基于改进遗传算法的电子产品CTO订单推荐

发布时间：2021-05-20 22:41

　　电子产品涉及的配件较多,每种配件均有多种品牌与型号,给CTO订单的确定带来较大的困难。针对上述问题,以功能定位目标贴近度为优化目标,加工成本和产品功耗为约束条件,建立了一种电子产品CTO订单推荐（CTO order recommendation, CTOR）模型,并提出一种改进的遗传算法来求解该模型。仿真结果验证了改进算法的有效性:自适应遗传算子提高了算法的收敛精度和速度,而种群的多样性维护策略在一定程度上降低了算法陷入局部最优的可能性。 

【文章来源】：桂林理工大学学报. 2020,40(02)北大核心

【文章页数】：6 页

【文章目录】：
0 引 言
1 电子产品CTOR模型
    1.1 功能定位目标贴近度
    1.2 CTOR模型
2 改进遗传算法求解CTOR模型
    2.1 简单遗传算法
    2.2 自适应遗传算子设计
        2.2.1 交叉算子设计
        2.2.2 自变异算子设计
    2.3 种群多样性检测与维护
    2.4 求解CTOR模型
3 实验仿真与分析
    3.1 实验环境与参数取值
    3.2 实验结果分析
4 结 论


【参考文献】：
期刊论文
[1]基于改进蚁群优化算法的服务组合与优化方法[J]. 沈记全,罗常委,侯占伟,刘志中.  计算机工程. 2018(12)
[2]R-dPSO算法及其在ATO控制策略中的应用[J]. 胡震,邹德旋,张旭.  计算机工程与应用. 2018(24)
[3]云制造环境下个性化产品配置研究[J]. 童晓薇,曾思通,刘艳斌.  图学学报. 2018(06)
[4]面向产品配置设计的改进交互式遗传算法[J]. 朱佳栋,苏少辉,陈昌,刘桂英.  中国机械工程. 2018(20)
[5]按单设计型复杂产品的配置设计技术综述[J]. 王建,黎荣,武浩远,丁国富,郑宇飞.  计算机集成制造系统. 2020(02)
[6]基于种群多样性的自适应遗传算法优化仿真[J]. 刘芳,马玉磊,周慧娟.  计算机仿真. 2017(04)
[7]基于遗传算法的杨赤中插值权系数解算[J]. 陈天伟,卢献健,杨子江.  桂林理工大学学报. 2015(03)
[8]考虑客户感性需求下的产品模块化配置方法[J]. 韩煜东,刘伟,伊辉勇.  计算机辅助设计与图形学学报. 2015(07)
[9]大规模定制型企业需求不确定下订单优化配置[J]. 陈淮莉,李丹妮,郑建华.  上海海事大学学报. 2013(04)
[10]大规模定制中产品配置的蚁群优化算法[J]. 杜浩明,张爱新,阮文华,景向阳.  上海电机学院学报. 2012(03)



本文编号：3198556