针对多目标工艺规划与车间调度集成问题(multi-objective integrated process planning and scheduling,MOIPPS),以最小化完工时间和生产能耗最低为优化目标,提出了一种考虑全局和局部最优的改进混合优化算法。通过分析集成系统工艺设...针对多目标工艺规划与车间调度集成问题(multi-objective integrated process planning and scheduling,MOIPPS),以最小化完工时间和生产能耗最低为优化目标,提出了一种考虑全局和局部最优的改进混合优化算法。通过分析集成系统工艺设计和生产调度两个问题的区别与联系,搭建了多目标问题模型和解决框架。针对两阶段集成问题提出混合优化算法,对工艺阶段采用全局搜索算法,为集成系统提供多种工艺加工方案,保证集成算法的全局搜索性能;针对调度阶段设计一种改进禁忌搜索算法,通过交叉与随机抽样扩大解的分布范围,使用邻域禁忌搜索使得算法快速收敛,并采用Pareto非支配排序获得全局最优解。实验对比分析,验证了所提算法在求解多目标工艺规划与车间调度集成问题的高效性和稳定性。展开更多
联邦学习是一种新型的分布式机器学习方法,可以在不共享原始数据的前提下训练模型。当前,联邦学习方法存在针对模型准确率最优化、通信成本最优化、参与者性能分布均衡等多个目标同时优化难的问题,难以做到多目标的同步均衡。针对该问题...联邦学习是一种新型的分布式机器学习方法,可以在不共享原始数据的前提下训练模型。当前,联邦学习方法存在针对模型准确率最优化、通信成本最优化、参与者性能分布均衡等多个目标同时优化难的问题,难以做到多目标的同步均衡。针对该问题,提出联邦学习四目标优化模型及求解算法。将全局模型错误率、模型准确率分布方差、通信成本、数据成本作为优化目标,构建优化模型。同时,针对该模型的求解搜索空间大,传统NSGA-Ⅲ算法难以寻优的问题,提出基于佳点集初始化策略的改进NSGA-Ⅲ联邦学习多目标优化算法GPNSGA-Ⅲ(Good Point Set Initialization NSGA-Ⅲ),以求取Pareto最优解。该算法通过佳点集初始化策略将有限的初始化种群以均匀的方式分布在目标求解空间中,相较于原始算法,使第一代解最大限度地接近最优值,提升寻优能力。实验结果证明,GPNSGA-Ⅲ算法得到的Pareto解的超体积值相较于NSGA-Ⅲ算法平均提升107%;Spacing值相较于NSGA-Ⅲ算法平均下降32.3%;对比其他多目标优化算法,GPNSGA-Ⅲ算法能在保证模型准确率的情况下,更有效地实现模型分布方差、通信成本和数据成本的均衡。展开更多
文摘针对多目标工艺规划与车间调度集成问题(multi-objective integrated process planning and scheduling,MOIPPS),以最小化完工时间和生产能耗最低为优化目标,提出了一种考虑全局和局部最优的改进混合优化算法。通过分析集成系统工艺设计和生产调度两个问题的区别与联系,搭建了多目标问题模型和解决框架。针对两阶段集成问题提出混合优化算法,对工艺阶段采用全局搜索算法,为集成系统提供多种工艺加工方案,保证集成算法的全局搜索性能;针对调度阶段设计一种改进禁忌搜索算法,通过交叉与随机抽样扩大解的分布范围,使用邻域禁忌搜索使得算法快速收敛,并采用Pareto非支配排序获得全局最优解。实验对比分析,验证了所提算法在求解多目标工艺规划与车间调度集成问题的高效性和稳定性。
文摘联邦学习是一种新型的分布式机器学习方法,可以在不共享原始数据的前提下训练模型。当前,联邦学习方法存在针对模型准确率最优化、通信成本最优化、参与者性能分布均衡等多个目标同时优化难的问题,难以做到多目标的同步均衡。针对该问题,提出联邦学习四目标优化模型及求解算法。将全局模型错误率、模型准确率分布方差、通信成本、数据成本作为优化目标,构建优化模型。同时,针对该模型的求解搜索空间大,传统NSGA-Ⅲ算法难以寻优的问题,提出基于佳点集初始化策略的改进NSGA-Ⅲ联邦学习多目标优化算法GPNSGA-Ⅲ(Good Point Set Initialization NSGA-Ⅲ),以求取Pareto最优解。该算法通过佳点集初始化策略将有限的初始化种群以均匀的方式分布在目标求解空间中,相较于原始算法,使第一代解最大限度地接近最优值,提升寻优能力。实验结果证明,GPNSGA-Ⅲ算法得到的Pareto解的超体积值相较于NSGA-Ⅲ算法平均提升107%;Spacing值相较于NSGA-Ⅲ算法平均下降32.3%;对比其他多目标优化算法,GPNSGA-Ⅲ算法能在保证模型准确率的情况下,更有效地实现模型分布方差、通信成本和数据成本的均衡。
