CN110782082A - 一种基于差分进化法的刀具组合推荐方法 - Google Patents

一种基于差分进化法的刀具组合推荐方法 Download PDF

Info

Publication number
CN110782082A
CN110782082A CN201911010280.3A CN201911010280A CN110782082A CN 110782082 A CN110782082 A CN 110782082A CN 201911010280 A CN201911010280 A CN 201911010280A CN 110782082 A CN110782082 A CN 110782082A
Authority
CN
China
Prior art keywords
cutter
variable
tool
manufacturing task
indiv
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201911010280.3A
Other languages
English (en)
Other versions
CN110782082B (zh
Inventor
梁波
蔡江辉
杨海峰
高洁
杨雨晴
王玉鹏
栗雅婷
魏慧玲
冯嘉琛
屈彩霞
赵国伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Taiyuan University of Science and Technology
Original Assignee
Taiyuan University of Science and Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Taiyuan University of Science and Technology filed Critical Taiyuan University of Science and Technology
Priority to CN201911010280.3A priority Critical patent/CN110782082B/zh
Publication of CN110782082A publication Critical patent/CN110782082A/zh
Application granted granted Critical
Publication of CN110782082B publication Critical patent/CN110782082B/zh
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/04—Manufacturing
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • General Physics & Mathematics (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Physics & Mathematics (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Development Economics (AREA)
  • Game Theory and Decision Science (AREA)
  • Educational Administration (AREA)
  • Manufacturing & Machinery (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Numerical Control (AREA)

Abstract

本发明涉及刀具选配及刀具组合推荐技术，具体是一种基于差分进化法的刀具组合推荐方法。本发明解决了在传统的刀具资源管理平台中使用者无法根据制造任务流程实现刀具选配并快速精准地选择最佳刀具组合的问题。一种基于差分进化法的刀具组合推荐方法，该方法是采用如下步骤实现的：步骤S1：针对发布的每种制造任务，构建制造任务描述模型；步骤S2：针对云平台上的每种刀具，构建刀具描述模型；步骤S3：将加工面类型进行属性量化；步骤S4：针对发布的某制造任务，将该制造任务需求的切削深度、切削速度、进给速度、加工面类型分别赋值给变量x0(1)、变量x0(2)、变量x0(3)、变量x0(4)。本发明适用于云制造。

Description

一种基于差分进化法的刀具组合推荐方法
技术领域
本发明涉及刀具选配及刀具组合推荐技术，具体是一种基于差分进化法的刀具组合推荐方法。
背景技术
在云制造的环境下，刀具资源具有种类繁多、工艺描述异构、QOS质量参数不同等特点，但其都可以为某些特定的制造任务提供切削功能。云制造中，制造任务的描述方式虽不同，但是其工艺需求都相对明确。在传统的刀具资源管理平台中，由于无法对刀具资源与制造任务进行关联度分析与匹配，导致使用者无法根据制造任务流程实现刀具选配并快速精准地选择最佳刀具组合。基于此，有必要发明一种全新的方法，以解决在传统的刀具资源管理平台中使用者无法根据制造任务流程实现刀具选配并快速精准地选择最佳刀具组合的问题。
发明内容
本发明为了解决在传统的刀具资源管理平台中使用者无法根据制造任务流程实现刀具选配并快速精准地选择最佳刀具组合的问题，提供了一种基于差分进化法的刀具组合推荐方法。
本发明是采用如下技术方案实现的：
一种基于差分进化法的刀具组合推荐方法，该方法是采用如下步骤实现的：
步骤S1：针对发布的每种制造任务，构建制造任务描述模型；
所述制造任务描述模型包括：制造任务编号、制造任务属性、功能属性；
所述制造任务属性包括：加工对象、对象材料、刀具类型、发布者编号；
所述功能属性包括：切削深度、切削速度、进给速度、加工面类型；
步骤S2：针对云平台上的每种刀具，构建刀具描述模型；
所述刀具描述模型包括：刀具编码、基本属性、QOS属性、工艺属性；
所述基本属性包括：刀具名、工作空间、刀具提供者、提供者地址；
所述QOS属性包括：刀具状态、开始时间、结束时间、花费费用、可信度；
所述工艺属性包括：切削深度、切削速度、进给速度、加工面类型；
步骤S3：将加工面类型进行属性量化；属性量化规则如下：
若加工面为平面，则量化值为1；
若加工面为阶梯面，则量化值为2；
若加工面为外圆，则量化值为3；
若加工面为内圆，则量化值为4；
若加工面为环形槽，则量化值为5；
若加工面为长槽，则量化值为6；
步骤S4：针对发布的某制造任务，将该制造任务需求的切削深度、切削速度、进给速度、加工面类型分别赋值给变量x0(1)、变量x0(2)、变量x0(3)、变量x0(4)；
步骤S5：将云平台上的第t个刀具的切削深度、切削速度、进给速度、加工面类型分别赋值给变量xt(1)、变量xt(2)、变量xt(3)、变量xt(4)；
步骤S6：对变量x0(1)、变量x0(2)、变量x0(3)、变量x0(4)、变量xt(1)、变量xt(2)、变量xt(3)、变量xt(4)进行归一化处理；具体处理公式如下：
Figure BDA0002244007060000021
式中：k＝1,2,3,4；n表示云平台上的刀具数量；
步骤S7：计算该制造任务与第t个刀具的灰色关联系数
Figure BDA0002244007060000022
具体计算公式如下：
Figure BDA0002244007060000031
步骤S8：计算该制造任务与第t个刀具的灰色关联度θ(x0,xt)；具体计算公式如下：
Figure BDA0002244007060000032
式中：μ(k)表示权值；
步骤S9：若θ(x0,xt)≥0.5，则表明第t个刀具与该制造任务匹配；反之，则表明第t个刀具与该制造任务不匹配；
步骤S10：循环执行步骤S5～S9，由此得到与该制造任务匹配的刀具集；
步骤S11：循环执行步骤S4～S10，由此得到与每个制造任务匹配的刀具集；
步骤S12：从每个制造任务对应的刀具集中选择一个刀具，并根据制造任务流程进行组合，然后计算得到的全部刀具组合的适应度函数值；
步骤S13：从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群，并按照适应度函数值对初始种群中的每个刀具组合进行排序，然后进行种群的差分进化；
步骤S14：在差分进化的第g次迭代中，从种群中随机选择三个刀具组合，并将三个刀具组合的适应度函数值分别赋值给变量indiv_1、变量indiv_2、变量indiv_3，然后产生变异向量indiv_var；
所述变量indiv_1、变量indiv_2、变量indiv_3满足如下条件：
indiv_1＜indiv_2＜indiv_3；
所述变异向量indiv_var的产生公式如下：
indiv_var＝indiv_1+F(indiv_3-indiv_2)；
Figure BDA0002244007060000041
式中：F表示缩放因子；Fu＝0.9；Fl＝0.1；
然后，在种群中查找出其适应度函数值与变异向量indiv_var的值相近的刀具组合CSvar；
步骤S15：对刀具组合CSvar中的每个刀具进行判断，并根据如下条件对刀具组合CSvar中的每个刀具进行交叉，由此得到新的刀具组合CS_V；
式中：CS_Vj表示新的刀具组合CS_V中的第j个刀具；CSvar(xj)表示刀具组合CSvar中的第j个刀具；invid_3(xj)表示变量indiv_3中的第j个刀具；crj表示交叉概率，且crj∈[0,1]；cr1＝0.1；cru＝0.6；indiv_ave表示当前种群中全部刀具组合的适应度函数值的平均值；indiv_min表示当前种群中全部刀具组合的适应度函数值的最小值；indiv_max表示当前种群中全部刀具组合的适应度函数值的最大值；
步骤S16：在差分进化的第g+1代中，根据如下条件形成新的刀具组合CS(g+1)，并将新的刀具组合CS(g+1)写入种群：
Figure BDA0002244007060000044
式中：fun_fit()表示适应度函数值的计算公式；
步骤S17：循环执行步骤S14～S16多次后，从种群中选取适应度函数值最小的一个刀具组合作为最佳推荐。
本发明所述的一种基于差分进化法的刀具组合推荐方法基于全新原理，实现了刀具资源与制造任务的关联度分析与匹配，由此使得使用者能够根据制造任务流程实现刀具选配并快速精准地选择最佳刀具组合。
本发明有效解决了在传统的刀具资源管理平台中使用者无法根据制造任务流程实现刀具选配并快速精准地选择最佳刀具组合的问题，适用于云制造。
具体实施方式
一种基于差分进化法的刀具组合推荐方法，该方法是采用如下步骤实现的：
步骤S1：针对发布的每种制造任务，构建制造任务描述模型；
所述制造任务描述模型包括：制造任务编号、制造任务属性、功能属性；
所述制造任务属性包括：加工对象、对象材料、刀具类型、发布者编号；
所述功能属性包括：切削深度、切削速度、进给速度、加工面类型；
步骤S2：针对云平台上的每种刀具，构建刀具描述模型；
所述刀具描述模型包括：刀具编码、基本属性、QOS属性、工艺属性；
所述基本属性包括：刀具名、工作空间、刀具提供者、提供者地址；
所述QOS属性包括：刀具状态、开始时间、结束时间、花费费用、可信度；
所述工艺属性包括：切削深度、切削速度、进给速度、加工面类型；
步骤S3：将加工面类型进行属性量化；属性量化规则如下：
若加工面为平面，则量化值为1；
若加工面为阶梯面，则量化值为2；
若加工面为外圆，则量化值为3；
若加工面为内圆，则量化值为4；
若加工面为环形槽，则量化值为5；
若加工面为长槽，则量化值为6；
步骤S4：针对发布的某制造任务，将该制造任务需求的切削深度、切削速度、进给速度、加工面类型分别赋值给变量x0(1)、变量x0(2)、变量x0(3)、变量x0(4)；
步骤S5：将云平台上的第t个刀具的切削深度、切削速度、进给速度、加工面类型分别赋值给变量xt(1)、变量xt(2)、变量xt(3)、变量xt(4)；
步骤S6：对变量x0(1)、变量x0(2)、变量x0(3)、变量x0(4)、变量xt(1)、变量xt(2)、变量xt(3)、变量xt(4)进行归一化处理；具体处理公式如下：
Figure BDA0002244007060000061
式中：k＝1,2,3,4；n表示云平台上的刀具数量；
步骤S7：计算该制造任务与第t个刀具的灰色关联系数
Figure BDA0002244007060000064
具体计算公式如下：
Figure BDA0002244007060000062
步骤S8：计算该制造任务与第t个刀具的灰色关联度θ(x0,xt)；具体计算公式如下：
Figure BDA0002244007060000063
式中：μ(k)表示权值；
步骤S9：若θ(x0,xt)≥0.5，则表明第t个刀具与该制造任务匹配；反之，则表明第t个刀具与该制造任务不匹配；
步骤S10：循环执行步骤S5～S9，由此得到与该制造任务匹配的刀具集；
步骤S11：循环执行步骤S4～S10，由此得到与每个制造任务匹配的刀具集；
步骤S12：从每个制造任务对应的刀具集中选择一个刀具，并根据制造任务流程进行组合，然后计算得到的全部刀具组合的适应度函数值；
步骤S13：从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群，并按照适应度函数值对初始种群中的每个刀具组合进行排序，然后进行种群的差分进化；
步骤S14：在差分进化的第g次迭代中，从种群中随机选择三个刀具组合，并将三个刀具组合的适应度函数值分别赋值给变量indiv_1、变量indiv_2、变量indiv_3，然后产生变异向量indiv_var；
所述变量indiv_1、变量indiv_2、变量indiv_3满足如下条件：
indiv_1＜indiv_2＜indiv_3；
所述变异向量indiv_var的产生公式如下：
indiv_var＝indiv_1+F(indiv_3-indiv_2)；
Figure BDA0002244007060000071
式中：F表示缩放因子；Fu＝0.9；Fl＝0.1；
然后，在种群中查找出其适应度函数值与变异向量indiv_var的值相近的刀具组合CSvar；
步骤S15：对刀具组合CSvar中的每个刀具进行判断，并根据如下条件对刀具组合CSvar中的每个刀具进行交叉，由此得到新的刀具组合CS_V；
Figure BDA0002244007060000072
Figure BDA0002244007060000073
式中：CS_Vj表示新的刀具组合CS_V中的第j个刀具；CSvar(xj)表示刀具组合CSvar中的第j个刀具；invid_3(xj)表示变量indiv_3中的第j个刀具；crj表示交叉概率，且crj∈[0,1]；cr1＝0.1；cru＝0.6；indiv_ave表示当前种群中全部刀具组合的适应度函数值的平均值；indiv_min表示当前种群中全部刀具组合的适应度函数值的最小值；indiv_max表示当前种群中全部刀具组合的适应度函数值的最大值；
步骤S16：在差分进化的第g+1代中，根据如下条件形成新的刀具组合CS(g+1)，并将新的刀具组合CS(g+1)写入种群：
Figure BDA0002244007060000081
式中：fun_fit()表示适应度函数值的计算公式；
步骤S17：循环执行步骤S14～S16多次后，从种群中选取适应度函数值最小的一个刀具组合作为最佳推荐。
所述步骤S12中，适应度函数值的计算公式如下：
式中：fun(c)表示适应度函数值；c表示刀具组合的序号；i表示制造任务的序号；m表示制造任务的数量；t_start(xt)表示第t个刀具的开始时间；t_end(xt)表示第t个刀具的结束时间；cost(xt)表示第t个刀具的花费费用；Rel(xt)表示第t个刀具的可信度；α、β、λ均表示权值；适应度函数值越小，表明刀具组合的性能越好。

Claims (2)

1.一种基于差分进化法的刀具组合推荐方法，其特征在于：该方法是采用如下步骤实现的：
步骤S1：针对发布的每种制造任务，构建制造任务描述模型；
所述制造任务描述模型包括：制造任务编号、制造任务属性、功能属性；
所述制造任务属性包括：加工对象、对象材料、刀具类型、发布者编号；
所述功能属性包括：切削深度、切削速度、进给速度、加工面类型；
步骤S2：针对云平台上的每种刀具，构建刀具描述模型；
所述刀具描述模型包括：刀具编码、基本属性、QOS属性、工艺属性；
所述基本属性包括：刀具名、工作空间、刀具提供者、提供者地址；
所述QOS属性包括：刀具状态、开始时间、结束时间、花费费用、可信度；
所述工艺属性包括：切削深度、切削速度、进给速度、加工面类型；
步骤S3：将加工面类型进行属性量化；属性量化规则如下：
若加工面为平面，则量化值为1；
若加工面为阶梯面，则量化值为2；
若加工面为外圆，则量化值为3；
若加工面为内圆，则量化值为4；
若加工面为环形槽，则量化值为5；
若加工面为长槽，则量化值为6；
步骤S4：针对发布的某制造任务，将该制造任务需求的切削深度、切削速度、进给速度、加工面类型分别赋值给变量x0(1)、变量x0(2)、变量x0(3)、变量x0(4)；
步骤S5：将云平台上的第t个刀具的切削深度、切削速度、进给速度、加工面类型分别赋值给变量xt(1)、变量xt(2)、变量xt(3)、变量xt(4)；
步骤S6：对变量x0(1)、变量x0(2)、变量x0(3)、变量x0(4)、变量xt(1)、变量xt(2)、变量xt(3)、变量xt(4)进行归一化处理；具体处理公式如下：
式中：k＝1,2,3,4；n表示云平台上的刀具数量；
步骤S7：计算该制造任务与第t个刀具的灰色关联系数
Figure FDA0002244007050000022
具体计算公式如下：
Figure FDA0002244007050000023
步骤S8：计算该制造任务与第t个刀具的灰色关联度θ(x0,xt)；具体计算公式如下：
Figure FDA0002244007050000024
式中：μ(k)表示权值；
步骤S9：若θ(x0,xt)≥0.5，则表明第t个刀具与该制造任务匹配；反之，则表明第t个刀具与该制造任务不匹配；
步骤S10：循环执行步骤S5～S9，由此得到与该制造任务匹配的刀具集；
步骤S11：循环执行步骤S4～S10，由此得到与每个制造任务匹配的刀具集；
步骤S12：从每个制造任务对应的刀具集中选择一个刀具，并根据制造任务流程进行组合，然后计算得到的全部刀具组合的适应度函数值；
步骤S13：从得到的全部刀具组合中随机选择若干个刀具组合作为初始种群，并按照适应度函数值对初始种群中的每个刀具组合进行排序，然后进行种群的差分进化；
步骤S14：在差分进化的第g次迭代中，从种群中随机选择三个刀具组合，并将三个刀具组合的适应度函数值分别赋值给变量indiv_1、变量indiv_2、变量indiv_3，然后产生变异向量indiv_var；
所述变量indiv_1、变量indiv_2、变量indiv_3满足如下条件：
indiv_1＜indiv_2＜indiv_3；
所述变异向量indiv_var的产生公式如下：
indiv_var＝indiv_1+F(indiv_3-indiv_2)；
Figure FDA0002244007050000031
式中：F表示缩放因子；Fu＝0.9；Fl＝0.1；
然后，在种群中查找出其适应度函数值与变异向量indiv_var的值相近的刀具组合CSvar；
步骤S15：对刀具组合CSvar中的每个刀具进行判断，并根据如下条件对刀具组合CSvar中的每个刀具进行交叉，由此得到新的刀具组合CS_V；
Figure FDA0002244007050000032
Figure FDA0002244007050000033
式中：CS_Vj表示新的刀具组合CS_V中的第j个刀具；CSvar(xj)表示刀具组合CSvar中的第j个刀具；invid_3(xj)表示变量indiv_3中的第j个刀具；crj表示交叉概率，且crj∈[0,1]；cr1＝0.1；cru＝0.6；indiv_ave表示当前种群中全部刀具组合的适应度函数值的平均值；indiv_min表示当前种群中全部刀具组合的适应度函数值的最小值；indiv_max表示当前种群中全部刀具组合的适应度函数值的最大值；
步骤S16：在差分进化的第g+1代中，根据如下条件形成新的刀具组合CS(g+1)，并将新的刀具组合CS(g+1)写入种群：
Figure FDA0002244007050000041
式中：fun_fit()表示适应度函数值的计算公式；
步骤S17：循环执行步骤S14～S16多次后，从种群中选取适应度函数值最小的一个刀具组合作为最佳推荐。
2.根据权利要求1所述的一种基于差分进化法的刀具组合推荐方法，其特征在于：所述步骤S12中，适应度函数值的计算公式如下：
式中：fun(c)表示适应度函数值；c表示刀具组合的序号；i表示制造任务的序号；m表示制造任务的数量；t_start(xt)表示第t个刀具的开始时间；t_end(xt)表示第t个刀具的结束时间；cost(xt)表示第t个刀具的花费费用；Rel(xt)表示第t个刀具的可信度；α、β、λ均表示权值；适应度函数值越小，表明刀具组合的性能越好。
CN201911010280.3A 2019-10-23 2019-10-23 一种基于差分进化法的刀具组合推荐方法 Expired - Fee Related CN110782082B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911010280.3A CN110782082B (zh) 2019-10-23 2019-10-23 一种基于差分进化法的刀具组合推荐方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911010280.3A CN110782082B (zh) 2019-10-23 2019-10-23 一种基于差分进化法的刀具组合推荐方法

Publications (2)

Publication Number Publication Date
CN110782082A true CN110782082A (zh) 2020-02-11
CN110782082B CN110782082B (zh) 2022-06-21

Family

ID=69386521

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911010280.3A Expired - Fee Related CN110782082B (zh) 2019-10-23 2019-10-23 一种基于差分进化法的刀具组合推荐方法

Country Status (1)

Country Link
CN (1) CN110782082B (zh)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102143191A (zh) * 2010-01-28 2011-08-03 镇江金钛软件有限公司 分布式企业集群业务协作模式
CN103500251A (zh) * 2013-09-26 2014-01-08 西安工业大学 数控铣削中刀具切削用量的优化加工方法
CN105629876A (zh) * 2016-02-16 2016-06-01 华侨大学 一种三角网格模型数控加工的多刀具优化组合选择方法
US20170193459A1 (en) * 2016-01-06 2017-07-06 International Business Machines Corporation Scheduler responsive to personality profile
CN107679750A (zh) * 2017-09-30 2018-02-09 桂林电子科技大学 一种基于自适应系数遗传算法的云制造服务资源匹配方法
CN109034479A (zh) * 2018-07-28 2018-12-18 河南工业大学 一种基于差分进化算法的多目标调度方法及装置

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102143191A (zh) * 2010-01-28 2011-08-03 镇江金钛软件有限公司 分布式企业集群业务协作模式
CN103500251A (zh) * 2013-09-26 2014-01-08 西安工业大学 数控铣削中刀具切削用量的优化加工方法
US20170193459A1 (en) * 2016-01-06 2017-07-06 International Business Machines Corporation Scheduler responsive to personality profile
CN105629876A (zh) * 2016-02-16 2016-06-01 华侨大学 一种三角网格模型数控加工的多刀具优化组合选择方法
CN107679750A (zh) * 2017-09-30 2018-02-09 桂林电子科技大学 一种基于自适应系数遗传算法的云制造服务资源匹配方法
CN109034479A (zh) * 2018-07-28 2018-12-18 河南工业大学 一种基于差分进化算法的多目标调度方法及装置

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
章万国: "基于遗传算法的工艺方案双层优化方法", 《中国优秀硕士学位论文全文数据库（电子期刊）工程科技Ⅱ辑》 *

Also Published As

Publication number Publication date
CN110782082B (zh) 2022-06-21

Similar Documents

Publication Publication Date Title
Shih Incremental analysis for MCDM with an application to group TOPSIS
CN105929689B (zh) 基于粒子群算法的机床制造系统加工节能优化方法
CN104090967A (zh) 应用程序推荐方法及推荐装置
Weng Neural network quantization for efficient inference: A survey
CN110598279A (zh) 一种零件加工工艺路线规划方法及装置
Ravikumar et al. Evaluating lean execution performance in Indian MSMEs using SEM and TOPSIS models
CN106228298A (zh) 云制造环境下加工方案优选方法
CN111582325B (zh) 一种基于自动特征编码的多阶特征组合方法
CN113032367A (zh) 面向动态负载场景的大数据系统跨层配置参数协同调优方法和系统
CN104679911A (zh) 一种基于离散弱相关的云平台决策森林分类方法
CN112632402A (zh) 聊天群组创建方法、装置、设备及存储介质
CN110782082B (zh) 一种基于差分进化法的刀具组合推荐方法
CN116679614B (zh) 基于演化博弈的多特征刀具综合适配方法
CN107357851B (zh) 一种信息处理方法和系统
Friese et al. Building ensembles of surrogates by optimal convex combination
CN112631214A (zh) 基于改进入侵杂草优化算法的柔性作业车间分批调度方法
CN115511052A (zh) 一种神经网络搜索方法、装置、设备及存储介质
Roy et al. A holistic Approach to polymeric material selection for laser beam machining using methods of DEA and TOPSIS
CN115292007A (zh) 基于云服务的水利模型仿真计算系统及计算方法
CN110750723B (zh) 一种基于制造任务流程的刀具选配组合推荐方法
CN104462480A (zh) 基于典型性的评论大数据挖掘方法
CN110737773B (zh) 一种基于神经网络的信息分类方法和系统
Yıldırım et al. The evaluation of competitiveness performance for developing eight countries by Grey TOPSIS
Bhaskar et al. Application Potential of Fuzzy Embedded TOPSIS Approach to Solve MCDM Based Problems
Aragón et al. Optimizing constrained problems through a T-cell artificial immune system

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant
CF01 Termination of patent right due to non-payment of annual fee

Granted publication date: 20220621