求解模糊机会约束规划模型的微粒群算法

针对现在不确定规划领域中存在的模糊机会约束规划模型和群智能优化方法-微粒群算法,提出了一种求解模糊机会约束规划模型的新混合智能算法.该算法利用微粒群算法并运用模糊模拟技术对模糊机会约束规划模型的规划问题进行分析和数值求解,因而无需像传统的基于遗传算法的混合智能算法那样需要很长时间并经过复杂的计算才能得到结果.通过对实际模型的分析和数值求解,给出了应用该方法的具体步骤,说明了该混合智能算法的合理性和有效性.     

实时粒子滤波跟踪算法及其实现

针对粒子滤波跟踪算法在视频跟踪中存在的计算复杂、计算量庞大,无法满足实时系统的应用需求,提出了实时粒子滤波跟踪算法.利用粒子滤波器潜在的数据并发特征,在集群环境下,设计并实现了分布式并行粒子滤波跟踪算法,给出了主从模式下的算法设计、数据划分、负载平衡及通信策略.实验结果表明,随着粒子数增加,计算量以幂指数增大,并行跟踪算法的执行时间明显减少,有效地提高了跟踪精度、降低计算时间,能够满足硬实时系统的时间约束.     

区间算法简介

近年来 ,国际上区间算法运用于计算科学和工程取得了一些显著成果 ,国内也开始了这方面的研究 .区间算法提出初衷是为了提高计算结果的可靠性 ,但是人们很快发现区间算法可以有更广泛的应用 ,如工程 ,金融等多方面 .区间算法对传统浮点算法进行了一个根本改革 ,它把计算的数存储为区间 ,并对这些区间进行运算 ,使避免浮点算法所产生的计算误差成为可能 .另外 ,区间算法使得区间参数能被直接包含在计算之中 ,这在实际应用里具有重要的意义 .区间算法是对浮点算法的一个有益补充 ,值得从事科技计算研究的工作者了解和应用.     

时序约束下科学工作流的动态调度研究

随着分布计算技术的迅速发展,利用广域分布的计算资源构建并执行科学工作流,已成为当前学术界和工业界关注的热点问题.为满足用户和计算控制机制的需求,往往需定义科学工作流的时序约束.但是,由于任务处理时间具有不确定性,在运行过程中容易出现时序违反.为保证科学工作流的正确执行,迫切需要能根据实时运行状态自动实现动态调度的方法.针对已有研究方法的不足,本文提出了一种基于遗传蚁群混合算法的科学工作流动态调度优化方法.首先,建立了时序约束下的科学工作流动态调度模型,该模型综合考虑了科学工作流的时间与成本优化目标,并融合了基于概率的时序约束满足性需求;然后,采用改进的遗传蚁群混合算法实现模型求解.该算法通过设计提高种群搜索导向性及保持种群多样性的策略,从求解精度及求解速度两方面提高了求解效率.最后,通过与现有方法的多组实验对比,说明了本文算法的优越性.     

双倍体差分进化粒子群算法在VRPSDP中的应用研究

针对粒子群算法和差分进化算法的不足,根据生物遗传学规律,提出了双倍体差分进化粒子群算法,并将其用于具有集送货需求车辆路径问题的求解中.个体有显性隐性两种状态,显性状态执行粒子群优化规则,隐性状态执行差分进化规则,通过比较适应度显性隐性可以互换.根据算法和问题特点,提出了一种实数编解码方案,使用启发式算法修正和改进算法结果.通过仿真实验,分析讨论了算法的参数,并与其他算法进行了比较,表明该算法是求解具有集送货需求车辆路径问题的有效方法.     

基于烟花算法的基站群协作计算卸载模型研究

车联网、AR、AI等计算密集、时延敏感型应用迅速发展,而移动设备因自身计算能力相对不足,执行此类应用任务时会因高时延而严重影响用户体验甚至无法满足用户需求.针对此问题,提出综合考虑时延与成本的多用户、多MEC (mobile edge computing)服务器的基站群协作计算卸载模型.并提出基于凸优化的改进烟花算法(...     

传感器网络中基于最小覆盖重叠的移动部署

为了优化随机部署的传感器网络的覆盖率,提出了基于最小覆盖重叠(MCO,Minimum Coverage Overlap)的分布式移动部署算法.算法执行时,每个节点根据获得的邻居节点位置信息,计算节点覆盖圆周上覆盖重叠的分布情况,并沿着最大程度减小覆盖重叠的方向移动.通过算法的迭代运行,使网络覆盖重叠程度尽量减小,从而最大限度的优化了网络的覆盖率.仿真结果表明,与基于Voronoi图的算法相比,MCO算法在覆盖率、移动效率、移动距离和部署时间等方面具有更高的性能.     

带时间窗和随机时间车辆路径问题: 模型和算法

研究带随机车辆旅行时间、服务时间以及时间窗的车辆路径问题.根据不同的优化目标, 首先给出了问题的两种数学模型描述:机会约束规划和带修正的随机规划模型. 为了有效地求解该问题,提出了基于禁忌搜索的启发式算法, 该算法考虑了问题的随机特性.在实验部分, 首先给出了产生 测试问题的方法,然后基于产生的测试问题给出了算法的计算结果.     

开放式车辆路径问题的蚁群优化算法

研究了开放式车辆路径问题,该问题中车辆在服务完最后一个顾客点后不需要回到车场,若要求回到车场,则必须沿原路返回.提出了一种混合蚁群优化算法,该算法主体是一个在超立方框架下执行的MAX-MIN蚂蚁系统,算法混合了禁忌搜索算法作为局部优化算法,同时算法集成了一个后优化过程来进一步优化最优解.基于标准测试问题,最后给出了算法同文献中其它算法的性能比较结果,计算结果表明本文提出的算法是一个有效的求解开放式车辆路径问题的方法.     

基于项目集格及位图索引的频繁项目集发现算法

以格论及位图索引技术为基础给出了一个新的频繁项目集发现算法.1)该算法利用有向图进行一次性数据预处理,在预处理过程中将数据库预先存贮为每个结点都用一个域来记录其支持度的项目集格,从而把复杂的频繁项目集的发现问题转化为图搜索问题,提高了频繁项目集发现过程的效率.2) 支持度计算是关联规则发现中I/O及计算开销都非常大,算法引入了位图索引技术,提高了项目集支持度的计算速度.存储完整位图需要较大空间,针对该问题算法对位图进行了分块管理并对其进行了有效的编码压缩;不仅可以有效地对原始位图进行有效压缩,另外也可以在较大程度上提高支持度的计算效率.最后,对算法进行了计算实验与分析.     

基于分数阶功率谱的LFM信号检测

从分数阶傅里叶变换与Winger-Ville分布的关系出发,推导出分数阶功率谱与模糊函数过原点切片之间的傅里叶变换关系,提出了一种基于分数阶功率谱的LFM信号检测新因子,并证明了该因子与RAT检测因子等价。基于新因子的检测只需计算信号一定角度区域内的分数阶功率谱就能实现检测,因此相比于RAT方法在计算量上具有比较明显的优势。     

新产品供应链的VMI寄售返利契约模型

市场份额和销售额是衡量新产品上市成功的重要指标,然而市场需求的严重不确定性是新产品供应链决策面临的主要困难. 文章利用部分需求信息刻画新产品需求特征, 设计了基于VMI的寄售返利契约的新产品推出方式并模型化. 引入鲁棒博弈方法, 分析了新产品供应链在"VMI+寄售+返利"模式下的合作改进效益. 通过比较研究发现: 该模式能有效控制新产品上市风险, 提高市场份额, 增强企业效益, 从而有效支持新产品入市.     

新产品发布与品牌社区网络动态演进

品牌社区以顾客间互动的方式进行产品知识和营销信息的创造与传播，在企业新产品开发和营销中得到了迅速发展。在企业发布新产品时，社区中用户的互动亦会随之产生一定的动态变化。基于小米社区中红米Note4/4X板块的互动数据对新产品发布后品牌社区网络的动态演进进行了研究。结果发现：社区网络属性与新产品传播相互影响，且在新产品发布时，社区核心边缘结构明显，核心用户汇聚新用户，但新用户持续参与可能较低；另外，整体来看，品牌社区用户结构较为松散，用户参与和互动程度较低。最后，社区中心化趋势明显，聘用用户在社区中能够起到重要作用。     

基于FA奇异测度的多重分形维分析

针对传统多重分形维算法中奇异测度的定义影响了计算速度,定义了一种新的奇异测度,并在研究相关函数和指数的特点之后,定义了基于该奇异测度的多重分形维算法。试验表明,该算法计算速度远远快于传统的盒计数维法,在实际舰船辐射噪声试验中能很好地区分不同的舰船。     

一种新型数据变换技术及其在GM(1,1)模型中的应用

针对灰色系统理论中的数据变换技术进行深入研究,从数据变换的机理入手,提出了数据变换的构造准则,在该准则的基础上构造出一种新型数据变换。通过对该新型数据变换若干性质的讨论验证了其满足数据变换的构造准则,并将该变换应用于GM(1,1)模型。通过具体的实例的计算表明,该变换能够提高GM(1,1)模型的预测精度,具有一定的实用性。     

属性添加情况下的概念格重构算法

研究在给定的形式背景下,通过逐步添加属性建造概念格的方法.一般地,初始概念格可由部分属性生成.当添加属性时,得到了新节点与它在原概念格中的直接父节点是一一对应的结论.证明了所有新节点在原概念格中的直接父节点,只可能在某个节点和它的子节点中.基于上述性质,给出了添加属性情况下的重建概念格算法.此算法的优点是生成新节点的范围小,构建概念格的速度快.     

一种构造径向基神经网络的新型IPL算法

提出了一种新型的IPL(incremental projection learning)算法。该算法通过调整网络参数,达到修正IPL 算子A的目的。与原来的IPL算法相比,新算法所需训练样本数较少,步骤简单,训练速度快。仿真结果表明,由 经过改进的。IPL算法得到的径向基网络结构相对简单,结果也较精确。     

均衡度与变权

针对常权综合模型不能满足决策人的“均衡”原则的缺陷 ,提出了均衡度的概念 ,建立了基于均衡度的综合模型 ,并利用均衡度给出了均衡函数的新的构造形式 .     

新能源发展对能源强度和经济增长的影响

新能源的开发和利用是解决能源短缺、环境污染等问题的重要途径, 是发展低碳经济的有效动力源. 本文从非线性动力学入手, 将新能源纳入节能减排演化系统, 分析了新能源对能源强度和经济增长的影响. 借助李雅普诺夫指数和分岔图分析了系统的动力学行为, 得到了新能源约束下的节能减排吸引子. 借助神经网络, 得到了满足中国情况实际系统的参数. 对实际系统进行实 证分析, 得到一些与实际符合的分析结果. 结果表明: 依靠新能源自身发展或单纯加大对新能源的经济投入, 并不能很好地控制能源强度. 当经济投入过大时会对经济发展带来很大的阻碍作用, 甚至给经济带来致命的影响. 加大包 括新能源在内的节能减排等的综合投入, 可以很好地降低能源强度, 当综合投入加大时, 开始对经济的阻碍也大, 但是随着系统的进一步发展, 当新能源发展成熟时, 这种投入对经济的促进作用也大. 利用数值仿真来展示这些结果.     

基于熵权的DRASTIC模型及其在地下水脆弱性评价中的应用

针对DRASTIC模型中需要人为确定各项指标权重的缺点,将熵权系数法与DRASTIC模型相结合,建立了基于熵权的DRASTIC模型。在新的耦合模型中,各项指标的权重由客观数据计算得到,消除了人为确定权重的主观误差。将该模型应用于地下水脆弱性评价之中,对大连市5个水文地质区段的地下水脆弱性进行了评价。评价结果表明,所建立的新模型是科学合理的,其结果更加客观。表6,参7。