社会网络下更新产品扩散的投放时机和种子优化

近年来，更新产品的延期投放成为许多企业的产品运营策略。目前关于产品投放时机的研究主要基于Bass模型，假定同质用户，没有考虑具体的社会网络，也没有优化初始的投放种子选择。基于社会影响力最大化模型的更新产品投放时机和种子优化问题：在一个已存在旧产品的社会网络 中，产品以扩散模型 的形式传播其影响力，但更新产品投放时旧产品停止扩散，如何选择投放阶段 和 个更新产品的种子使得新旧产品利润之和最大化。在本文的扩散模型中，如果用户来自已购买产品的邻居影响力超过某一确定阈值，则该用户保持激活并影响其未激活邻居，当未有新的激活用户时停止扩散。本文建立了更新产品扩散的投放时机和种子优化问题的整数规划模型，设计了求解大规模问题的多阶段贪婪算法。计算实验显示，相比传统贪婪算法，该算法具有更高的求解效率，相比度数下降算法、随机算法，该算法具有更好的求解质量。同时在一个真实网络中进行扩散模拟，发现：更新产品利润小、种子数量少、计划阶段限制大时，延期投放容易使厂商获得更高的利润和市场效果。     

一种基于神经网络的通信中继网路生成算法

本文利用人工神经网络原理及平均场近似动态分析方法探索了在网络总体费用最小准则下 生成城市电话通信网中继网路结构的算法。给出了适合于中继网路生成问题求解的神经网络结构，推导了网络运行方程并给出了相应的模拟结果。     

考虑蓄意攻击的第四方物流弹性网络设计模型

研究考虑蓄意攻击的第四方物流弹性网络设计问题.建立一个双层的第四方物流网络设计优化模型,上层模型确定网络结构,并在一定弹性水平下最小化网络成本,下层模型则通过选择攻击策略来最大化网络的攻击效果.设计了双层优化算法,上层概率解发掘算法求解网络设计问题,下层迭代局部搜索算法求解最优的攻击策略.最后,仿真实验结果表明模型的合理性和算法的有效性.     

基于配队蚁群算法的QoS组播路由方法

QoS组播路由是网络信息传输的一项关键技术,提出了一种配队蚁群算法对该问题进行求解。算法以满足约束条件下的组播分解、策略控制下的组播树生成为基本思想;定义了扩展组播树,并改进了蚁群算法的信息素更新策略,使之更适合于组播问题的求解。仿真实验表明,该算法能快速搜索并收敛到全局(近似)最优解,且随着网络规模的增大算法保持了良好的特性。     

高斯介质粗糙表面电磁散射的高阶基尔霍夫法

针对基尔霍夫近似(KA)求解精度的问题,提出了一种均方高度高阶级数展开的改进算法。该算法基于粗糙表面斜率的零阶展开和二阶展开近似,得到了考虑斜率效应的高阶KA的求解结果。通过阴影函数的修正有效补偿了在大入射角下散射系数计算的偏差。分析了考虑斜率效应及阴影函数时的后向增强现象,通过数值计算比较证明了该算法的有效性。     

基于深度可调节节点的水声网络部署优化算法

为提高网络的有效覆盖率,提升对目标区域监测的质量,提出一种基于深度可调节节点的水声网络部署优化算法。算法中节点通过深度调节形成以sink节点为根节点的树形拓扑结构,实现网络的全连通。以最大化有效覆盖为目标,以保证节点间的有效连通为约束条件对节点覆盖的最优位置进行求解,优化节点部署。仿真结果表明,所提算法较基于voronoi图的深度调节算法和传感器节点深度调节进行自我部署，以实现最大化覆盖的部署算法。两种基于深度调节节点的算法实现了有效覆盖率的明显提升,在节点数量为60、感知半径为0.8 km时,有效覆盖率分别提高了11.87%和12.59%。同时网络中节点的平均连通度更高,拓扑结构更稳定,在动态的水声网络中性能更好。     

基于匈牙利-模拟退火算法的多阶段武器目标分配方法

针对现代化战争中远程精确制导武器成本高昂以及武器发射平台数量有限的问题，研究了多阶段武器目标分配问题，以最小化武器成本为优化目标，建立了混合整数非线性规划模型。设计了一种集成匈牙利和模拟退火的混合智能搜索算法，首先根据待攻击目标的时空状态与毁伤特性确定打击阶段、标记可松弛性。在模拟退火的框架下，基于目标的松弛性调整攻击阶段，再通过匈牙利算法计算每个阶段武器和目标的精确匹配方案。通过启发式算法和精确求解技术的结合，在保证求解质量的前提下，极大减少了计算时间。通过计算实验，与变邻域搜索算法进行了对比分析，验证了该算法在求解多阶段武器目标分配问题的有效性。仿真结果表明，所提算法在计算时间和求解效果上优于变邻域搜索算法。     

认知MIMO雷达发射波形与接收滤波器联合优化设计方法

为了突破传统雷达的性能瓶颈，具有发射端自适应机制的认知雷达成为了研究热点，其中发射波形优化设计是认知雷达的核心组成。为了提升机载平台下对运动目标的检测能力，考虑了多输入多输出雷达中发射波形与接收滤波器的联合设计问题，并使用交替优化方法进行求解。在求解最优接收滤波器时，优化问题被建模为经典的广义瑞利熵问题，对此使用最小方差无失真响应方法进行求解以避免特征值分解运算。在设计最优发射波形时，在最大化信杂噪比的准则下建立目标函数，并引入工程常用的恒模约束条件，最终将波形设计问题建模成一个非凸的优化问题。对此，经典的求解方法是先使用近似手段松弛恒模约束，然后使用Charnes-Cooper变换进行求解。区别于经典方法，提出一种基于信杂噪比近似的优化算法以减少计算复杂度。实验结果表明，所提方法不仅具有更快的收敛速度，还可以实现更优的信杂噪比增益性能。     

资源受限项目组合选择及调度的双层决策方法

在资源受限条件下,综合考虑项目选择与项目调度,以最大化项目组合收益为目标函数,建立了一般化的资源受限项目组合选择及调度问题的数学模型。针对问题特性,设计了双层决策方法用于求解该问题。上层决策采用改进的蚁群优化算法求解项目组合选择问题,下层决策则采用基于优先规则的多项目调度启发式算法。采用实验设计方法系统生成24个项目组合选择与调度问题实例,对算法效果进行了对比检验。结果表明:所设计的双层决策方法对于项目组合选择及调度问题具有较好的求解效果;所建立的数学模型与解决方案能够为决策者提供平均收益更高的项目组合。     

基于IFOA-SA-BP神经网络的雷达信号识别

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm, IFOA)和模拟退火(simulated annealing, SA)算法相融合并用于优化反向传播(back propagation, BP)神经网络的雷达信号识别算法。首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征。然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正。最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和阈值,并用此网络进行雷达信号的分类识别。通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性。     

基于IFOA-SA-BP神经网络的雷达信号识别

为提高雷达信号的识别率,提出一种改进的果蝇优化算法(improved fruit fly optimization algorithm, IFOA)和模拟退火(simulated annealing, SA)算法相融合并用于优化反向传播(back propagation, BP)神经网络的雷达信号识别算法。首先,该算法提取雷达信号的调和平均盒维数、信息维数和差分近似熵特征作为信号识别的三维特征。然后,改进果蝇优化算法的寻优步长并添加逃脱系数以修改适应度函数,同时引入三维空间的搜索概念扩大果蝇的搜索范围,再对果蝇算法所求解的接受机制通过SA算法进行修正。最后,将融合后的算法IFOA-SA用于优化BP神经网络得到网络最优的初始权值和阈值,并用此网络进行雷达信号的分类识别。通过与BP和FOA-BP进行对比,结果表明IFOA-SA-BP能够提高雷达信号的识别率,证实了该算法的有效性。     

用遗传算法求解DCPM问题

本文将遗传算法引入网络计划技术领域，详细分析了如何用遗传算法求解决策关键路线法(DCPM)问题，并给出了一种求解算法的具体步骤。该算法不用基于领域知识的规则，具有很强的通用性与鲁棒性。通过实例试算验证了该算法的有效性。     

多模式枢纽网络中高铁与航空票价优化模型

针对高铁和航空共存的客运枢纽网络,考虑枢纽机场容量,建立了求解多模式枢纽网络中高铁和航空的最优票价问题的双层规划模型,其中上层最大化航空和高铁各自的利润,下层是竞争市场中的随机用户均衡,为求解该模型,设计了基于灵敏度分析的启发式算法.最后,利用实际枢纽网络的算例验证了模型和算法的有效性.结果表明,当枢纽机场容量限制增强时,利润贡献最大市场的票价变化幅度最小,所以枢纽容量应优先满足该市场需求.     

战场环境下多无人机时敏任务动态分配算法

时敏目标呈现的持续时间和出现空间不稳定等特点加大了无人机编队任务分配难度,将影响无人机编队的任务执行效果。针对该问题,在Leader-Follower编队结构下提出一种多无人机时敏任务动态分配算法,实现战场环境下多架无人机对多个时敏目标的打击。该算法在时敏目标时间窗口约束下,通过综合评估目标威胁代价、距离代价、任务执行时间、毁伤能力和打击收益完成编队任务动态分配,保证了无人机编队打击多个时敏目标的效能最大化。仿真结果证明了该算法的有效性。     

一种针对开沟布线问题的混合遗传算法

开沟布线问题(CTP)可以看作最小生成树问题(MST)和最短路问题(SP)的组合而成的组合优化问题.提出适合软件包求解的整数非线性规划模型(INLP)和适合求解大规模问题的混合遗传模拟退火算法(hybrid algorithm,HA),并通过运算实例对两种优化方法的性能加以验证.对实例运算结果的分析,表明这两种新的优化方法可以在问题规模较小时快速找到最优解;规模较大时也可在较短的时间内得到较好的近似解(通过HA实现).     

最优聚丛原理与聚丛法求解旅行商问题

最优聚丛原理是解决算法集和演算集极小化问题、NP完全问题的一个基本的计算复杂性原理 ,引入了稠密、有洞算法概念。以此为基础 ,提出了GED聚丛法 ,它是几何算法G、生态算法E和判定问题D的近似演算等三方面合力求解旅行商问题 (TSP)的方法。给出了求解TSP流程及实例 ,计算结果验证了该原理和方法的正确性和精巧性。     

基于量子遗传算法的港口目标瞄准点选择

使用多枚巡航导弹攻击港口目标时,瞄准点选择非常关键,传统方法所用模型较为简单、算法较为耗时。为此,根据港口子目标幅员特性,构建矩形化子目标,并按离差最大思想赋予威胁指数。从毁伤效果出发,以毁伤下界为限,构建港口目标威胁消除模型。将量子理论引入遗传算法,构建量子遗传融合算法,并用其求解瞄准点分布。仿真结果表明,得出的瞄准点具有较高可靠性,验证了模型的有效性,所用算法能在短时间内找出最优解,提高了解的收敛速度。     

基于模拟退火遗传算法的编队对地攻击火力分配建模与优化

针对编队对地攻击火力分配的特点,围绕效费比最大化目标,以毁伤下界为约束,建立了基于模拟退火遗传算法的编队对地攻击火力分配模型。模型从两个阶段分别实现编队对地攻击的效用最大化和费用最小化。利用遗传算法出色的全局选优能力和模拟退火算法优秀的局部搜索能力,构建了模拟退火混合遗传算法,并将其用于编队对地攻击火力分配求解中。仿真结果表明,该方法能以较快的速度求得最优解,得出的最佳火力分配方案符合作战要求,验证了模型的合理性和算法的可行性。     

成本与半径优化的设施选址问题

成本与半径优化的服务设施选址问题(CROFL)广泛应用于应急服务、快递、维修网络等领域,其特点是考虑了响应速度与服务价格、成本之间的关系,根据净收益最大化或者成本最小化的原则自动判断是否将偏远的"需求点"纳入服务半径之内,实现服务成本与服务半径的双重优化。建立了CROFL的混合整数规划模型,构造了求解平面CROFL的7.853+ε-近似算法,并提供了求解一般CROFL的Benders分解算法,计算实验显示,Benders分解算法具有非常高的求解效率与求解质量。     

分段平稳变结构DBN模型区域内的结构学习

为解决在有限的样本数据和缺乏先验知识条件下对非平稳随机过程进行建模的问题,提出分段平稳变结构动态贝叶斯网络(dynamic Bayesian network,DBN)的概念。在每一个平稳模型区域内,将模型近似表征为一阶条件独立DBN,稀疏的结构加快了DBN的学习过程。改进了基于标准马尔可夫链蒙特卡罗(Markov chain Monte Carlo,MCMC)的DBN结构学习算法,利用自适应增加的马尔可夫链个数,有效防止标准MCMC算法在寻优迭代计算中出现过早收敛。与标准MCMC算法、结构期望最大化算法等进行对比实验,验证了所提算法的有效性。