您的位置: 专家智库 > >

任磊

作品数:6 被引量:24H指数:3
供职机构:合肥工业大学更多>>
发文基金:国家自然科学基金更多>>
相关领域:自动化与计算机技术经济管理更多>>

文献类型

  • 4篇期刊文章
  • 2篇学位论文

领域

  • 5篇自动化与计算...
  • 1篇经济管理

主题

  • 1篇动态联盟
  • 1篇多目标优化
  • 1篇多输出
  • 1篇多输入多输出
  • 1篇多输入多输出...
  • 1篇旋翼
  • 1篇智能控制
  • 1篇社会网
  • 1篇社会网络
  • 1篇神经网
  • 1篇神经网络
  • 1篇神经网络模糊...
  • 1篇双旋翼
  • 1篇企业
  • 1篇企业管理
  • 1篇群算法
  • 1篇网络
  • 1篇协同网络
  • 1篇粒子群
  • 1篇粒子群算法

机构

  • 6篇合肥工业大学

作者

  • 6篇任磊
  • 4篇任明仑

传媒

  • 2篇计算机集成制...
  • 1篇机械工程学报
  • 1篇中国管理科学

年份

  • 5篇2018
  • 1篇2010
6 条 记 录,以下是 1-6
排序方式:
基于混合任务网络的智慧制造任务协同分配模型被引量:3
2018年
复杂任务场景下,由于制造子任务间存在多维的物料、信息、知识交互和传递关系,对匹配服务单元间的协同能力提出一致性要求,任务关系与服务协同关联匹配不精确将带来额外协调和交互成本,降低资源配置效率,而传统任务分配模型忽视任务关系约束对分配结果的影响。鉴于此,通过任务网络与服务协同网络的动态匹配,构建了面向任务关系约束的任务协同分配方法。针对"好钢未用在刀刃上"现象,综合用户偏好和网络中心性分配任务权重,提出基于权重的服务胜任度聚合方法;针对"1+1<2"不协同现象,提出基于横向协同和纵向协同的服务协同水平计算方法;综合考虑服务群体的胜任度和协同水平,提出基于混合任务网络的多目标任务分配优化数学模型。利用改进非支配粒子群算法进行求解得到Pareto最优解集,根据用户偏好和实际制造情形,通过加权TOPSIS评估获取个性化、灵活的最佳分配方案。运用汽车云制造仿真实验,验证了模型的有效性,通过在最好解、平均解和运行时间上与其他算法进行对比,分析了所提方法的优势。
任磊任明仑
关键词:多目标优化
面向动态联盟的制造服务组合研究
智慧制造以社会信息物理系统(Social Cyber-Physical System,SCPS)、大数据和云计算技术为基础,以大规模协同合作、全面感知、实时决策、社会化制造资源的利用和满足客户个性化需求能力为目标,基于云...
任磊
关键词:企业管理动态联盟
基于加权协同网络的制造服务组合方法被引量:6
2018年
为解决复杂制造业务过程中的广泛存在的资源运输、信息传递和知识共享问题,保障任务的高效执行,将协同能力作为服务竞争力评估和选择的重要指标,提出基于加权协同网络的制造服务组合方法。根据云平台上服务交互合作大数据分析,运用社会关系强度计算衡量协同效应以构建加权协同网络。以最大化整体Qo S值和协同效应为目标,建立制造服务选择多目标优化模型。通过双向学习、最优种群更新和群体交互速度更新机制,构造改进的引力搜索算法(Gravitational search algorithm,GSA)对模型求解。通过智能汽车云制造仿真试验,验证了模型和算法的有效性,得到符合实际制造场景的最优服务方案。
任磊任明仑
基于竞争与协同效应的复杂制造任务一对多双边匹配模型被引量:6
2018年
为了增强智慧云平台上匹配方案的稳定性、降低云任务匹配问题的复杂性,通过构建任务竞争关联网络和服务协同网络,提出基于竞争与协同效应的一对多双边匹配问题。运用期望效用理论计算双方满意度,提出基于竞争关联的任务间满意度和基于社会网络的服务间满意度聚合方法。以最大化任务满意度、服务满意度、任务间满意度和服务间满意度为目标,构建任务双向匹配多目标优化模型,运用改进非支配粒子群算法和加权TOPSIS求解得到最佳方案。通过汽车智慧制造实验验证了模型和算法的有效性,并与传统双向匹配、只考虑任务竞争、只考虑服务协同的3类匹配模型进行比较,分析不同应用场景下模型所获最优方案的差异,证明了所提模型在竞争与协同环境下的优势,获得了贴近真实情景的最优满意稳定匹配。
任磊任明仑
关键词:改进粒子群算法
神经网络模糊控制在双旋翼系统中的应用
双旋翼系统是一个典型的高阶次、不稳定、多变量、非线性、强耦合、具有多自由度的多输入多输出系统,对该系统控制方法的研究能有效地反映控制中的许多关键问题,如非线性问题、鲁棒性问题、随动问题、镇定问题及跟踪问题等等。由于双旋翼...
任磊
关键词:智能控制神经网络模糊控制多输入多输出系统隶属度函数
文献传递
基于学习与协同效应的云制造任务动态双边匹模型被引量:10
2018年
云制造环境下的智能服务单元具有自适应学习能力,并通过社会关系与其他服务进行资源传递、信息共享交互,协作完成复杂制造项目。根据云平台上制造任务关联性与服务协同性的新特征,提出考虑学习与协同效应的制造任务双边匹配决策方法。由于云交易的重复性、动态性,服务通过多次参与任务积累知识提升服务质量,构造基于学习效应模型的主体动态能力计算方法,运用期望效用理论聚合双方满意度。同时,应用协同网络刻画服务社会关系,基于社会网络理论计算服务间协同满意度。从而构建以任务、服务满意度、服务间协同满意度最大化的一对一双边匹配多目标模型。通过汽车云制造实例运算得到最优匹配方案,验证本文模型的有效性,并与一般双向匹配、考虑学习、考协同效应的3类模型比较,证明本文模型的优势,更符合实际制造场景要求。
任磊任明仑
关键词:满意度
共1页<1>
聚类工具0