一种改进禁忌搜索的K-medoids聚类算法

针对传统K-medoids聚类算法初始聚类中心随机选择、聚类精度不高、全局搜索能力较差以及禁忌搜索算法对初始值随机选取等问题,提出了一种粒计算与最大距离积法相结合的初始化禁忌搜索初始值算法,将改进后的禁忌搜索算法用来优化K-medoids,以提高聚类算法的性能。通过仿真试验论证了该算法具有较高的效率和准确率以及较强的稳定性。     

基本路径生成算法的图形化设计与实现

介绍了一种从程序VISIO流程图直接获取基本路径集合的算法。在前期研究的基于图深度优先搜索的基本路径集自动生成优化算法基础上,利用VSTO工具开发了图形界面处理程序,提取VISIO图元信息,分析处理图形矩阵并生成基本路径集合,保证基本路径集合的客观性与软件易操作性。     

混合禁忌搜索算法的邮政运输车辆调度问题研究

在邮政企业中,运输网络是整个系统得以顺利运行的基础,邮政企业如何充分发挥自身优势、整合资源以改善运输网络是市场竞争愈发激烈情况下面临的重大问题,尤其是邮路规划问题。为提高邮政运输网络的整体运行效率,在同时考虑往返货物归集、车载量限制、最短路径和最少车辆数等一系列约束条件情况下,建立了送取货一体化的多中心邮政运输车辆调度的数学模型;针对该模型设计了禁忌搜索算法与C-W节约里程算法相结合的求解优化算法。最后,通过贵州省邮政企业实际生产数据对模型和算法进行仿真验证,并对优化后的调度方案进行了结果和效果分析。实验结果表明,优化后求得的配送策略在优化邮运成本上效果明显。     

基于启发式规则与和声搜索的配电网重构算法

提出一种基于启发式规则与和声搜索算法的配电网经济性重构方法.首先,根据配电网重构网络拓扑要求及和声搜索算法的特点,采用基于重构环解的和声向量编码方式,通过构建重构环特殊支路组、设定支路断开原则避免不可行解的产生;然后,以网损最小为目标分析初始网络,利用启发式规则将各重构环搜索范围压缩到最有可能的有效解范围之中;最后,利用和声搜索算法在有效解范围中全局寻优.该方法显著减少了候选解数目,能够快速搜索到全局最优解,且搜索性能不随网络规模的扩大而变差.IEEE典型算例的仿真结果验证了本文方法的正确性和有效性.     

SLD模型中具有形（0，qk）的状态珗S＝（Φ，B）为 k次致胜状态

给出了具有时滞 d＝2的容错 e＝1搜索模型（SL D模型）中具有形（0,qk ）状态S＝（Φ,B）为 k次致胜状态,并给出了相应的提问策略。     

伦理视域下的人肉搜索传播行为动因探析

"人肉搜索"引发的话题常引起网络受众、社会公众的关注,并最终"发酵"而演化为大众媒体关注的焦点和对象。从伦理学角度来探析会发现,同情心是人肉搜索传播行为产生的诱发伦理动因,正义是直接伦理动因。在人肉搜索过程中,要注意正确把握"人肉搜索"传播行为界限,避免正义界限遭到突破而演变为"网络暴力"。     

寻找最大独立集的算法

提出两种基于贪婪思想的局部搜索算法寻找给定图的最大独立集,通过测试第二种算法在图密度小时更优与第一种算法.由于局部搜索算法的缺陷,修改邻域函数与顶点的选择是进一步研究的问题;考虑到算法的有效性,时间复杂度和近似算法的比较也是值得进一步研究的方向.     

基于GPU的多维树搜索算法在管道流体仿真中的应用

为提高邻近粒子搜索速度,使水力压裂过程中注入管道内的水流现象更好地满足实时性要求,在图形处理器(GPU)上基于光滑粒子流体动力学(SPH)算法,将结合GPU的并行操作能力和多维树搜索算法优点的多维树搜索算法应用在水力压裂管道流体模拟中。首先,给出了流体粒子的受力分析及更新颗粒位置的方法;然后,给出了该算法在管道流体模拟中的具体实现过程。最后,通过实验近似模拟水力压裂过程中管道与水流交互过程,并与其他算法进行对比分析。结果表明将本文算法应用于大规模管道流体模拟中,执行速度快了几倍,实现了水流模拟在管道中的实时性。     

基于Timed-HITS与协同过滤的混合推荐算法

用户间的信任关系、用户对商品的偏好兴趣及商品的时效性都会影响对商品的推荐效果.将这些因素引入到基本的HITS算法中,对HITS算法进行了改进.将用户对商品的偏好兴趣矩阵进行了改进,利用隐馈数据通过逻辑回归算法估计用户对商品的偏好兴趣,对评分为零的情况赋予了不同的偏好兴趣度,这样更符合实际.将改进的HITS算法和协同过滤算法相结合得到一个混合推荐算法,同时将用户分为活跃用户和非活跃用户分别进行推荐.将提出的算法在Movielens数据集上进行了试验,结果表明该算法在一定程度上缓解了数据稀疏和冷启动的问题,推荐效果优于基于用户的协同过滤算法.     

基于客户满意度的车辆路径问题的混合蝙蝠算法

车辆路径问题对现实有着良好的指导意义,自提出以来便吸引了企业界和学术界的广泛关注。然而,传统车辆路径问题仅仅将车辆行驶里程最短作为目标,忽视良好的客户体验对于企业的重要性。考虑客户满意度这一目标,建立以客户满意度和车辆行驶里程最短为目标的多目标优化模型,根据车辆路径问题的具体特征,改变基本蝙蝠算法的编码方式。为克服基本蝙蝠算法求解精度低、易陷入局部最优的缺陷,加入贪婪随机自适应启发式算法提高求解精度,引入病毒进化机制以增强蝙蝠算法跳出局部最优的能力。算例分析表明:病毒进化混合蝙蝠算法相比于基本蝙蝠算法,在求解精度上有较大幅度提高,是一种有效求解车辆路径问题的方法。