基于食品安全的生鲜食品冷链运营优化研究

针对我国生鲜食品冷链物流成本高、食品易腐败的特点,在考虑食品安全的基础上,本文利用生鲜食品质量衰减原理,设计了基于温度控制的多产品分阶段生鲜食品冷链运营模式,建立数学模型对冷链配送网络选址、配送路线规划以及各环节温度选择进行优化研究,在保障食品质量安全的同时最大程度降低物流成本,最后通过算例仿真及对比研究验证了模型及算法的可行性和有效性.     

动态因子模型的结构识别研究

为了将关于动态因子模型载荷矩阵元素的零约束和外生冲击脉冲响应函数的零约束合并,本文首先提出了一类识别动态因子模型的零识别约束;其次,在这类零识别约束条件下,本文分别给出了判断动态因子模型可全局识别和恰好识别的秩条件.此外,对于恰好识别的动态因子模型,本文还给出了一种识别算法,该算法可以有效地解决在实证分析中动态因子模型的识别问题.     

基于多分类器动态集成的电信客户流失预测

本文提出了一种新的基于多分类器动态选择与优化集成的电信客户流失预测集成模型.首先使用K均值聚类算法对训练集样本进行分区;然后分别使用Naive-Bayes算法、多层感知机算法和J48算法构建各分区客户流失预测子分类器;最后对各分区子分类器进行线性集成,并使用人工蜂群算法优化其集成权重.当测试样本由聚类算法判断出其归属区域后,再分别使用分区子分类器进行预测,最后使用优化权重进行线性集成.实验结果表明:动态集成模型优于单模型;基于人工蜂群算法优化集成模型优于其它集成模型.     

基于神经网络的非线性离散动态系统DISOPE算法

提出了基于神经网络的非线性离散动态系统优化与参数估计集成算法。先用动态神经网络辩识系统得出一个近似模型,在存在模型实际差异的情况下,从神经网络模型出发通过迭代运算得到实际非线性离散动态系统的真实最优解,系统优化采用Ｈｏｐｆｉｅｌｄ 神经网络算法,求解速度快。仿真结果表明了算法的有效性和实用性。     

一类混合动态系统的仿真方法

结合现有的连续变量动态系统及离散事件动态系统的仿真模型和仿真算法，分别给出了交互型和监控型两种混合动态系统的仿真模型及仿真算法     

信息不完备小样本条件下离散DBN参数学习

针对信息不完备小样本条件下离散动态贝叶斯网络参数学习问题,提出约束递归学习算法。该方法通过前向算法建立含有隐藏变量的离散动态贝叶斯网络参数递归估计模型,以当前时刻网络参数为变量,构建均匀分布表示的先验参数约束模型。在此基础上利用优化算法获得近似的Beta分布,将该分布下的先验参数信息加入递归估计模型中完成参数学习。通过无人机动态威胁评估模型验证了该方法的有效性和精确性。     

基于强化学习的需求分布未知情境下酒店客房动态定价研究

传统酒店动态定价研究大多考虑改进需求预测方法或考虑需求环境已知,而现实生活中需求分布通常是未知的.本文考虑需求分布未知的情境,建立基于马尔可夫决策过程的酒店客房多周期动态定价模型,并利用强化学习方法,提出基于SARSA(λ)的改进算法对客房动态定价模型进行求解.为提升算法的求解能力和收敛速度,提出了基于改进ε-greedy策略的ε-SARSA(λ)算法和基于改进模拟退火策略的ISA-SARSA(λ)算法.通过数值实验对比SARSA(λ), ε-SARSA(λ), SA-SARSA(λ)和ISA-SARSA(λ)四种算法的收益优化结果,验证了改进算法的有效性,结果显示, ISA-SARSA(λ)算法求解性能最好.     

动态光线跟踪算法与实现

提出动态光线跟踪的动态可视区域重跟踪算法理论规则及实现算法,有效解决了传统光线跟踪算法由于计算量大而难以应用于动态模型的难题,是将光线跟踪技术真正有效应用于计算机实时动画领域的新算法。本算法包括运动物体及其反射、折射可视区域和运动背景在离散时间序列的重跟踪算法,以及两种针对动态可视区域重跟踪的消隐算法。     

气体分馏装置精馏过程的动态建模与仿真

以某炼油厂气体分馏装置动态模拟系统开发为背景,以脱丙烷塔为例,建立了精馏过程的严格动态机理模型,并基于动态机理模型进行了系统的动态模拟与分析.针对以往动态模型求解算法中采用迭代计算多组分混合物泡点时,存在运算量大、模型难以收敛的问题,提出了一种基于支持向量机回归模型计算混合物泡点的新算法,以提高机理模型的计算效率.为避免动态模型不收敛,模型的初值采用稳态模型计算得到.仿真结果表明,新模型能较好的模拟装置生产操作状况,模型的计算效率有较大提高,为动态模拟系统的开发应用与装置优化提供了支持.     

基于动态进化算法的多阶段备件供应优化决策

由于实际备件保障工作中备件需求以间歇性需求为主,备件供应通常为多阶段的动态优化。针对以上问题,构建了多阶段备件供应数学模型。为求解动态优化模型,提出了一种元启发式动态进化算法。首先,在经典差分进化算法中增加了环境变化检测算子和环境变化响应策略,使得差分进化算法能够解决环境变化的动态优化问题。其次,提出了自适应莱维飞行策略,使得算法在环境发生变化时仍能保持良好的全局搜索能力和局部寻优能力。算例表明,所提出的动态自适应差分算法能够求得模型的最优可行解,且算法的分布性和收敛性均得到了很大的提升。     

单机场地面等待问题遗传算法设计

随着空中交通拥挤问题的日益严重，建立科学合理的空中交通管理系统变得十分迫切，而管理系统的核心一流量管理优化算法的研究就十分重要了,当飞机架次较多时，采用事件驱动型模型会取得较好的求解效果，但原有模型将不同类型飞机的单位延迟费用认为是相同的。从不同飞机有不同的延迟费用这一重要经济因素出发，建立了新的事件驱动型单机场地面等待模型，对模型的求解，设计了改革的序号编码遗传算法，采用上海浦东机场的实际数据进行了仿真，仿真结果表明了模型和算法的有效性。     

基于自适应多局部搜索memetic算法的多跑道地面等待问题求解

建立了一种综合考虑航班延误成本差别、续航航班延误时间的单机场地面等待问题优化模型, 对独立运行的多条跑道进行合理、有效分配, 满足大型繁忙机场的运营需求; 然后提出了一种自适应多局部搜索memetic算法来加以求解. 鉴于问题模型的复杂性以及单一局部搜索memetic算法对复杂问题显露出的较弱的寻优能力和收敛性, 提出的自适应多局部搜索memetic算法在不同阶段采用不同的局部搜索策略, 其中自适应定向局部搜索策略使个体的搜索速度根据个体、最优个体以及群体信息进行调整. 通过对多组仿真算例进行计算, 并与其它典型算法的求解结果进行对比, 实验结果表明了所提模型与算法的有效性.     

低轨卫星物联网场景下基于吸引子选择算法的多星负载均衡算法

低地球轨道(low earth orbit,LEO)卫星物联网系统中由于低轨卫星的高速运动,导致卫星波束覆盖范围内节点业务模型在空间和时间两个维度呈现不均匀性和时变性.针对这一特征,提出一种空时二维卫星物联网业务模型,在空间维度采用网格划分的方法确定不同地理环境下节点密度和坐标位置,在时间维度采用贝塔分布进行建模,从而...     

基于多层次MRF的多分辨率图像融合算法

图像数据融合的目的是恢复出分布在不同图像中的有用信息。在多层次MRF模型的基础上提出了一种多分辨率图像融合算法。该算法将定义在多层次图结构上的非线性因果Markov模型与贝叶斯SMAP(sequenti almaximumaposteriori)准则结合起来 ,弥补了MAP(maximumaposteriori)准则在多层次图结构上计算不合理的缺陷。实验部分中 ,对两种算法用于被高斯白噪声污染的合成图像的恢复结果进行了比较 ,并将该算法用于实际的多分辨率航空图像。实验结果表明了该算法的优越性。     

群组决策中求最优决策向量的迭代算法

AHP是群组决策中非常有效的工具,而判断矩阵是AHP方法的基础.在群组决策中一般要由多名专家给出多个判断矩阵.能否合理综合专家意见是影响决策质量     

NOMA中的SS-CPM卫星信号捕获算法

调制指数大于1的扩频连续相位调制(spread spectrum continuous phase modulation, SS-CPM)信号是一种极具潜力的卫星信号调制方案, 然而其多峰特性容易导致非正交多址接入(non-orthogonal multiple access, NOMA)条件下的错误捕获。针对这一问题, 本文建立基于NOMA的SS-CPM信号模型, 提出一种基于状态转换的碰撞跳跃检测算法, 分析所提算法在不同发射功率、用户数、相对时延以及调制指数下的捕获性能。仿真结果表明, 所提算法适用于NOMA条件下的SS-CPM信号捕获, 且用户数较少、发射功率相近, 相对时延较大或调制指数较小时, 具有更优的捕获性能。     

体液免疫算法及其对证券组合投资分析的应用

基于Jia&Dyer的一般性失望模型,给出一种新的非对称风险度量方法,建立该风险度量下考虑证券最小交易单位约束的组合投资二次整数规划模型;进而依据体液免疫原理设计实用、简单的新体液免疫算法,并寻求该模型的最优方案.算法设计中引入优秀抗体演化操作,搜集和更新进化中最好解,以及建立能增强群体多样性及具有较强整体、局部、并行搜索能力的免疫操作,从多方位搜索最优解.实证及比较表明,所获算法的整体和局部搜索能力强、能快速获取最优投资决策方案,所建模型的合理性和有效性被论证.     

基于复合微粒群算法的非线性系统模型参数估计

在系统辨识理论的实际应用中根据不同的对象和建模的不同目的去选择合适的辨识算法是一件不容易的事。针对非线性系统模型的多样性,提出了适应于多种不同模型的基于复合微粒群优化算法(HPSO)的系统参数估计方法,并对多种模型实例进行了仿真研究。实验结果表明,该算法是一种有效的系统模型参数估计方法。     

考虑了交箱时间不确定性的场桥堆存作业优化

客户送箱时间的不确定性直接影响出口箱的场桥堆存作业效率和其在集装箱码头堆场的堆存状态,进而增加场桥作业移动距离以及后续装船过程中的翻箱作业量,降低码头作业效率.针对该问题通过马尔可夫链预测方法将随机交箱序列转化为广义交箱序列,在此基础上,结合集装箱港口作业实际,建立了以最小化预翻箱数量和场桥堆存作业移动距离为目标的场桥调度优化两阶段数学模型,并分别针对初始决策阶段和实时调度阶段设计了静态与动态求解算法.通过仿真算例,借助于与不同堆存策略的对比,显示了优化模型及算法的实用性与有效性,为场桥调度方案的实时生成提供决策支持.     

Utility function based fair data scheduling algorithm for OFDM wireless network

A system model is formulated as the maximization of a total utility function to achieve fair downlink data scheduling in multiuser orthogonal frequency division multiplexing (OFDM) wireless networks. A dynamic subcarrier allocation algorithm (DSAA) is proposed, to optimize the system model. The subcarrier allocation decision is made by the proposed DSAA according to the maximum value of total utility function with respect to the queue mean waiting time. Simulation results demonstrate that compared to the conventional algorithms, the proposed algorithm has better delay performance and can provide fairness under different loads by using different utility functions.