基于GWO-SVR和改进SA算法的知识-业务配置

TP391.1%F270; 为解决业务流程下业务单元与知识资源配置分离的问题,提出一种基于灰狼算法优化支持向量回归(GWO-SVR)和改进模拟退火算法(SA)的知识-业务优化配置策略.该策略基于用户需求和业务情景分析,将知识资源封装为知识模块.在此基础上,通过配置器作用实现知识模块与业务单元间的初始配置.然后,依据知识模块评价指标参数分析,构建综合评价指标体系,并运用CRITIC-模糊综合评估法得到知识-业务配置组合评价量表;基于此评价量表,构建和训练基于GWO-SVR的知识-业务配置组合动态评价模型.由于GWO-SVR是回归模型,可将该训练好的模型的函数关系式作为改进SA算法优化的目标函数导...

Full description

Saved in:
Bibliographic Details
Published in计算机集成制造系统 Vol. 30; no. 1; pp. 269 - 288
Main Authors 叶晨, 战洪飞, 余军合, 王瑞
Format Journal Article
LanguageChinese
Published 宁波大学机械工程与力学学院,浙江 宁波 315211 31.01.2024
Subjects
支持向量回归
support vector regression
灰狼算法
knowledge service
模拟退火算法
simulated annealing algorithm
grey wolf optimizer
knowledge-business configuration
知识-业务配置
知识服务
知识模块
knowledge module
Online AccessGet full text

Cover

More Information
Summary:TP391.1%F270; 为解决业务流程下业务单元与知识资源配置分离的问题,提出一种基于灰狼算法优化支持向量回归(GWO-SVR)和改进模拟退火算法(SA)的知识-业务优化配置策略.该策略基于用户需求和业务情景分析,将知识资源封装为知识模块.在此基础上,通过配置器作用实现知识模块与业务单元间的初始配置.然后,依据知识模块评价指标参数分析,构建综合评价指标体系,并运用CRITIC-模糊综合评估法得到知识-业务配置组合评价量表;基于此评价量表,构建和训练基于GWO-SVR的知识-业务配置组合动态评价模型.由于GWO-SVR是回归模型,可将该训练好的模型的函数关系式作为改进SA算法优化的目标函数导入,通过寻优迭代找到最优值对应的最优组合方案,实现满足业务需求的知识资源最优配置.以减速器箱体加工为例进行验证,证明了所用模型和算法的有效性.
ISSN:1006-5911
DOI:10.13196/j.cims.2021.0525