基于神經(jīng)網(wǎng)絡(luò)算法的材料質(zhì)量監(jiān)控平臺(tái)及資源調(diào)度算法探究

摘 要：當(dāng)前，計(jì)算機(jī)技術(shù)在材料質(zhì)量監(jiān)控平臺(tái)的建設(shè)中雖然發(fā)揮了重要的作用，但市場(chǎng)的材料質(zhì)量監(jiān)控平臺(tái)及其資源調(diào)度效率低下，導(dǎo)致材料質(zhì)量監(jiān)控效果并不理想。本文基于神經(jīng)網(wǎng)絡(luò)算法的材料質(zhì)量監(jiān)控平臺(tái)及資源調(diào)度算法進(jìn)行了探究，提出了神經(jīng)網(wǎng)絡(luò)算法以及資源調(diào)度算法，建立材料質(zhì)量監(jiān)控平臺(tái)模型構(gòu)建了農(nóng)業(yè)質(zhì)量監(jiān)控資源調(diào)度平臺(tái)，優(yōu)化四方面，對(duì)資源調(diào)度算法進(jìn)行了深入研究。本文根據(jù)材料質(zhì)量監(jiān)控平臺(tái)特點(diǎn)，對(duì)七資源調(diào)度算法進(jìn)行了優(yōu)化，這對(duì)提高材料質(zhì)量有很大的幫助。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；材料質(zhì)量；監(jiān)控平臺(tái)；資源調(diào)度；算法

1.引言

生鮮材料質(zhì)量監(jiān)控平臺(tái)的構(gòu)建涉及多個(gè)方面的目標(biāo)，包括很多個(gè)體材料質(zhì)量，因此影響材料質(zhì)量節(jié)點(diǎn)數(shù)量多，監(jiān)控效果至關(guān)重要（Scott A B et al.2017）[1]。生鮮材料質(zhì)量從檢測(cè)到監(jiān)控之間包括不同的資源調(diào)度因素，在整個(gè)過(guò)程中要保證產(chǎn)品的質(zhì)量安全和不同環(huán)節(jié)的銜接，這也給生鮮材料質(zhì)量監(jiān)控平臺(tái)的建構(gòu)增加了挑戰(zhàn)（Beghelli FGDS et al.2016）[2]。此外不論從材料質(zhì)量監(jiān)控本身的特點(diǎn)來(lái)看還是從其質(zhì)量監(jiān)控平臺(tái)建立方面來(lái)看，當(dāng)前材料質(zhì)量監(jiān)控平臺(tái)算法的可靠性會(huì)直接影響其質(zhì)量監(jiān)控效果的有效性。因此利用神經(jīng)網(wǎng)絡(luò)算法，對(duì)材料質(zhì)量監(jiān)控平臺(tái)的建立以及其資源調(diào)度算法的優(yōu)化而言，具有高效可靠性，能有效解決當(dāng)前材料質(zhì)量監(jiān)控存在的問(wèn)題（Papias S et al.2018）[3]?；谝陨戏治觯芯炕谏窠?jīng)網(wǎng)絡(luò)算法的材料質(zhì)量監(jiān)控平臺(tái)及資源調(diào)度算法具有一定的意義。農(nóng)產(chǎn)品質(zhì)量的監(jiān)控效果的好壞直接影響著農(nóng)產(chǎn)品企業(yè)的長(zhǎng)期健康發(fā)展。近年來(lái)，越來(lái)越多農(nóng)產(chǎn)品電商企業(yè)日益加大對(duì)農(nóng)產(chǎn)品質(zhì)量監(jiān)控平臺(tái)的建設(shè)，從而不斷優(yōu)化其資源調(diào)度算法，從而以提升市場(chǎng)競(jìng)爭(zhēng)力。如美國(guó)的 Local Harvest、亞馬遜，我國(guó)的京東商城、順豐優(yōu)選等。Local Harvest為消費(fèi)者提供地圖檢索系統(tǒng)方便其選購(gòu)本地農(nóng)產(chǎn)品，亞馬遜還提出了門外、在家配送兩種生鮮配送方式以確保農(nóng)產(chǎn)品的質(zhì)量得以有效地監(jiān)控。在食品消費(fèi)結(jié)構(gòu)和網(wǎng)絡(luò)消費(fèi)方式的作用下，借助智能化的神經(jīng)網(wǎng)絡(luò)算法，對(duì)農(nóng)產(chǎn)品質(zhì)量監(jiān)控平臺(tái)的建立有著重要的完善作用（Amodio M L et al.2016）[4]。國(guó)內(nèi)外學(xué)者對(duì)農(nóng)產(chǎn)品質(zhì)量的發(fā)展開展了一些研究，涉及監(jiān)控平臺(tái)的建立、資源調(diào)度算法等方面。有學(xué)者認(rèn)為工業(yè)結(jié)構(gòu)、產(chǎn)品復(fù)雜性和交易門檻會(huì)影響農(nóng)產(chǎn)品質(zhì)量監(jiān)控平臺(tái)的建立（Joshi N et al.2016）[5]。他們?cè)诖嘶A(chǔ)上提出社會(huì)經(jīng)濟(jì)因素、消費(fèi)者偏好、農(nóng)產(chǎn)品質(zhì)量等因素（Bhuiyan M Z A et al.2017）[6]還有學(xué)者總結(jié)了農(nóng)產(chǎn)品質(zhì)量監(jiān)控資源調(diào)度算法的優(yōu)化等方面的發(fā)展趨勢(shì)，提出了資源調(diào)度優(yōu)化算法（Teta R et al.2017）[7]。近年來(lái)，我國(guó)學(xué)者對(duì)農(nóng)產(chǎn)品質(zhì)量研究在已有的研究更側(cè)重于理論層面的分析，其中新聞報(bào)道占大多數(shù)，缺乏基于數(shù)據(jù)的分析和有效的模型論證（Donnelly A et al.2016）[8]。農(nóng)產(chǎn)品質(zhì)量監(jiān)控平臺(tái)建立、資源調(diào)度算法優(yōu)化等方面尚處于研究階段，可供借鑒的文獻(xiàn)有限。

2.實(shí)證分析

基于上文提出的算法，我們首先進(jìn)行最小可靠度不同的仿真。系統(tǒng)中各單元的最小可靠度不同，其他條件相同，分析對(duì)可靠性分配的影響。系統(tǒng)中各環(huán)節(jié)的重要度系數(shù)，復(fù)雜度系數(shù)=0.6以及最大可靠度Ri，min=0.99，R*=0.83，當(dāng)最小可靠度不同時(shí)，即R1，min=0.8，R2，min=0.85，R3，min=0.9。利用Matlab進(jìn)行求解，得到各因素的分配值如表所示。

信息技術(shù)、設(shè)施設(shè)備、人員操作的可靠度分別較最小值增加了0.12_59，0.0894，0.0542，其中信息技術(shù)可靠度分配的值提高的最多。說(shuō)明在其他參數(shù)相同時(shí)，由于各單元最小可靠度不同造成了分配結(jié)果的不同。信息技術(shù)的原有可靠度最低，其可靠度分配的增加幅度最大。因此，在不考慮單元重要度和復(fù)雜度時(shí)，優(yōu)先提高可靠度最低的單元對(duì)整個(gè)系統(tǒng)的可靠度提高影響較大。最大可靠度不同的仿真。系統(tǒng)中各單元的最大可靠度不同，其他條件相同，分析對(duì)可靠度分配的影響。系統(tǒng)中各環(huán)節(jié)的重要度系數(shù)=1，復(fù)雜度系數(shù)ui=0.6以及最小可靠度Ri，min=0.85，R*=0.83，當(dāng)最大可靠度不同時(shí)，即Rl，max=0.95，R2，max=0.97，R2，max=0.99。利用Matlab進(jìn)行求解，得到各因素的分配值如表所示。信息技術(shù)、設(shè)施設(shè)備、人員操作的可靠度分別較最小值增加了0.0096，0.12，0.14，其中人員操作可靠度分配的值提高的最多。說(shuō)明在其他參數(shù)相同時(shí)，由于各單元最大可靠度不同造成了各單元可靠度分配結(jié)果的不同。人員操作的最大可靠度最大，其可靠度分配的增加幅度最大。因此，在不考慮單元重要度和復(fù)雜度時(shí)，優(yōu)先提高最大可靠度高的單元對(duì)整個(gè)系統(tǒng)的可靠度提高影響較大。重要度不同的仿真。系統(tǒng)中各單元的重要度不同，其他條件相同，分析對(duì)可靠度分配的影響。系統(tǒng)中各環(huán)節(jié)的復(fù)雜度系數(shù)ui=0.6、最小可靠度Ri，min=0.85，最大可靠度Ri，max=0.99，R*=0.83，當(dāng)重要度系數(shù)不同時(shí)，即=0.0012，=0.8075，=0.1913。利用Matlab進(jìn)行求解，得到各因素的分配值如表所示。信息技術(shù)、設(shè)施設(shè)備、人員操作的可靠度分別較最小值增加了0，0.14，0.1296，其中設(shè)施設(shè)備可靠度分配的值提高的最多。說(shuō)明在其他參數(shù)相同時(shí)，由于各單元重要度不同造成了各單元可靠度分配結(jié)果的不同。設(shè)施設(shè)備的重要度最大，其可靠度分配的增加幅度最大。因此，在不考慮單元最小、最大可靠度和復(fù)雜度時(shí)，優(yōu)先提高重要度高的單元對(duì)整個(gè)系統(tǒng)的可靠度提高影響較大。運(yùn)用Matlab的擬合曲線函數(shù)得到信息技術(shù)、設(shè)施設(shè)備以及人員操作三個(gè)影響因素可靠度增加引起的成本增加值。橫軸表示各影響因素的可靠度變動(dòng)，縱軸表示系統(tǒng)單位可靠度的變化所花費(fèi)的成本。由圖分析得知，由于不同單元的重要度不同，因此他們的可靠度變化引起的系統(tǒng)單位可靠度變化所花費(fèi)的成本也不同。

3.結(jié)論

本文構(gòu)建了材料質(zhì)量監(jiān)控平臺(tái)系統(tǒng)模型，并利用神經(jīng)網(wǎng)絡(luò)算法對(duì)模型進(jìn)行了仿真分析。首先簡(jiǎn)要回顧了目前的一些可靠性分配方法，并指出了現(xiàn)有方法中的局限性。其次在明確可靠性分配原則的基礎(chǔ)上構(gòu)建了材料質(zhì)量監(jiān)控平臺(tái)系統(tǒng)模型，模型以廣義成本函數(shù)為基礎(chǔ)，將分析的影響因素的重要度作為模型中的重要度系數(shù)，將各單元包含的影響因素?cái)?shù)量作為模型中的復(fù)雜度。模型考慮了重要度、復(fù)雜度，目標(biāo)函數(shù)是成本的最小化。選取數(shù)據(jù)，用本文構(gòu)建的可靠性分配模型同等分配法、考慮復(fù)雜度的資源調(diào)度算法計(jì)算的結(jié)果對(duì)比，證明了本模型的有效性和可行性。運(yùn)用模型進(jìn)行算例分析，單獨(dú)改變最大可行度、最小可行度以及重要度設(shè)定了不同的實(shí)驗(yàn)方案，分析實(shí)驗(yàn)結(jié)果，得到了相應(yīng)的結(jié)論。最后本文對(duì)生鮮材料經(jīng)營(yíng)企業(yè)提出了相應(yīng)的建議，希望這些對(duì)策能夠?yàn)樘岣卟牧腺|(zhì)量監(jiān)控平臺(tái)及資源調(diào)度算法的可靠性方面提供一些有效的支持。

參考文獻(xiàn)

[1]蔡冬林.農(nóng)村信用社資產(chǎn)風(fēng)險(xiǎn)的管理措施[J]，金融與經(jīng)濟(jì)，2010，1（2）：12-15.

作者簡(jiǎn)介：

趙遠(yuǎn)凱，湖南人文科技學(xué)院，能源與機(jī)電工程學(xué)院。