基于遗传退火算法的飞机定检原位工作流程优化

doi:10.3969/j.issn.1006-2475.2012.07.007

计算机与现代化 ›› 2012, Vol. 203 ›› Issue (7): 25-29.doi: 10.3969/j.issn.1006-2475.2012.07.007

基于遗传退火算法的飞机定检原位工作流程优化

吕晓峰¹，谢勇²，席建峰³，张勇亮⁴

1. 海军航空工程学院兵器科学与技术系,山东烟台264001；2. 解放军91224部队,上海200235；3. 解放军91181部队,辽宁大连116000； 4.海军航空工程学院研究生管理大队,山东烟台264001

收稿日期:2011-12-21 修回日期:1900-01-01 出版日期:2012-08-10 发布日期:2012-08-10

Optimization of Plane’s Primary Periodic Maintenance Workflow Based on Genetic Annealing Algorithm

LÜ Xiao-feng¹, XIE Yong², XI Jian-feng³, ZHANG Yong-liang⁴

1. Department of Armament Science and Technology, Naval Aeronautical and Astronautical University, Yantai 264001, China; 2. The 91224 Army of PLA, Shanghai 200235, China; 3.The 91181 Army of PLA, Dalian 116000, China; 4. Graduate Students’ Brigade, Naval Aeronautical and Astronautical University, Yantai 264001, China

Received:2011-12-21 Revised:1900-01-01 Online:2012-08-10 Published:2012-08-10

摘要/Abstract

摘要： 将遗传算法（GA）应用于飞机定检原位工作流程优化中。首先，建立原位工作流程优化模型；其次，提出“排序调整法”来保证个体对应解符合工序约束；最后采用精英选择算子。模拟退火算子和自适应机制对基本遗传算法（SGA）进行改进。仿真结果表明，改进遗传算法在最优解搜索能力上较SGA有明显提高，克服了其容易“早熟”的不足；优化后原位工作完成时间较优化前缩短19.78%，验证了GA在解决定检工作流程优化问题上的适用性。


关键词: GA, 飞机定检, 原位工作, 流程优化模型

Abstract: Genetic algorithm(GA) is used to optimize plane’s periodic maintenance primary workflow. Firstly, the model of primary work is built. Secondly, the way of “adjusting the sequence” is proposed to ensure the solution of the individuals up to the limits of the work sequence. Finally, elitist operator, simulated annealing(SA) operator and adaptive mechanism are used to improve Simple Genetic Algorithm(SGA). The simulation results demonstrate that, the improved GA is much stronger in bestsolution search ability than SGA, and it overcomes its deficiency of being easy to “precocity”; after optimization the finish time of primary work is shorter 19.78% than before, and proves that GA is good for the optimization of primary periodic maintenance workflow.

Key words: GA, plane’s periodic maintenance, primary work, workflow optimization model

中图分类号:

TP301.6

吕晓峰;谢勇;席建峰;张勇亮. 基于遗传退火算法的飞机定检原位工作流程优化[J]. 计算机与现代化, 2012, 203(7): 25-29.

LÜ Xiao-feng;XIE Yong;XI Jian-feng;ZHANG Yong-liang. Optimization of Plane’s Primary Periodic Maintenance Workflow Based on Genetic Annealing Algorithm[J]. Computer and Modernization, 2012, 203(7): 25-29.

[1]	付鸿林, 张太红, 杨雅婷, 艾孜麦提·艾瓦尼尔, 马博. 基于生成对抗网络的维语场景文字修改网络[J]. 计算机与现代化, 2024, 0(01): 41-46.
[2]	刘鑫, 柳毅. 基于智能合约的双因素身份认证方案[J]. 计算机与现代化, 2023, 0(10): 121-126.
[3]	王家晨, 张鸿鑫, 刘庆华, . 基于生成对抗网络的肺炎CT图像生成[J]. 计算机与现代化, 2023, 0(07): 20-24.
[4]	尹相臣, 陈思龙, 李振凯, 张文进, 李桂青. 多尺度密集感受域的GAN图像去雾算法[J]. 计算机与现代化, 2023, 0(03): 11-15.
[5]	成勇健, 邓凌琪, 谭嘉俊, 杨凡, 陈亮亮. 物联网时代的便携式双通道数字示波器[J]. 计算机与现代化, 2023, 0(02): 116-120.
[6]	刘立婷, 欧毓毅. 融合注意力机制与并行混合网络的DGA域名检测[J]. 计算机与现代化, 2022, 0(09): 119-126.
[7]	金龙, 吴游, 张泳翔. 基于改进SRGAN的OFDM信道估计方法[J]. 计算机与现代化, 2021, 0(10): 112-118.
[8]	董勃, 王直, 于航, 刘博. 基于FPGA的高精度频率计[J]. 计算机与现代化, 2021, 0(06): 96-99.
[9]	刘军, 彭慧娴, 黄斌, 托尼·谢伊. 基于BP-GamysBoost的乳腺癌诊断模型[J]. 计算机与现代化, 2021, 0(04): 8-14.
[10]	邵孟巧, 吉顺慧, 张鹏程. AC-Rec:基于多维特征的科研合作者推荐方法[J]. 计算机与现代化, 2021, 0(03): 94-100.
[11]	孙智博, 徐向辉, . 基于谱归一化生成对抗网络的目标SAR图像仿真方法[J]. 计算机与现代化, 2020, 0(08): 14-20.
[12]	吴世海，鲍义东，陈果，陈秋实. 基于随机Gabor特征的半参考农作物图像质量评价方法[J]. 计算机与现代化, 2020, 0(05): 70-.
[13]	潘峥嵘，王震. 一种结合Gabor小波与深度学习的人脸识别方法[J]. 计算机与现代化, 2018, 0(11): 46-.
[14]	缑新科1，2，3,徐高鹏1，2，3. 基于Gabor滤波的语音识别鲁棒性研究[J]. 计算机与现代化, 2018, 0(05): 20-.
[15]	张苗苗，张玉洁，刘明童，徐金安，陈钰枫. 基于Gate机制与BiLSTMCRF的汉语语义角色标注[J]. 计算机与现代化, 2018, 0(04): 1-.

基于遗传退火算法的飞机定检原位工作流程优化

Optimization of Plane’s Primary Periodic Maintenance Workflow Based on Genetic Annealing Algorithm

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价