摘要：分析了现有工艺设计与生产调度的集成方式,包括柔性工艺设计、动态工艺设计、基于仿真的工艺设计、及并行工艺设计,讨论了各集成方式的优缺点,在此基础之上提出了基于协同优化的工艺设计与生产调度并行集成模型,并讨论了该模型的核心技术,即基于免疫遗传算法的工艺及调度方案协同优化。

摘要：由于计算机内存资源限制,分类器组合的有效性及最优性选择是机器学习领域的主要研究内容。经典的集成分类算法在处理小数据集时,拥有较高的分类准确性,但面对大量数据时,由于多基分类器学习、分类共用1台计算机资源,导致运算效率较低,这显然不适合处理当今的海量数据。针对已有集成分类算法只适合作用于小规模数据集的缺点,剖析了集成分类器的特性,采用基于聚合方式的集成分类器和云计算的MapReduce技术设计了并行集成分类算法(EMapReduce),达到并行处理大规模数据的目的。并在Amazon计算集群上模拟实验,实验结果表明该算法具有一定的高效性和可行性。

摘要：并行工程作为一个新的设计哲理在工程实践中的实现手段不尽相同，本文中我们提出了ＣＡＤ／ＣＡＰＰ并行集成概念，并开发了原型系统ＣＥＣＡＤＰ，初步实现了一种并行设计的运作模式。

摘要：为了解决传统方法不能按照训练样本量设计最优网络模型,集成效率低的弊端,通过机器学习方法研究数据库小数据集并行集成方法。机器学习选用朴素贝叶斯算法,依据条件独立性假设,通过计算目标先验概率,采用贝叶斯定理求出其后验概率,对后验概率进行比较,完成决策分类,对基分类器进行训练,把不同朴素贝叶斯基分类器当成集成分类器,在原始数据库上对基分类器进行训练,依据分类结果对数据库中小数据集样本分布进行调整,将其当成新数据集对基分类器进行训练,按照基分类器的表现,通过加权将其组合在一起,产生强分类器,实现对数据库小数据集的集成处理。通过MapReduce并行处理完成并行数据集成,输出并行集成结果。通过仿真实验与实例分析验证所提方法的有效性,结果表明:所提方法在训练样本规模相同的情况下有最高的分类精度和最小的波动,在不同集成规模下的分类精度一直最高,波动最小;所提方法可达到数据的最优集成,数据失效比降低,合成比提高。可见所提方法集成精度高,计算稳定性强,集成效果好,效率优。

摘要：在液压缸并行设计系统中，提出了ＣＡＤ ＣＡＰＰ并行集成的思想，认为零件设计与工艺设计是一个宏观上并行，微观上串行的过程。应用特征技术建立了面向并行集成环境的零件模型；建立了基于知识的工艺决策；给出了面向并行集成环境的ＣＡＰＰ系统的总体结构和信息需求；实现了面向并行工程的液压缸ＣＡＰＰ系统。

摘要：本文根据设计行为分析,提出了从初始设计阶段的功能建立特征信息描述框架,区分特征信息层次,建立抽象与具体特征信息的匹配关系,实现CAD/CAM的并行集成。