基于A*算法的舰船最佳航线选择

提出利用A^＊启发式搜索算法选择舰船最佳航线,对算法中利用的估价函数作了定量的描述。通过实例与传统的图搜索算法选择最佳航线进行比较,A^＊算法不仅减少了搜索的结点数目,而且搜索效率较Dijkstra算法可以提高30%～40％。     

寻求全局最优解的一个新的填充函数

该文通过构造一个新的填充函数来寻求一般无约束问题的全局最优解，且提出了所给填充函数的几个分析性质，并设计了一个填充函数算法．数值试验表明，该文的方法是有效的．     

集装箱船全航线预配优化模型与算法研究

集装箱船全航线配载问题属于NP-hard问题.为降低问题求解难度,提出了解决全航线配载问题的分解算法,即将配载问题分解为Bay位选择和Bay位中集装箱排序两个子问题.将Bay位选择看成是"装箱问题",以不同属性集装箱作为待装"物品",以船舶上的Bay位为箱子,以最优装箱(即使用箱子的数量最少)及集装箱在每个港口的倒箱数量最少为目标进行总布置配载;Bay位中集装箱排序是将Bay位选择阶段分配到不同Bay位的集装箱按某些规则进行排序,确定其在Bay位中的具体箱位.主要研究了Bay位选择阶段的模型及算法.实例模拟结果表明该方法可行,为集装箱船全航线配载优化提供了一个实用的模型.     

基于二阶段微粒群优化模糊C-均值算法的模糊聚类分析研究

针对常规动态聚类方法对初始聚类中心的敏感性和容易陷入局部最优的缺点等问题,提出了基于二阶段微粒群优化模糊C-均值算法(TPSOFCM),并将此算法与现有的模糊C-均值聚类算法和基于多阶段的模糊C-均值算法进行比较。该算法对Iris数据进行聚类,计算结果表明:该算法有较好的全局收敛性,不仅能有效地克服传统的模糊C-均值算法易陷入局部最优解的缺点,而且全局收敛能力优于模糊C-均值聚类算法和基于多阶段的模糊C-均值算法。     

适用于多峰函数优化的改进顺序生境遗传算法

针对标准顺序生境 (SN )算法在求解复杂优化问题时遇到的困难 ,提出了两种改进策略。一种策略是新的保存最优解策略 ,即在遗传算法的选择和杂交两个阶段之间 ,用已经找到的某些峰替代当前种群中最差的部分个体 ;另一种策略是对那些与已找到的峰相近或相似的个体采用较高概率进行变异 ,而不是将其适应值降低。将标准 SN算法与以上两种策略相结合 ,提出了 4种新 SN算法 ,还采用一个复杂欺骗性问题作为验证算法有效性的手段 ,结果说明 ,这些算法均能有效地找到该问题所有 32个全局峰     

一类积微分系统最优参数选择问题的数值算法

文章考虑了一类积微分系统最优参数选择问题,推导出目标函数的梯度计算公式,把最优参数选择问题当成数学规划问题利用逐步二次规划法（SQP）进行数值求解,并给出一致的算法．     

最短路问题的一种新动态规划算法

结合并行处理及顺序（逆序）递推算法的思想，对有循环不带负弧的有向图中特别指定的2个节点之间的最短路问题提出了一种新的动态规划算法，且新算法在搜索结果上与狄克斯拉（Dijkstra）标号算法相同，但因为新算法采用了双向递推的思想，因而其搜索速度明显优于Dijkstra标号算法。     

基于主附种群结构的遗传算法

介绍了一种基于新的变异算子多种群的新遗传算法，该算法可用来解决复杂的多峰函数优化问题．解决这些问题的传统遗传算法经常陷入局部最优，新算法引入一种新的基于主群、附属子群的结构可避免传统遗传算法难以克服的早熟收敛．在该结构中，主群采用新的变异算子来保持良好的群体分布，并促使较优模式的快速增长，附属子群设计在有限区域内获取局部最优．用搜索历史记录及主子群体通讯能减少搜索空间，以获取全局最优和几个局部最优．搜索局部最优和全局最优可用于多人脸检测以及路径寻优问题．实验表明，该算法已在几个复杂的多峰函数优化上取得了较好的结果．     

多峰函数寻优的微粒群算法

某些实际问题的优化目标是求所有的局部最优解，即求解多峰寻优问题，为了求解多峰优化问题，提出了改造的微粒群优化算法．尽量减少微粒群算法中的全局因素，从而增大其局部因素，同时采用变步长方法增加微粒的多样性．并给出了该算法的原理和步骤．仿真实验表明该算法概念清楚，计算简单，具有很好的局部寻优特性，可应用求解于多峰寻优问题．另外还给出了几个运算实例和与其它优化算法的比较．图表，表1，参9．     

基于传感器最优配置的故障检测观测器设计

提出一种基于传感器最优配置的故障检测观测器设计方法．针对线性时不变动态系统，给出了故障检测观测器设计问题以及基于传感器最优配置的故障检测观测器设计问题的描述．通过最优地选择测量变量，使满足系统测量成本最低的情况下，达到对故障具有尽可能大的灵敏度，而同时对未知输入信号的影响具有尽可能强的鲁棒性目标．仿真算例说明了设计方法及算法的有效性．     

面向绿色制造的金属表面热处理工艺规划决策问题研究

在对金属表面热处理工艺的资源环境特性和加工时间、加工质量、加工成本、资源消耗、环境影响5个绿色制造目标特性分析的基础上，对面向绿色制造的表面热处理工艺中的决策问题进行了研究，并结合某工件表面热处理加工中的热处理设备选择问题进行了案例分析。     

基于t函数的稳健变量选择方法

在已有研究的基础上,提出一种新的基于t函数的稳健变量选择方法.该方法通过惩罚估计方程中的惩罚函数达到变量选择的效果,方程中的权重矩阵和有界得分函数对自变量和因变量中的异常值有很好的限制作用,可同时达到稳健的变量选择和稳健估计.通过分析3种不同自由度的t函数性质,选取自由度为2的t函数,并与基于Huber函数的稳健变量选择方法进行比较.数值模拟结果表明,基于t函数的稳健变量选择方法在2种污染力度、3种污染方式的数据污染情况下,其稳健性均明显优于基于Huber函数的稳健变量选择方法.与参数估计效果相比,基于t函数的稳健变量选择方法优势更明显.     

灰色系统理论及量化分析法在枪械方案设计评价中的应用

为实现枪械设计整体快速化和智能化,将灰色系统理论应用到枪械设计方案量化分析评价中,研究了考虑评价指标权重以及灰关联分析的设计方案优选决策理论,在此基础上给出基准值区间变化方法对数据列因子的规范化预处理及依赖于设计目标自身的客观赋值法分配权重,进行加权灰色关联模型关联度计算,构建更为合理的设计方案评价指标体系和综合评价模型,实现了方案优选。对某枪械智能化方案评估系统的应用实例充分验证了该综合方法的可行性和实用性。     

稳健的变量选择方法及其应用

在已有的变量选择方法和稳健估计方法的基础上,提出了一种针对纵向数据的稳健的变量选择方法,通过模拟衡量其稳健性,并将其应用到一组实际的纵向数据分析中.模拟和实例分析结果表明,提出的稳健的变量选择方法在选择变量、估计变量系数的同时,对数据中可能存在的异常值有明显的抵抗作用.     

基于粗糙集理论的复方拆方研究

粗糙集理论是一种新的处理模糊和不确定性知识的数学工具，其主要思想就是在保持分类能力不变的前提下，通过知识约简，导出问题的决策和分类规则．因此，将粗糙集理论引入复方拆方，将有助于从复方配伍的动态性和不确定性的本质上去深入而确切地开展方剂配伍规律的量化研究，从而改变药味与药效之间的分离状态．     

双重路径决策中感应度的调节效应——基于多群组分析

为了理解消费者双重路径决策中路径间的分工与合作规律,通过对两项产品的数据拟合和多群组分析发现:第一,消费者的产品选购过程可以用二阶段的双路径决策模型来描述;第二,在整个产品选购过程中,低感应个体属于恒定的"双路径并重型选购者",而高感应个体属于"单路径偏倚交替的选购者";第三,感应度是影响消费者决策模式的一个有潜力的变量,它在前后两个阶段中对于两个路径的使用比重起到恰好相反的调节作用。这些发现揭示了消费者对于商品信息的路径反应规律,它对于广告沟通策略具有应用价值。     

技术方案综合评价的多维变权分析

多因素决策方案的综合评价一般采用加权方法,而各因素的权重又随它们各自水平的变化而变化,因此需采用多维变权进行分析.最优方案的选定在很大程度上取决于决策方法以及权系数,其选择的恰当与否直接影响最优方案的选择.本文用变权的思想和方法分析研究了多维技术方案的综合评价,这对选择和确定最优技术方案有重大意义.     

底水油藏水平井堵水选井决策方法

 针对底水油藏水平井水淹问题,研究了水平井堵水选井决策方法。考虑对水平井水淹有重要影响的地质因素和开发因素,确定了底水油藏水平井堵水选井决策指标体系。利用专家系统知识的不确定性表示方法,对各指标进行量化表征,应用模糊综合评判建立了堵水井选择的优化模型,根据变权多因素多级决策结果,筛选综合指标较高的井作为堵水井。该方法能够综合考虑影响油井水淹的各种因素,规避奇异因素的影响,使堵水井的选择结果更加科学合理。     

基于结构模型的调度员工作负荷优化研究

高铁调度指挥中心承担着对铁路上运行车次的运行状态监督和综合调度工作,同时还需负责控制铁路上的车流,确保各项平衡,在保障行车安全方面发挥着不可替代的作用。在高铁铁路非正常行车的应急场景下,调度人员需要迅速、正确地针对突发事件进行应急处置的操作,对列车的安全运营起着决定性的作用。本文以高铁调度员在应急处置时认知决策过程为研究对象,利用实验室仿真实验平台,面向非正常行车的应急场景,设计了认知决策机理模型的结构及对应测量模型的数据采集方法。基于信息处理模型,结合知觉负载理论和情景意识概念,增添脑力负荷元素,建立面向高铁调度员的认知决策机理模型。针对脑力负荷的评估,设计并采用了一种特征选择和支持向量回归(Support Vector Machine, SVM)参数选择联合优化的粒子群算法,对基于多源生理信号的支持向量回归模型的训练过程进行优化,综合运用信号处理理论及数学方法,针对脑电、心电和眼动三类生理信号提取各自的数据特征。对结构方程模型进行拟合,研究脑力负荷与注意力和工作记忆之间的关系,对后期调度员工作负荷及适岗能力优化更具实用价值。     

Clementine软件功能缺陷分析

Clementine是有效的数据挖掘工具之一,能快速建立模型应用于商业活动的辅助决策,目前已得到了广泛的应用.通过理论和实例数据分析,具体指出Clementine软件中离群点检测、特征选择、抽样等节点预测结果存在很大的缺陷,效果并不理想.