Scheduling a production–distribution system to optimize the tradeoff between delivery tardiness and distribution cost

We consider a make‐to‐order production–distribution system with one supplier and one or more customers. A set of orders with due dates needs to be processed by the supplier and delivered to the customers upon completion. The supplier can process one order at a time without preemption. Each customer is at a distinct location and only orders from the same customer can be batched together for delivery. Each delivery shipment has a capacity limit and incurs a distribution cost. The problem is to find a joint schedule of order processing at the supplier and order delivery from the supplier to the customers that optimizes an objective function involving the maximum delivery tardiness and the total distribution cost. We first study the solvability of various cases of the problem by either providing an efficient algorithm or proving the intractability of the problem. We then develop a fast heuristic for the general problem. We show that the heuristic is asymptotically optimal as the number of orders goes to infinity. We also evaluate the performance of the heuristic computationally by using lower bounds obtained by a column generation approach. Our results indicate that the heuristic is capable of generating near optimal solutions quickly. Finally, we study the value of production–distribution integration by comparing our integrated approach with two sequential approaches where scheduling decisions for order processing are made first, followed by order delivery decisions, with no or only partial integration of the two decisions. We show that in many cases, the integrated approach performs significantly better than the sequential approaches. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2005     

基于ANN模式识别的某型导弹测试车配电系统故障诊断

人工神经网络诊断特点与基于模式识别的诊断特点非常相似。将ANN模式识别技术应用于某型导弹测试车配电系统故障诊断。根据测试车配电系统的故障特点,设计ANN为4层BP网络,具有9个输入、10个输出,两个隐含层神经元数目分别为9和6。测试结果表明该方法能有效诊断测试车配电系统故障。     

二值化联合变换相关器识别复杂背景目标时的阈值选取

讨论了利用二值化联合变换相关器对复杂背景目标进行相关识别的阈值选取问题。由于不同阈值对二值化联合变换相关器识别结果有很大的影响,阈值过高,会损失过多的联合变换功率谱中的有效成份,使相关峰减弱;阈值过低,会使联合功率谱中的噪声放大,相关峰可能被淹没在噪声之中。因而存在一个最佳阈值。实验表明,最佳阈值位于联合功率谱最大灰度值的40%～50%之间,在此阈值范围内,相关峰值较高,噪声也得到有效抑制。     

火炮动态后坐装置有限元分析与优化

活塞缸是火炮动态后坐装置中的关键部件,其结构强度设计是整个实验装置强度设计的核心。利用I-DEAS软件,在对其进行实体建模和有限元网格划分的基础上,计算了活塞缸整体的应力应变值,得到了活塞缸工作时的应力应变图,并对其结构中应力状况恶劣的部位进行了结构优化。     

用动态模拟方法实现C程序输入变量的取值分析

程序输入变量取值范围的确定对于测试数据的选取,尤其对边界值分析,有着直接的指导作用.一般情形下,通过对源程序进行数据流和相关性分析,可实现输入变量的取值分析.但对某些有特殊取值限制要求的表达式,用静态分析方法,难以实现其输入变量的取值分析.为此,采用动态模拟的方法,对有特殊取值限制要求的表达式,进行输入变量的取值分析.实验表明,该方法是行之有效的.     

在C#中通过数据库实现树视图无级动态维护

就树视图与数据库的结合实现树视图的无级动态维护提出了一种解决方法 ,进而拓展了树视图的功能 ,使其能够得到更多的使用。     

基于图元识别的OCR文本图像倾斜矫正快速算法

提出了一种基于文本图元识别以跟踪字符中心线的高精度矫正OCR图像倾斜的快速算法,该算法思想虽然简单,却具有高效和高精度的特点,同时还具有高可靠性和良好的抗噪特征.实验表明,该方法完全满足实时应用的需要.     

基于加权D-S证据理论的辐射源目标识别

在目标识别中D-S证据理论应用较为广泛,该理论要求各传感器的重要程度相同,与作战使用相矛盾.就此提出了基于加权D-S证据理论的时空域目标识别方法,突出了不同传感器在目标识别中的地位和作用,使目标识别结果更接近作战实际.     

基于粗集理论证据加权的电子目标识别法

在对电子目标进行识别时,往往采取多传感器融合的D2S证据理论进行处理,但是由于传统的D2S证据理论中各传感器对识别结果的重要性没有区分,基于此将粗集理论属性重要度概念应用到各传感器的重要性上,从而实现加权融合的证据理论。仿真实验及其结果表明该方法对电子目标识别是有效的,尤其在传感器受到干扰时,具有较强的现实意义。     

多源目标识别中冲突证据的融合策略研究

随着防空反导作战环境的日益复杂,快速准确地进行真假目标识别显得尤为重要。针对多源目标决策级识别中冲突证据融合问题,在综合分析现有改进证据理论方法的基础上,引入新的冲突度量系数,提出了一种通过在融合流程中增加智能判断环节,以冲突系数为判断依据,对具有不同冲突系数证据选择不同组合规则进行证据组合的融合方法,并给出了策略的流程图。最后进行了实例验证,结果表明新策略能对不同未知信度和不同识别框架冲突证据进行快速有效的融合。