[MATLAB仿真]基于Matlab无刷直流电机系统仿真建模的新方法.docVIP

?1758? 系 统 仿 真 学 报 Vol. 15 No. 12 Dec. 2003 根据专家经验确定了如下四个决策， 当项目拖期且整个 费用不高时，倾向于进行决策 1；当项目提前且整个费用较 高时，倾向于进行决策 2；当整个费用很高时，倾向于进行决 策 3；如果项目基本按期完成且费用较低，倾向于进行决策 4。 决策 1：增加投入，从而达到满足工期的要求。决策 2： 延长完工时间，从而达到降低费用的要求。决策 3：改变选 择方案，从而降低总费用。决策 4：保持所有的工作不变。 设 μ Dk 是决策 Dk（k=1,2,3,4）的模糊隶属度，考虑四个模糊 规则对决策的影响，得到： 规则 1： μ 规则 2： μ 规则 3： μ D1 D1 D1 ~ ~ 5 结论 本文用软计算方法解决了全球竞争环境下敏捷制造动 中态联盟盟友选择问题。 全面考虑了此类问题中各种因素， 开创性地设计了针对此类问题的 0－1 混合规划数学模型， 并根据专家知识库定义了问题的模糊判断因素、 规则和决策 方法，采用软计算算法对模型进行了求解。 结果表明：数学模型客观、全面地描述了实际问题，具有科 学性、实用性和可行性；软计算改进了传统 GA 的遗传机制，计 算效率比 GA 明显增高。 今后拟对模糊因素、规则和决策的建立 原则及方法作深入分析和研究； 并考虑在动态联盟建立后，如何 利益分配、风险分担以及联盟解体时的财务清算等问题。 表 2 软计算方法与一般遗传算法的对比结果 工作数 算法 CPU时间 达优率 最优值 平均值 16 20 30 40 SC GA SC GA SC GA SC GA 26 26 151 145 439 490 450 490 100% 62% 99% 51% 93% 40% 71% 35% 356 356 421 421 678 678 745 745 360 365 440 469 699 732 987 1163 最大值 369 422 449 521 711 795 1012 1201 ~ = μ c~ ? μ ~ ； F1 F2 = μ ~ ? μ c~ F1 F2 F2 ~ ； = μ~ ?μ F1 F2 ~ ?μ~ ； F3 μ 规则 4： 一个算子） D1 ~ = ?μ c ?μ ~ 。 （ 其中 μ = 1 ? μ ， ?是 F3 ? ? 选择 λ = max ? μ ~ , μ ~ , μ ~ , μ ~ ? ， 方案 λ 即经过 ? D1 D 2 D3 D4 ? 模糊决策选择出的优化方案。 3.3 软计算算法基本思想 该算法的基本思想是：①用 GA 进行初始化；②利用模 糊决策运算， 进行项目调度； ③回到 GA 作遗传和变异运算； ④重复步②和步③直到满足终止条件。 参考文献： [1] Wang DW, Yung KL, Ip WH. A heuristic genetic algorithm for subcontractor selection in a global manufacturing environment [J]. IEEE Transactions on Systems, Man, and Cybernetics-Part C: Applications and Reviews, 2001, 31: 189-198. [2] Deto Y, Ovaska S. Industrial applications of soft computing: A review [J]. Proceedings of the IEEE, 2001, l89(9: 1243-1264. [3] 曹红医, 汪定伟. .动态联盟中的风险分析 [R]. 东北大学系统工程研 究所研究报告, 2000. [4] 衣杨, 汪定伟. 并行多机成组工作总流水时间问题的研究[J]. 计算 机集成制造系统-CIMS, 2001, 7:7-11. [5] 衣杨, 汪定伟. 基于模糊规则的 GA 求解成组调度 [J]. 系统仿真学 报, 2001, 13(5: 552-557. [6] 方述诚, 汪定伟. 模糊数学与模糊优化[M]. 北京: 科学出版社, 1997. 4 仿真结果分析 利用 C，在 PII 400，64ROM 上，随机选取不同规模的 盟友选择问题进行运算，将传统 GA 与 SC 的运算结果进行 了比较，结果如表 2 所示，其中 pc=0.9，pm=0.1。可以看出 对于小规模问题，两种方法的结果和运算时间差别不大；对 于大规模问题， SC 的达优率明显好与 GA, 两种算法所耗时 间基本相同。 （上接第 1749 页） [5] Pillay P, Krishnan R. Modeling, simulation