CN114548439A - 一种基于非合作博弈的零部件回收重组模块化方法 - Google Patents
一种基于非合作博弈的零部件回收重组模块化方法 Download PDFInfo
- Publication number
- CN114548439A CN114548439A CN202210170034.XA CN202210170034A CN114548439A CN 114548439 A CN114548439 A CN 114548439A CN 202210170034 A CN202210170034 A CN 202210170034A CN 114548439 A CN114548439 A CN 114548439A
- Authority
- CN
- China
- Prior art keywords
- parts
- recycling
- module
- cost
- life
- 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.)
- Pending
Links
Images
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
- G06Q10/30—Administration of product recycling or disposal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- 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
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Sustainable Development (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Processing Of Solid Wastes (AREA)
Abstract
本发明属于资源环保回收领域,具体涉及一种基于非合作博弈的零部件回收重组模块化方法、以及相应的分析系统和装置。该方法包括如下步骤:S1:构造一个模块度函数;S2:构造一个寿命‑成本平衡函数;S3:构建一个用于分析废旧产品中零部件的回收重组策略的非合作博弈模型;S4:获取各个零部件的特征信息;S5:采用模糊聚类算法生成各个组合方案,并确定不同组合方案的策略路径;S6:通过非合作博弈模型生成一个博弈方效用矩阵;S7:对博弈方效用矩阵进行纳什均衡分析,进而确定当前废旧产品的最优回收重组策略。本发明解决现有废旧产品在资源化利用过程中无法通过有效手段确定最佳的回收重组策略,因而造成废旧产品回收价值降低问题。
Description
技术领域
本发明属于资源环保回收领域,具体涉及一种基于非合作博弈的零部件回收重组模块化方法、以及相应的分析系统和装置。
背景技术
工业化为人类创造了大量的工业产品,以电子产品和机械产品为例,这些丰富的工业产品给人类的生产生活带来了便利。但是工业产品达到使用寿命会产生大量的固体垃圾,这些也会造成严重的环境污染问题。其中,对于一个复杂的工业产品,当其达到使用寿命之后,并非已经完全没有利用价值,废旧产品中往往也会存在大量可以进行回收再利用的零部件。这些零部件可以用于其它工业产品的生产制造;甚至在一些废旧产品中,将其中的某些关键零部件进行拆解更换之后,这些产品还可以重新投入使用。因此将废旧产品直接报废会造成很大的资源浪费。为了降低产品报废带来的环境污染和资源浪费问题,有必要研究一种对废旧产品进行分析,确定对废旧产品中的零部件进行模块化回收重组和再利用的策略。
现有的技术在废旧产品回收再利用过程中仅仅考虑不同产品零部件自身的可回收特性,并将具有回收利用价值的零部件进行拆解利用。这些处理方式并为考虑到不同零部件间的功能和结构上的联系,因而在拆解过程会对零部件的回收价值造成损害。以电子产品为例,现有技术在回收废旧电子产品中的贵金属材料时,需要对主板等所有电子元件进行粉碎性拆解。电子产品的另外一种资源化回收方式是维修再利用,这种回收方式则仅仅考虑到了产品的短时使用价值,忽略了产品的不同零部件的剩余寿命,以及产品整体的成本和经济效益。
废旧产品中不同零部件的损伤特征及功能具有差异性,这导致采用不同的回收重用选项时会产生不同的回收经济效益和剩余使用寿命。然后现有技术无法结合废旧产品的零部件特征确定最合适的回收重组策略,这会造成废旧产品的回收价值降低。
发明内容
为了解决现有废旧产品在资源化利用过程中无法通过有效手段确定最佳的回收重组策略,因而造成废旧产品回收价值降低问题。本发明提供一种基于非合作博弈的零部件回收重组模块化方法,及其分析系统和装置。
本发明采用以下技术方案实现:
一种基于非合作博弈的零部件回收重组模块化方法,其用于对废旧产品中各个零部件的特征信息进行分析,进而确定针对废旧产品及零部件进行回收或重组再利用的策略。该零部件回收重组模块化方法包括如下步骤:
S1:构造一个用于表征产品中不同零部件间模块化组合关系的模块度函数。
S2:构造一个用于评估产品中不同零部件在回收重用过程中的剩余寿命和成本间平衡关系的寿命-成本平衡函数。
S3:分别以模块度函数和寿命-成本平衡函数作为博弈效用函数,构建一个用于分析废旧产品中零部件的回收重组策略的非合作博弈模型。
S4:对待处理的废旧产品按照零部件进行分类,然后对零部件进行初步分析,确定各个零部件的特征信息。零部件的特征信息包括:剩余寿命、成本、回收重用待选项、零部件间功能属性和结构属性。
S5:根据废旧产品的零部件的特征信息,采用模糊聚类算法生成废旧产品中的零部件回收重用时的各个组合方案,并基于各个零部件的回收重用待选项确定不同组合方案的策略路径。
S6:结合各个所述组合方案及其方案路径,通过非合作博弈模型生成一个博弈方效用矩阵;其中,非合作博弈模型的处理过程如下:
S61:利用模块度函数计算当前废旧产品在不同组合方案下回收重组时的模块度。
S62:利用寿命-成本平衡函数计算当前废旧产品在不同策略路径下回收重组时的寿命成本优化值。
S63:以废旧产品的模块度和寿命成本优化值分别作为博弈方,设置非合作博弈模型的优化目标。
S64:通过博弈算法求解出符合优化目标的反映回收重组策略结论的博弈方效用矩阵。
S7:对博弈方效用矩阵进行纳什均衡分析,进而确定当前废旧产品的最优回收重组策略。
作为本发明进一步的改进,废旧产品的零部件的特征信息中,回收重用待选项分为换新、再利用和再制造三类。
零部件间功能属性用于表征任意两个零部件在功能上的相关性,根据相关性由弱到强的顺序分为:毫无功能联系、仅存在物质信息联系、存在作用力联系、存在信息联系、存在能量联系,成对使用缺一不可。
零部件间结构属性用于表征任意两个零部件在结构上的相关性,根据相关性由弱到强的顺序分为:没有连接、单点接触容易拆分、单点接触不易拆分、单面接触不易拆分、多面接触不易拆分、永久连接不可拆分。
作为本发明进一步的改进,模块度函数的设计过程包括如下步骤:
S01:分析废旧产品中零部件间的功能属性相关性和结构属性相关度,并针对相关性的强弱程度采用专家打分法确定任意两个零部件i和j之间的功能关联度F(i,j)和结构关联度S(i,j)。
S02:通过层次分析法为功能关联度和结构关联度赋予相应的权重,进而生成表征零部件间整体相关属性的综合关联度ri.j。综合关联度的计算公式如下:
ri.j=ω1F(i,j)+ω2S(i,j)
上式中,ω1表示功能关联度对综合关联度的影响权重,ω2表示结构关联度对综合关联度的影响权重。其中,功能关联度F(i,j)和结构关联度S(i,j)的取值位于区间[0,1],且ω1+ω2=1。
S03:结合上述综合关联度的计算公式,计算出废旧产品中任意两个或多个零部件构成的重组模块的聚合度:
其中,假设废旧产品中共有n个废旧零部件,且根据回收重用策略的选择可组成s个模块;那么,在所有模块中,任意第k个模块的聚合度MIk的计算公式如下:
上式中,nk表示第k个模块内的第一个零件的序号;mk表示第k个模块内的最后一个零件的序号。
S04:在回收重用策略选择的s个模块中,任意两个模块k和p之间的耦合度MOk.p的计算公式如下:
上式中,np表示第p个模块中的第一个零件的序号;mp表示第p个模块中的最后一个零件的序号。
S05:根据使得模块内聚合度最大化,模块间耦合度最小化的目标,构造出的所需的模块度函数u1如下:
上式中,MI为模块内总聚合度,MO为模块间总耦合度。
作为本发明进一步的改进,步骤S01中,产品的零部件间的功能关联度的打分标准如下:
(1)当两个零部件i和j成对使用缺一不可时,则F(i,j)=1.0。
(2)当两个零部件i和j存在能量联系时,则F(i,j)=0.8。
(3)当两个零部件i和j存在信息联系时,则F(i,j)=0.6。
(4)当两个零部件i和j存在作用力联系时,则F(i,j)=0.4。
(5)当两个零部件i和j间仅存在物质信息联系时,则F(i,j)=0.2。
(6)当两个零部件i和j毫无功能联系时,则F(i,j)=0。
作为本发明进一步的改进,步骤S01中,产品的零部件间的结构关联度的打分标准如下:
(1)当两个零部件i和j间永久连接不可拆分时,则F(i,j)=0.9~1.0。
(2)当两个零部件i和j间多面接触不易拆分时,则F(i,j)=0.7~0.8。
(3)当两个零部件i和j间单面接触不易拆分时,则F(i,j)=0.5~0.6。
(4)当两个零部件i和j间单点接触不易拆分时,则F(i,j)=0.3~0.4。
(5)当两个零部件i和j间单点接触容易拆分时,则F(i,j)=0.1~0.2。
(6)当两个零部件i和j间没有连接时,则F(i,j)=0。
作为本发明进一步的改进,寿命-成本平衡函数的设计过程包括如下步骤:
S001:整个废旧产品在回收重组中会被组合成多个模块,则针对某个回收重组模块k,考虑每个零件的具有多个回收重用待选项且到达回收重组策略路径需要m个工序,则可以组合出N条回收重组的策略路径;
S002:第i个废旧零部件在第g条策略路径下的回收重用成本Cig通过下式计算:
上式中,Pg表示零部件回收重用过程中选择第g条策略路径的概率,Cim为零部件i在到达任意策略路径的工艺节点成本;
S003:基于各个废旧零部件的回收重组回收重用成本,则废旧零部件的回收重组模块k的模块成本Ck采用下式计算:
S004:考虑到回收重组模块k中不同零部件的剩余寿命并不相同,因此采用零部件间剩余寿命的平方差来对回收重组模块k的整体剩余寿命σk进行描述,计算公式如下:
上式中,ε1~εs分别表示第1到第s个模块对整体产品成本的影响权重;且ε1+ε2+ε3+...+εs=1。
上式中,θ1~θs分别表示第1到第s个模块对整体产品的平均寿命的影响权重;且θ1+θ2+3+...+θs=1。
S007:对废旧产品的综合成本和平均剩余寿命进行线性加权,构造出用于评估剩余寿命和成本间平衡关系的寿命-成本平衡函数u2如下:
上式中,δ1表示产品的综合成本对均衡性的影响权重;δ2表示产品的平均剩余寿命对均衡性的影响权重。
作为本发明进一步的改进,步骤S006中,模块成本的无量纲化处理公式如下:
作为本发明进一步的改进,步骤S007中,模块平均剩余寿命的无量纲化处理公式如下:
本发明还包括一种基于非合作博弈的零部件回收重组模块化分析系统,该系统采用如前述的基于非合作博弈的零部件回收重组模块化方法的步骤,根据废旧产品中各个零部件的特征信息,得出针对废旧产品及零部件进行回收或重组再利用的策略。该分析系统包括:零部件特征提取模块、模块度计算模块、成本寿命均衡性计算模块、非合作博弈模型,以及回收重组策略生成模块。
其中,零部件特征提取模块用于获取废旧产品中所有零部件的特征信息。特征信息包括剩余寿命、成本、回收重用待选项、任意两个零部件间的功能属性,以及任意两个零部件间的结构属性。
模块度计算模块用于根据废旧产品中任意两个零部件间的功能属性和结构属性,以及各个零部件的回收重用待选项生成废旧产品中各个重组模块的模块度。
成本寿命均衡性计算模块用于根据各个零件的成本、剩余寿命,以及各个零部件的回收重用待选项,生成一个用于评估废旧产品中不同重组模块的平均剩余寿命和成本间均衡性的寿命成本优化值。
非合作博弈模型用于以模块度计算模块和成本寿命均衡性计算模块的评估结果作为博弈方,通过非合作博弈算法求解出一个反映废旧产品的模块化回收重组策略的博弈方效用矩阵。
回收重组策略生成模块用于对非合作博弈模型输出的博弈方效用矩阵进行纳什均衡分析,进而得到当前废旧产品的最优回收重组策略。
不发明还包括一种基于非合作博弈的零部件回收重组模块化分析装置,该分析装置包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序。处理器执行程序时实现如前述的基于非合作博弈的零部件回收重组模块化方法的步骤。
本发明提供的技术方案,具有如下有益效果:
本发明提供的废旧产品零部的回收重组模块化方法中,创造性的将回收策略的分析过程等效为一个非合作博弈问题。并以产品中零部件间的模块化关系,以及零部件的成本和剩余寿命作为博弈方,通过不同工艺策略和组合方案间各种特性的博弈过程,获取产品中不同零部件的最佳回收重组选项。
本发明提供的方法得到的回收重组策略,能够全面地考虑到废旧产品中零部件自身的特征,也可以考虑到零部件之间的特性。因而得到的策略在综合成本、使用价值和回收处理难易度等方面均可以达到最佳状态,具有很好的使用价值。尤其在在对一些复杂且具有高附加值的产品进行分析时,可以发挥最佳的效果,提高产品的回收利用价值。
附图说明
图1为本发明实施例1中一种基于非合作博弈的零部件回收重组模块化方法处理过程的逻辑框图。
图2为本发明实施例1中一种基于非合作博弈的零部件回收重组模块化方法的步骤流程图。
图3为本发明实施例1中模块化函数设计过程的步骤流程图。
图4为本发明实施例1中寿命-成本平衡函数设计过程的步骤流程图。
图5为本发明实施例2中提供的一种基于非合作博弈的零部件回收重组模块化分析系统的模块示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步地详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
实施例1
本实施例提供一种基于非合作博弈的零部件回收重组模块化方法,其用于对废旧产品中各个零部件的特征信息进行分析,进而确定针对废旧产品及零部件进行回收或重组再利用的策略。
本实施例提供的方法考虑到了废旧零部件的损伤特征及功能的差异性对不同模块化回收重用选项的经济效益和产品剩余使用寿命的影响。并且将产品中不同零部件按照模块化的方式进行重组和再利用。本实施例在对废旧产品中不同零部件进行模块化重组时,以模块内零件的耦合度和模块间零件的聚合度作为主要驱动力。同时,还结合了重组模块在废旧产品回收过程的经济性以及重组模块的整体剩余寿命的均衡性进行综合考量。
特别地,如图1所示,本实施例的方案的逻辑在于:将废旧产品中零部件的回收重组模块问题视为一种特殊的组合最优化问题。通过解决离散型多目标优化问题的方式,将废旧零部件重用组合的经济效益和剩余寿命,以及与废旧零部件重用组合模块化的模块度作为优化目标间的冲突方,进而将废旧产品的模块化回收重组问题转化为一种非合作博弈问题。
具体地,如图2所示,本实施例提供的零部件回收重组模块化方法包括如下步骤:
S1:构造一个用于表征产品中不同零部件间模块化组合关系的模块度函数u1:
上式中,为模块内总聚合度,MO为模块间总耦合度;s表示废旧产品在回收过程重组出的模块数。
S2:构造一个用于评估产品中不同零部件在回收重用过程中的剩余寿命和成本间平衡关系的寿命-成本平衡函数。
S3:分别以模块度函数和寿命-成本平衡函数作为博弈效用函数,构建一个用于分析废旧产品中零部件的回收重组策略的非合作博弈模型。
S4:对待处理的废旧产品按照零部件进行分类,然后对零部件进行初步分析,确定各个零部件的特征信息。零部件的特征信息包括:剩余寿命、成本、回收重用待选项、零部件间功能属性和结构属性。
其中,废旧产品的零部件的特征信息中,回收重用待选项分为换新、再利用和再制造三类。
本实施例的零部件间功能属性用于表征任意两个零部件在功能上的相关性。主要指零件所要执行的服务与产品整体性能的一系列的物质、能量或信号的操作行为。具体表现为零件之间的能量流、信息流、作用力流和物质流的转换或传输,根据相关性由弱到强的顺序,不同的功能属性可以分为:(1)毫无功能联系。(2)仅存在物质信息联系。(3)存在作用力联系。(4)存在信息联系。(5)存在能量联系。(6)成对使用缺一不可。
本实施例的零部件间结构属性用于表征任意两个零部件在结构上的相关性,根据相关性由弱到强的顺序分为:没有连接、单点接触容易拆分、单点接触不易拆分、单面接触不易拆分、多面接触不易拆分、永久连接不可拆分。
S5:根据废旧产品的零部件的特征信息,采用模糊聚类算法生成废旧产品中的零部件回收重用时的各个组合方案,并基于各个零部件的回收重用待选项确定不同组合方案的策略路径。
S6:结合各个所述组合方案及其方案路径,通过非合作博弈模型生成一个博弈方效用矩阵;其中,非合作博弈模型的处理过程如下:
S61:利用模块度函数计算当前废旧产品在不同组合方案下回收重组时的模块度。
S62:利用寿命-成本平衡函数计算当前废旧产品在不同策略路径下回收重组时的寿命成本优化值。
S63:以废旧产品的模块度和寿命成本优化值分别作为博弈方,设置非合作博弈模型的优化目标。
S64:通过博弈算法求解出符合优化目标的反映回收重组策略结论的博弈方效用矩阵。
S7:对博弈方效用矩阵进行纳什均衡分析,进而确定当前废旧产品的最优回收重组策略。
在本实施例中,模块度函数是技术人员针对要解决的产品零部件重组问题而构造出的一种全新的函数。该函数用于描述在一个复杂的整体系统中,各个组成的零部件在结构和功能上的联系。其中,如图3所示,模块度函数的设计过程大致包括如下步骤:
S01:分析废旧产品中零部件间的功能属性相关性和结构属性相关度,并针对相关性的强弱程度采用专家打分法确定任意两个零部件i和j之间的功能关联度F(i,j)和结构关联度S(i,j)。
其中,本实施例中提供的方法在为产品中零部件间的功能关联度和结构关联度进行专家经验赋分时,采用的打分标准分别如下表1和表2所示。
表1:本实施例中的两零部件间功能关联度的赋分标准
功能关联度 | 赋分条件 |
1.0 | 成对使用缺一不可 |
0.8 | 存在能量联系 |
0.6 | 存在信息联系 |
0.4 | 存在作用力联系 |
0.2 | 两组件间仅存在物质信息联系 |
0 | 毫无功能联系 |
表2:本实施例中的两零部件间结构关联度的赋分标准
结构关联度 | 赋分条件 |
0.9~1.0 | 永久连接不可拆分 |
0.7~0.8 | 多面接触不易拆分 |
0.5~0.6 | 单面接触不易拆分 |
0.3~0.4 | 单点接触不易拆分 |
0.1~0.2 | 单点接触容易拆分 |
0 | 没有连接 |
结合表1可以发现:在功能关联度上,主要体现为两个零件间产生的具体的功能联系的形式,从能量流、信息流、作用力流、到物质流;各个关联形式的层级不断削弱,因此赋分值也不断降低。专家评分过程中只需要分析任意两个零件之间的功能联系最大可属于哪一个层级即可。
(1)当两个零部件i和j成对使用缺一不可时,则F(i,j)=1.0。
(2)当两个零部件i和j存在能量联系时,则F(i,j)=0.8。
(3)当两个零部件i和j存在信息联系时,则F(i,j)=0.6。
(4)当两个零部件i和j存在作用力联系时,则F(i,j)=0.4。
(5)当两个零部件i和j间仅存在物质信息联系时,则F(i,j)=0.2。
(6)当两个零部件i和j毫无功能联系时,则F(i,j)=0。
结合表2可发现:在结构关联度上,主要考量两个两件的连接关系,包括连接点的形式和数量,以及是否可以拆分。当两个零件越难拆分,则说明二者的结构关联度越强。此外,对于具有同一类连接关系的两个零部件,还设置了一定的结构关联度分值的浮动范围,进而为不同零件的专家打分留下差异化调整的空间。
(1)当两个零部件i和j间永久连接不可拆分时,则F(i,j)=0.9~1.0。
(2)当两个零部件i和j间多面接触不易拆分时,则F(i,j)=0.7~0.8。
(3)当两个零部件i和j间单面接触不易拆分时,则F(i,j)=0.5~0.6。
(4)当两个零部件i和j间单点接触不易拆分时,则F(i,j)=0.3~0.4。
(5)当两个零部件i和j间单点接触容易拆分时,则F(i,j)=0.1~0.2。
(6)当两个零部件i和j间没有连接时,则F(i,j)=0。
S02:通过层次分析法为功能关联度和结构关联度赋予相应的权重,进而生成表征零部件间整体相关属性的综合关联度ri.j。综合关联度的计算公式如下:
ri.j=ω1F(i,j)+ω2S(i,j)
上式中,ω1表示功能关联度对综合关联度的影响权重,ω2表示结构关联度对综合关联度的影响权重。其中,功能关联度F(i,j)和结构关联度S(i,j)的取值位于区间[0,1],且ω1+2=1。
S03:结合上述综合关联度的计算公式,计算出废旧产品中任意两个或多个零部件构成的重组模块的聚合度:
其中,假设废旧产品中共有n个废旧零部件,且根据回收重用策略的选择可组成s个模块;那么,在所有模块中,任意第k个模块的聚合度MIk的计算公式如下:
上式中,nk表示第k个模块内的第一个零件的序号;mk表示第k个模块内的最后一个零件的序号。
S04:在回收重用策略选择的s个模块中,任意两个模块k和p之间的耦合度MOk.p的计算公式如下:
上式中,np表示第p个模块中的第一个零件的序号;mp表示第p个模块中的最后一个零件的序号。
S05:根据使得模块内聚合度最大化,模块间耦合度最小化的目标,构造出的所需的模块度函数u1如下:
上式中,MI为模块内总聚合度,MO为模块间总耦合度。
在本实施例中,寿命-成本平衡函数是技术人员根据需要构建的一种用于分析同一个产品不同零件构成的模块的综合成本和平均剩余寿命间均衡性的特函数。通过该函数可以有效评估产品中不同零件构成的重组模块具有的回收重组的应用价值。本实施例构造出的该函数不仅可以针对零件本身进行价值评估,还可以将不同零件采用不同回收重用待选项时的价值有效评估出来。具体地,如图4所示,本实施例提供的寿命-成本平衡函数的设计过程包括如下步骤:
S001:整个废旧产品在回收重组中会被组合成多个模块,则针对某个回收重组模块k,考虑每个零件的具有多个回收重用待选项且到达回收重组策略路径需要m个工序,则可以组合出N条回收重组的策略路径;
S002:第i个废旧零部件在第g条策略路径下的回收重用成本Cig通过下式计算:
上式中,Pg表示零部件回收重用过程中选择第g条策略路径的概率,Cim为零部件i在到达任意策略路径的工艺节点成本;
S003:基于各个废旧零部件的回收重组回收重用成本,则废旧零部件的回收重组模块k的模块成本Ck采用下式计算:
S004:考虑到回收重组模块k中不同零部件的剩余寿命并不相同,因此采用零部件间剩余寿命的平方差来对回收重组模块k的整体剩余寿命σk进行描述,计算公式如下:
上式中,ε1~εs分别表示第1到第s个模块对整体产品成本的影响权重;且ε1+ε2+ε3+...+εs=1。
上式中,θ1~θs分别表示第1到第s个模块对整体产品的平均寿命的影响权重;且θ1+θ2+3+...+θs=1。
其中,模块成本的无量纲化处理公式如下:
S007:对废旧产品的综合成本和平均剩余寿命进行线性加权,构造出用于评估剩余寿命和成本间平衡关系的寿命-成本平衡函数u2如下:
上式中,δ1表示产品的综合成本对均衡性的影响权重;δ2表示产品的平均剩余寿命对均衡性的影响权重。
其中,模块平均剩余寿命的无量纲化处理公式如下:
为了使得本实施例提供的方法的处理流程更加清晰,该方案的效果和优势更加明显。以下内容将以一个实际产品中零部件的模块化回收重组策略的分析过程为例,对本实施例的方案进行说明。
1、本实施例分析的是一个具有5个零部件的简单产品。将零部件依次命名为零件1、零件2、零件3、零件4和零件5。经过对产品的预先分析可以得到不同零部件之间功能关联度和结构关联度。本实施例在层次分析法中将功能关联度和结构关联度的权重均设置为0.5,即认为功能关联度和结构关联度的影响权重相同。至此可以得到如下表的综合关联度统计表:
表3:零件1~5相互之间的综合关联度值分布统计表
零件1 | 零件2 | 零件3 | 零件4 | 零件5 | |
零件1 | 1 | 0.8 | 0.1 | 0.2 | 0.4 |
零件2 | 0.8 | 1 | 0.1 | 0.2 | 0.4 |
零件3 | 0.1 | 0.1 | 1 | 0.8 | 0.6 |
零件4 | 0.2 | 0.2 | 0.8 | 1 | 0.6 |
零件5 | 0.4 | 0.4 | 0.6 | 0.6 | 1 |
上表的数据分布可以转化为一个反映零件间相关度分布的矩阵。
2、采用模糊聚类算法可以将本实施例的产品的5个零部件划分成三个不同的组合模块方案。
在方案一中,产品被划分为三个模块,分别是:
模块1:零件1和零件2;
模块2:零件3和零件4;
模块3:零件5
因此计算出该方案中的聚合度、耦合度和模块度分别如下:
在方案二中,产品被划分为两个模块,分别是:
模块1:零件1和零件2;
模块2:零件3、零件4和零件5
因此计算出该方案中的聚合度、耦合度和模块度分别如下:
在方案三中产品被划分成一个模块,该模块包括零件1、零件2、零件3、零件4和零件5。
因此计算出该方案中的聚合度、耦合度和模块度分别如下:
耦合度MO=0
模块度u1=0.536
当以上述过程计算出的模块度为其中一个博弈方进行非合作博弈时,模块度的策略空间P1有三种;分别对应方案1、方案2和方案3。
接下来对5个零部件的回收重用待选项进行分析,使用0或1表征每个临界值各个回收重用待选项的可操作性,1表示可用,0表示不可用。则各个零件的回收重用待选项的可用性如下表所示:
表4:零件1~5的回收重用待选项的可用性统计结果
换新a | 再利用b | 再制造c | |
零部件1 | 1 | 1 | 0 |
零部件2 | 0 | 1 | 1 |
零部件3 | 1 | 0 | 1 |
零部件4 | 1 | 0 | 0 |
零部件5 | 0 | 0 | 1 |
分析上表各个回收重用待选项可以发现,当以寿命成本优化值作为另一个博弈方进行非合作博弈时,寿命成本优化值的策略空间P2对应各个零件的不同路径,即共有2*2*2*1*1=8种。
进一步结合上表的各个零件的回收重用待选项得到各个零件的回收成本和剩余寿命的统计结果如下表所示:
表5:不同组合方案中各个零件的回收成本统计表
换新a/元 | 再利用b/元 | 再制造c/元 | |
零部件1 | 300 | 200 | 0 |
零部件2 | 0 | 150 | 175 |
零部件3 | 145 | 0 | 125 |
零部件4 | 135 | 0 | 0 |
零部件5 | 0 | 0 | 100 |
表6:不同组合方案中各个零件的剩余寿命统计表
换新a/h | 再利用b/h | 再制造c/h | |
零部件1 | 1000 | 700 | 0 |
零部件2 | 0 | 800 | 600 |
零部件3 | 950 | 0 | 750 |
零部件4 | 550 | 0 | 0 |
零部件5 | 0 | 0 | 850 |
基于以上数据,可以进一步确定通过1-8各条路径进行回收重组的模块化方案的策略空间分布如下:
1:a,b,a,a,c;
2:b,b,a,a,c;
3:a,c,a,a,c;
4:a,b,c,a,c;
5:b,c,a,a,,c;
6:b,b,c,a,c;
7:a,c,c,a,c;
8:b,c,c,a,c。
其中,a表示换新,b表示再利用,c表示再制造。
因此路径1表示:零件1换新,零件2再利用,零件3换新,零件4换新,零件5再制造。路径2表示:零件1再利用,零件2再利用,零件3换新,零件4换新,零件5再制造。……以此类推。
根据以上的数据还可以得出产品中所有零件的成本最小值Cmin=253,平均剩余寿命的最小值为σmin=50。
综上可以确定:
(1)对于方案一:该方案划成3个模块,根据模块重要度分析该模块的重要程度权重分别为:0.4,0.3,0.3。
成本为:(300+150)*0.4+(145+135)*0.3+100*0.3=297,依次计算可得253、304、288、264、248、298、258。
无量纲处理结果分别为:1.17、1、1.20、1.14、1.04、0.98、1.18、1.02。
平均剩余寿命为剩余寿命标准差:100*0.4+200*0.3=100,
依次计算可得:80、140、70、80、50、110、50。
无量纲处理结果分别为:2、1.6、2.8、1.4、1.6、1、2.2、1。
根据剩余寿命均衡性和成本的重要程度权重分别为:0.5、0.5。
则加权后的寿命成本优化值u2分别为:1.585、1.3、2、1.27、1.32、0.99、1.69、1.01。
(2)对于方案二:该方案划成2个模块,根据模块重要度权重分别为:0.5,0.5。
成本:415、365、427.5、405、377.5、355、417.5、367.5。
无量纲处理结果分别为:1.64、1.44、1.69、1.60、1.49、1.40、1.65、1.45。
平均剩余寿命:134.99、109.99、184.99、112.36、109.99、87.36、162.36、87.36。
无量纲处理结果分别为:2.70、2.20、3.70、2.25、2.20、1.75、3.25、1.75。
则加权后的寿命成本优化值u2分别为:2.17、1.82、2.70、1.93、1.85、1.58、2.45、1.6。
(3)对于方案三:该方案划成1个模块。
成本830、730、855、810、755、710、835、735
无量纲处理结果分别为:3.28、2.89、3.38、3.20、2.98、2.81、3.30、2.91
剩余寿命均衡性:156.84、136.38、185.76、146.29、150.33、102.96、164.32、106.77
无量纲处理结果分别为:3.14、2.73、3.72、2.93、3.01、2.06、3.29、2.14
则加权后的寿命成本优化值u2分别为:3.21、2.81、3.57、3.07、3.00、2.44、3.30、2.53。
综合以上数据,根据各博弈方的效用函数可以得出以下效用矩阵:
表7:通过非合作博弈得出的博弈方效用矩阵
对非合作博弈算法的求解流程为:先通过数值大小区间概率占比两者筛选出严格优势策略为2~3个;再根据各方选择概率大小,选择出双方较优策略从而得到相应方案结果。
一、对于模块度来说存在3种策略符合严格优势策略2~3个。
二、对于寿命成本优化值来说存在8种策略(筛选方式:通过设定数值界限大于等于为劣势,小于为优势,当劣势数量大于或等于全部数量的二分之一则舍弃该策略)
1)设定值为2,对符合劣势条件的策略进行标记,则筛选出来的优势策略为2、4、5、6、8,个数为5大于2~3个,继续筛选。
2)设定值为1.8,将符合劣势条件的策略进行标记,则筛选出来的优势策略为6、8,个数为2,符合条件,结束筛选,成本的严格优势策略为6、8。
然后进一步地对筛选后的表格进行纳什均衡分析:
对于模块度来说方案③是绝对优势,则均寿命低成本会选择策略6,达到了纳什均衡。因此最后选择出的最佳回收重组策略如下表所示:
表8:通过非合作博弈方法得出的最佳回收重组策略
零部件1 | 再利用 |
零部件2 | 再利用 |
零部件3 | 再制造 |
零部件4 | 换新 |
零部件5 | 再制造 |
实施例2
在实施例1提供的方法的基础上,本实施例还提供一种基于非合作博弈的零部件回收重组模块化分析系统,该系统采用如实施例1中的基于非合作博弈的零部件回收重组模块化方法的步骤,根据废旧产品中各个零部件的特征信息,得出针对废旧产品及零部件进行回收或重组再利用的策略。
如图5所示,该分析系统包括:零部件特征提取模块、模块度计算模块、成本寿命均衡性计算模块、非合作博弈模型,以及回收重组策略生成模块。
其中,零部件特征提取模块用于获取废旧产品中所有零部件的特征信息。特征信息包括剩余寿命、成本、回收重用待选项、任意两个零部件间的功能属性,以及任意两个零部件间的结构属性。
模块度计算模块用于根据废旧产品中任意两个零部件间的功能属性和结构属性,以及各个零部件的回收重用待选项生成废旧产品中各个重组模块的模块度。
成本寿命均衡性计算模块用于根据各个零件的成本、剩余寿命,以及各个零部件的回收重用待选项,生成一个用于评估废旧产品中不同重组模块的平均剩余寿命和成本间均衡性的寿命成本优化值。
非合作博弈模型用于以模块度计算模块和成本寿命均衡性计算模块的评估结果作为博弈方,通过非合作博弈算法求解出一个反映废旧产品的模块化回收重组策略的博弈方效用矩阵。
回收重组策略生成模块用于对非合作博弈模型输出的博弈方效用矩阵进行纳什均衡分析,进而得到当前废旧产品的最优回收重组策略。
在该系统上对应任意一个待回收的废旧产品,只要将与该产品的零部件有关特征信息输入到系统中,系统就可以自动生成该产品最佳的回收重组再利用的策略。
实施例3
在前述实施例的技术上,本实施例还提供一种基于非合作博弈的零部件回收重组模块化分析装置,该分析装置包括存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序。处理器执行程序时实现如实施例1的基于非合作博弈的零部件回收重组模块化方法的步骤。
该计算机设备可以是可以执行程序的智能手机、平板电脑、笔记本电脑、台式计算机、机架式服务器、刀片式服务器、塔式服务器或机柜式服务器(包括独立的服务器,或者多个服务器所组成的服务器集群)等。本实施例的计算机设备至少包括但不限于:可通过系统总线相互通信连接的存储器、处理器。
本实施例中,存储器(即可读存储介质)包括闪存、硬盘、多媒体卡、卡型存储器(例如,SD或DX存储器等)、随机访问存储器(RAM)、静态随机访问存储器(SRAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、可编程只读存储器(PROM)、磁性存储器、磁盘、光盘等。在一些实施例中,存储器可以是计算机设备的内部存储单元,例如该计算机设备的硬盘或内存。在另一些实施例中,存储器也可以是计算机设备的外部存储设备,例如该计算机设备上配备的插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(SecureDigital,SD)卡,闪存卡(Flash Card)等。当然,存储器还可以既包括计算机设备的内部存储单元也包括其外部存储设备。本实施例中,存储器通常用于存储安装于计算机设备的操作系统和各类应用软件等。此外,存储器还可以用于暂时地存储已经输出或者将要输出的各类数据。
处理器在一些实施例中可以是中央处理器(Central Processing Unit,CPU)、控制器、微控制器、微处理器、或其他数据处理芯片。该处理器通常用于控制计算机设备的总体操作。本实施例中,处理器用于运行存储器中存储的程序代码或者处理数据,以实现前述实施例中的基于非合作博弈的零部件回收重组模块化方法的处理过程,从而根据废旧产品中零部件的特征信息,得出该废旧产品最佳的回收重组策略。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于非合作博弈的零部件回收重组模块化方法,其用于对废旧产品中各个零部件的特征信息进行分析,进而确定针对废旧产品及零部件进行回收或重组再利用的策略,其特征在于,所述零部件回收重组模块化方法包括如下步骤:
S1:构造一个用于表征产品中不同零部件间模块化组合关系的模块度函数;
S2:构造一个用于评估产品中不同零部件在回收重用过程中的剩余寿命和成本间平衡关系的寿命-成本平衡函数;
S3:分别以所述模块度函数和寿命-成本平衡函数作为博弈效用函数,构建一个用于分析废旧产品中零部件的回收重组策略的非合作博弈模型;
S4:对待处理的废旧产品按照零部件进行分类,然后对零部件进行初步分析,确定各个零部件的特征信息;所述零部件的特征信息包括:剩余寿命、成本、回收重用待选项、零部件间功能属性和结构属性;
S5:根据废旧产品的零部件的特征信息,采用模糊聚类算法生成废旧产品中的零部件回收重用时的各个组合方案,并基于各个零部件的回收重用待选项确定不同组合方案的策略路径;
S6:结合各个所述组合方案及其方案路径,通过非合作博弈模型生成一个博弈方效用矩阵;其中,非合作博弈模型的处理过程如下:
S61:利用所述模块度函数计算当前废旧产品在不同组合方案下回收重组时的模块度;
S62:利用所述寿命-成本平衡函数计算当前废旧产品在不同策略路径下回收重组时的寿命成本优化值;
S63:以废旧产品的模块度和寿命成本优化值分别作为博弈方,设置非合作博弈模型的优化目标;
S64:通过博弈算法求解出符合优化目标的反映回收重组策略结论的博弈方效用矩阵;
S7:对所述博弈方效用矩阵进行纳什均衡分析,进而确定当前废旧产品的最优回收重组策略。
2.如权利要求1所述的基于非合作博弈的零部件回收重组模块化方法,其特征在于:废旧产品的零部件的特征信息中,所述回收重用待选项分为换新、再利用和再制造三类;
所述零部件间功能属性用于表征任意两个零部件在功能上的相关性,根据相关性由弱到强的顺序分为:毫无功能联系、仅存在物质信息联系、存在作用力联系、存在信息联系、存在能量联系,成对使用缺一不可;
所述零部件间结构属性用于表征任意两个零部件在结构上的相关性,根据相关性由弱到强的顺序分为:没有连接、单点接触容易拆分、单点接触不易拆分、单面接触不易拆分、多面接触不易拆分、永久连接不可拆分。
3.如权利要求2所述的基于非合作博弈的零部件回收重组模块化方法,其特征在于:所述模块度函数的设计过程包括如下步骤:
S01:分析废旧产品中零部件间的功能属性相关性和结构属性相关度,并针对相关性的强弱程度采用专家打分法确定任意两个零部件i和j之间的功能关联度F(i,j)和结构关联度S(i,j);
S02:通过层次分析法为功能关联度和结构关联度赋予相应的权重,进而生成表征零部件间整体相关属性的综合关联度ri.j,所述综合关联度的计算公式如下:
ri.j=ω1F(i,j)+ω2S(i,j)
上式中,ω1表示功能关联度对综合关联度的影响权重,ω2表示结构关联度对综合关联度的影响权重;其中,功能关联度F(i,j)和结构关联度S(i,j)的取值位于区间[0,1],且ω1+ω2=1;
S03:结合上述综合关联度的计算公式,计算出废旧产品中任意两个或多个零部件构成的重组模块的聚合度:
其中,假设废旧产品中共有n个废旧零部件,且根据回收重用策略的选择可组成s个模块;那么,在所有模块中,任意第k个模块的聚合度MIk的计算公式如下:
上式中,nk表示第k个模块内的第一个零件的序号;mk表示第k个模块内的最后一个零件的序号;
S04:在回收重用策略选择的s个模块中,任意两个模块k和p之间的耦合度MOk.p的计算公式如下:
上式中,np表示第p个模块中的第一个零件的序号;mp表示第p个模块中的最后一个零件的序号;
S05:根据使得模块内聚合度最大化,模块间耦合度最小化的目标,构造出的所需的模块度函数u1如下:
上式中,MI为模块内总聚合度,MO为模块间总耦合度。
4.如权利要求3所述的基于非合作博弈的零部件回收重组模块化方法,其特征在于:步骤S01中,产品的零部件间的功能关联度的打分标准如下:
(1)当两个零部件i和j成对使用缺一不可时,则F(i,j)=1.0;
(2)当两个零部件i和j存在能量联系时,则F(i,j)=0.8;
(3)当两个零部件i和j存在信息联系时,则F(i,j)=0.6;
(4)当两个零部件i和j存在作用力联系时,则F(i,j)=0.4;
(5)当两个零部件i和j间仅存在物质信息联系时,则F(i,j)=0.2;
(6)当两个零部件i和j毫无功能联系时,则F(i,j)=0。
5.如权利要求3所述的基于非合作博弈的零部件回收重组模块化方法,其特征在于:步骤S01中,产品的零部件间的结构关联度的打分标准如下:
(1)当两个零部件i和j间永久连接不可拆分时,则F(i,j)=0.9~1.0;
(2)当两个零部件i和j间多面接触不易拆分时,则F(i,j)=0.7~0.8;
(3)当两个零部件i和j间单面接触不易拆分时,则F(i,j)=0.5~0.6;
(4)当两个零部件i和j间单点接触不易拆分时,则F(i,j)=0.3~0.4;
(5)当两个零部件i和j间单点接触容易拆分时,则F(i,j)=0.1~0.2;
(6)当两个零部件i和j间没有连接时,则F(i,j)=0。
6.如权利要求2所述的基于非合作博弈的零部件回收重组模块化方法,其特征在于:所述寿命-成本平衡函数的设计过程包括如下步骤:
S001:整个废旧产品在回收重组中会被组合成多个模块,则针对某个回收重组模块k,考虑每个零件的具有多个回收重用待选项且到达回收重组策略路径需要m个工序,则可以组合出N条回收重组的策略路径;
S002:第i个废旧零部件在第g条策略路径下的回收重用成本Cig通过下式计算:
上式中,Pg表示零部件回收重用过程中选择第g条策略路径的概率,Cim为零部件i在到达任意策略路径的工艺节点成本;
S003:基于各个废旧零部件的回收重组回收重用成本,则废旧零部件的回收重组模块k的模块成本Ck采用下式计算:
S004:考虑到回收重组模块k中不同零部件的剩余寿命并不相同,因此采用零部件间剩余寿命的平方差来对回收重组模块k的整体剩余寿命σk进行描述,计算公式如下:
上式中,ε1~εs分别表示第1到第s个模块对整体产品成本的影响权重;且ε1+ε2+ε3+...+εs=1;
上式中,θ1~θs分别表示第1到第s个模块对整体产品的平均寿命的影响权重;且θ1+θ2+θ3+...+θs=1;
S007:对废旧产品的综合成本和平均剩余寿命进行线性加权,构造出用于评估剩余寿命和成本间平衡关系的寿命-成本平衡函数u2如下:
上式中,δ1表示产品的综合成本对均衡性的影响权重;δ2表示产品的平均剩余寿命对均衡性的影响权重。
9.一种基于非合作博弈的零部件回收重组模块化分析系统,其特征在于,其采用如权利要求1-8中任意一项所述的基于非合作博弈的零部件回收重组模块化方法的步骤,根据废旧产品中各个零部件的特征信息,得出针对废旧产品及零部件进行回收或重组再利用的策略;所述分析系统包括:
零部件特征提取模块,其用于获取废旧产品中所有零部件的特征信息,所述特征信息包括剩余寿命、成本、回收重用待选项、任意两个零部件间的功能属性,以及任意两个零部件间的结构属性;
模块度计算模块,其用于根据废旧产品中任意两个零部件间的功能属性和结构属性,以及各个零部件的回收重用待选项生成废旧产品中各个重组模块的模块度;
成本寿命均衡性计算模块,其用于根据各个零件的成本、剩余寿命,以及各个零部件的回收重用待选项,生成一个用于评估废旧产品中不同重组模块的平均剩余寿命和成本间均衡性的寿命成本优化值;
非合作博弈模型,其用于以模块度计算模块和成本寿命均衡性计算模块的评估结果作为博弈方,通过非合作博弈算法求解出一个反映废旧产品的模块化回收重组策略的博弈方效用矩阵;以及
回收重组策略生成模块,其用于对所述非合作博弈模型输出的博弈方效用矩阵进行纳什均衡分析,进而得到当前废旧产品的最优回收重组策略。
10.一种基于非合作博弈的零部件回收重组模块化分析装置,其包括存储器、处理器以及存储在所述存储器上并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述程序时实现如权利要求1至8中任意一项所述的基于非合作博弈的零部件回收重组模块化方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210170034.XA CN114548439A (zh) | 2022-02-24 | 2022-02-24 | 一种基于非合作博弈的零部件回收重组模块化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210170034.XA CN114548439A (zh) | 2022-02-24 | 2022-02-24 | 一种基于非合作博弈的零部件回收重组模块化方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114548439A true CN114548439A (zh) | 2022-05-27 |
Family
ID=81676822
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210170034.XA Pending CN114548439A (zh) | 2022-02-24 | 2022-02-24 | 一种基于非合作博弈的零部件回收重组模块化方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114548439A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943492A (zh) * | 2022-07-25 | 2022-08-26 | 深圳市爱博绿环保科技有限公司 | 机电产品质量分数计算方法、装置和计算机设备 |
-
2022
- 2022-02-24 CN CN202210170034.XA patent/CN114548439A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114943492A (zh) * | 2022-07-25 | 2022-08-26 | 深圳市爱博绿环保科技有限公司 | 机电产品质量分数计算方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114548439A (zh) | 一种基于非合作博弈的零部件回收重组模块化方法 | |
CN109815541B (zh) | 轨道交通车辆产品零部件模块划分方法、装置与电子设备 | |
CN110794360A (zh) | 一种基于机器学习预测智能电能表故障的方法及系统 | |
CN112818484A (zh) | 一种物理实体数字孪生综合实施能力评估方法及评估系统 | |
JP2019159576A (ja) | 学習プログラム、学習方法および学習装置 | |
CN111260220A (zh) | 群控设备识别方法、装置、电子设备和存储介质 | |
Hsu et al. | E-mail Spam Filtering Based on Support Vector Machines with Taguchi Method for Parameter Selection. | |
Chelly et al. | RST-DCA: A dendritic cell algorithm based on rough set theory | |
CN112214602A (zh) | 基于幽默度的文本分类方法、装置、电子设备及存储介质 | |
Ahuja et al. | Feature selection using multi-objective genetic algorith m: A hybrid approach | |
CN114529025A (zh) | 一种重组模块的寿命成本均衡性分析工具及其构造方法 | |
CN114154582B (zh) | 基于环境动态分解模型的深度强化学习方法 | |
CN114757408A (zh) | 基于改进分布式模型预测控制算法 | |
CN117252403B (zh) | 一种基于资产信息数据的产业资源分配管理方法与系统 | |
CN113554231A (zh) | 一种带有作业族的作业车间调度方法及装置 | |
CN111429232A (zh) | 产品推荐方法、装置和电子设备及计算机可读存储介质 | |
CN112199287A (zh) | 基于强化混合专家模型的跨项目软件缺陷预测方法 | |
Omer et al. | Democratizing Manufacturing–Conceptualizing the Potential of Open Source Machine Tools as Drivers of Sustainable Industrial Development in Resource Constrained Contexts | |
Liu et al. | Discrete differential evolution algorithm for the job shop scheduling problem | |
Collings et al. | Identification of hidden Markov models with grouped state values | |
George et al. | Multi objective fractional cuckoo search for data clustering and its application to medical field | |
Coniglio et al. | The pattern of structural change: testing the Product Space framework | |
CN113075994A (zh) | 面向x86和arm混合云计算的节能调度系统、方法和存储介质 | |
Park | An ART2 trained by two-stage learning on circularly ordered data sequence | |
Prakash et al. | Solving a dissassembly line balancing problem with task failure using a psycho-clonal algorithm |
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 |