用量增大到0.10—0.20 mL,小粒子逐渐粘合在一起,亚微米球表面逐渐变光滑;进一步增大NaOH用量为0.20—0.30 mL则导致杂质小粒子的出现.在实验结果和文献报道的基础上,讨论并提出了径向有序介孔二氧化硅中空亚微米球的形成机理.     

基于机载高光谱成像的柑橘产量预测模型研究

果树的隔年结果现象严重影响果园的果实产量和经济效益。选择受隔年结果现象影响较为严重的柑橘作为研究对象,运用机载高光谱成像仪在较早生长季节(2003年4、5、6月)获取柑橘果树的高光谱图像,利用偏最小二乘回归(PLS)确定基于高光谱图像数据的模型预测变量,建立柑橘产量的多元线性回归(MLR)和人工神经网络(ANN)预测模型。研究结果表明,利用5月份获得的高光谱图像建立的模型具有最优的产量预测效果, 而且PLS-MLR模型比PLS-ANN模型具有更好的稳定性和一致性。该研究结果为今后研制和开发基于高光谱成像技术的柑橘产量预测方法提供了重要的理论和技术基础。