收敛速度较慢-数控张家港切管机电动液压切管机价格低液压切管机
作者:lujianjun | 来源:泰宇机械 | 发布时间:2017-11-22 15:50 | 浏览次数:

有效减少模型结点个数,简化了柔性工艺路线的模型表示。2. PSN-CS模型从工序输入角度探讨了导致工序逻辑动态变化的本质因素,提出了组合工件输入弧和组合工件使能弧的概念,进而给出了柔性工艺路线的PSN-CS模型,该模型有效表达了工序关系的动态变化而不增加模型结点数量,为柔性工艺路线模型自动生成打下了基础。3. PSN-CS模型的构建和优化将工件区分为基本工件和专用工件,并给出了基本工件提取算法,指出PSN-CS模型只需对基本工件建模,从结构上简化了PSN-CS模型,进而给出了工序逻辑关系映射为PSN-CS模型的算法。从经验规则、结构优化和层次优化三方面给出了PSN-CS模型的优化技术,有效降低了IPPS问题的求解空间。收敛速度较慢-数控张家港切管机电动液压切管机价格低液压切管机多少钱4. PSN-CS模型的应用建立了基于PSN-CS的IPPS问题模型,对生产任务的具体工艺路线生成和调整进行探讨,给出了工艺路线的生成和调整算法,研究了工序可并行条件下的IPPS问题遗传算法求解模型,提出了工序可并行情况下遗传算法调度的解码方法  本文由张家港切管机网站采集网络资源整理! http://www.qieguanji.cc,最后以线束生产为例建立了线束IPPS原型系统。现实世界中存在着大量的不确定性现象,建立有效的模型是对不确定性问题正确决策的关键。针对问题领域中变量之间的不确定性关系,贝叶斯网络提供了一种紧凑、直观且有效的图形表达方式。建立高效稳定的贝叶斯网络学习算法是贝叶斯网络走向应用的关键所在,多年来,贝叶斯网络学习及其应用一直是国内外研究的热门课题。本文在对贝叶斯网络的国内外研究现状进行全面分析的基础上,针对结构学习目前所面临的收敛速度慢和可能收敛于局部最优两大主要问题,对数据完备和数据缺失两种情况下的贝叶斯网络结构学习进行了研究,并进一步地对贝叶斯网络在灵敏度分析和频繁模式挖掘中的应用进行了研究。全文主要内容如下:1.贝叶斯网络的结构学习研究①数据完备情况下贝叶斯网络的结构学习:研究发现MCMC方法抽样过程产生的马尔可夫链具有各态遍历性,并能保证最终收敛于平稳分布,因而具有良好的精度。 MHS是最常用的MCMC方法之一,但MHS算法抽样过程的融合性差,收敛速度较慢。本文从初始值、建议分布和对网络子结构的抽样三个方面对MHS抽样算法进行改进,提出了一种贝叶斯网络结构学习算法PCMHS,该算法同时进行多个MHS抽样,构建多条并行的收敛于Boltzmann分布的马尔可夫链。算法PCMHS首先基于节点之间的互信息,进行所有马尔可夫链的初始化,在其迭代过程中,算法PCMHS基于并行的上一代抽样的样本总体得到产生下一代个体的建议分布,并通过同时对网络中弧和子结构的抽样产生下一代个体收敛速度较慢-数控张家港切管机电动液压切管机价格低液压切管机多少钱  本文由张家港切管机网站采集网络资源整理! http://www.qieguanji.cc