基于BP神经网络的浙江省人口预测

本文以浙江省1978-2010年的人口统计数据为依据,论证BP网络预测模型的可行性,同时改进模型建立了基于BP神经网络预测模型和时间序列分析的逐步回归模型,并对浙江省2011-2015的人口数量进行预测。     

图像去运动模糊仿真研究

【目的】在多媒体时代，人们对拍照的要求越来越高。图像去模糊一直是一个具有挑战性的问题，有着很高的研究价值。【方法】阐述模糊图像中的运动模糊，使用约束最小二乘法和Richardson-Lucy算法来去除运动模糊，采用峰值信噪比和平均结构相似度两类指标对去模糊图像质量进行分析。【结果】仿真结果表明：采用约束最小二乘法去除运动模糊的数据评价值均大于Richardson-Lucy算法，约束最小二乘法在复原运动模糊方面表现得更加稳定。但在模糊长度和模糊角度增大后，各类算法的性能均会受到不同程度的影响。【结论】去模糊算法有待继续研究，以提高去模糊后的图像质量。     

基于新型BBO算法的微电网优化调度研究

针对含微型燃气轮机的微电网经济性与环保性协同优化问题，引入具有弃风弃光消纳和碳捕获能力的电转气(pow to gas, P2G)系统，提出了一种基于新型生物地理学优化算法(novel biogeography-based optimization, NBBO)的含P2G系统的微电网优化调度模型。构建含P2G系统的微电网模型，并分析主要设备的工作原理；引入风机备用容量以降低风力发电随机性的影响；建立微电网运行成本最小的目标函数，运用提出的NBBO算法求解该目标函数。通过分析可知，含P2G系统的微电网可减少9.02%的发电成本，降低25.9%的含碳氧化物排放，验证了所提含P2G系统的微电网模型的可行性及改进算法的适用性和优越性。     

面向运动目标检测的改进ViBe算法研究与实现

ViBe算法容易实现且运算效率高等优点，在运动目标检测等领域中获得广泛运用，但其也存在一些缺点，如鬼影、空洞、漏点以及运动目标检测不完整等问题，针对这些不足，从ViBe算法处理过程的主要阶段出发，提出一种改进的ViBe算法.首先用迭代累积背景法获取真实背景用来抑制鬼影问题，其次把真实背景分别用于帧差法和改进的ViBe算法中，帧差法可用来弥补视频序列帧中边界处像素点遗漏问题，改进的24领域ViBe算法用来提高模型精度，再把两个结果进行“或”运算，最后利用形态学进行处理用以消除小噪声干扰，使得到的目标更加完整.该算法能够去除噪声、抑制鬼影以及减少空洞点，实验结果表明，与传统的ViBe算法相比，能够有效抑制鬼影以及减少漏点问题，提高运动目标检测精确度.     

面向第二类装配线平衡问题的改进粒子群算法

为求解第二类装配线平衡问题，建立一种以最小化节拍、工位负载标准差为优化目标的第二类装线平衡问题的模型.根据装配线平衡问题的特点，设计出一种改进的粒子群算法，引入随迭代次数增加而线性递减的惯性权重，防止粒子群算法陷入局部极值点；将反向学习策略与PSO算法相结合，使PSO算法具有更佳的搜索能力和收敛速度.通过求解标杆问题，结果表明改进的PSO算法与标准PSO算法相比，具备更好的求解能力.最后通过对青贮机装配线为实例验证算法的可行性和有效性，进一步验证了本文中提出的改进PSO算法具有很强的计算效率和求解能力.     

基于遗传-蚁群融合算法的干扰资源分配方法

针对多部干扰机协同干扰多部雷达的干扰资源分配问题，提出一种基于遗传-蚁群融合算法的干扰资源分配算法。首先采用综合集成赋权法结合逼近理想解排序法(technique for order preference by similarity to an ideal solution, TOPSIS)对目标雷达进行威胁评估，然后建立干扰资源多约束优化分配模型，最后采用遗传-蚁群融合算法对模型进行求解。融合算法利用遗传算法快速寻找出若干组优化解，将这些优化解用于调整蚁群算法中初始信息素的分布，利用蚁群算法对问题进一步优化，从而找到最优解，提升了算法的求解精度和求解时间。仿真结果表明，融合算法的性能在收敛速度和寻优准确性等方面相较于其他算法都有了较大提升。     

考虑附加资源和学习效应的不相关并行机调度

针对考虑附加资源和学习效应的不相关并行机调度问题(unrelated parallel machine scheduling problem, UPMSP)，提出一种动态人工蜂群算法(dynamical artificial bee colony, DABC)，实现最小化最大完成时间。给出一种新的编码方法和解码过程，并构建2个初始蜂群；提出一种蜂群评估策略，以动态确定雇佣蜂群和跟随蜂群；在雇佣蜂阶段和跟随蜂阶段采用不同搜索策略，以增强算法的探索能力。实验结果表明：DABC的新策略合理有效，且该算法在求解UPMSP时收敛性、平均值和稳定性更强，显示出较强的搜索性能。     

结合Benders分解和列生成的发热门诊排班数学建模和优化算法

发热门诊是抗击疫情最前线，发热门诊中的医生排班对于系统运行效率和医疗服务质量都非常重要，需要科学的排班优化算法。针对发热门诊医生排班调度问题，首先采用逐点稳态流近似方法对系统建模，定量评估系统中等待服务的患者数目，基于此建立了考虑患者排队队长限制的医生排班数学优化模型。进一步，为求解该模型设计了结合Benders分解与列生成的高效算法，对此复杂优化问题加以高效求解。最后，利用上海大型医院发热门诊的实际数据加以数值实验分析，验证了所提出算法的排班结果，显示了其在控制患者队长和医生总工作时间上具有优势。数值结果进一步验证所提出方法能适应疫情严重情况下的医生排班优化要求。研究得到的模型和算法对完善疫情中发热门诊的运作管理具有实际意义。     

蒙特卡罗方法研究层状含集团权重伊辛模型相变

三维Ising模型是统计力学中的一个非常重要的模型，在描述三维Ising模型的配分函数中引入集团权重因子n可以得到新的临界指数和普适类，但人们尚不清楚集团权重因子对其他晶格结构中的Ising模型的影响。本文尝试研究另外一种几何结构，层状含集团权重Ising模型，通过将着色算法和Swendsen-Wang算法相结合给出高效的集团演化方法，计算出的磁化强度m、磁化率χ、比热C_v和宾德累积量Q，并拟合出临界指数y_t和y_m以及其它指数α,β,γ,δη，υ。由于拓扑结构不同，尽管双层模型在n=1.5时也是一级相变，但临界指数与三维模型有所差别，表明两者属于不同的普适类。n=3时，能量直方图的双峰结构和磁滞回线表明双层模型发生一级相变，和三维晶格的结论一致。此外，本文发现了之前工作尚未注意到的现象，n≥3时，系统发生的是铁磁到反铁磁之间的几何相变。本文的结果对于理解统计力学自旋模型有一定的促进作用。     

基于自适应遗传算法的超平面分类及遥感应用

智能分类算法是遥感影像分类研究的热点,遗传算法作为一种智能全局优化技术在遥感影像分类中具有良好应用前景.针对现有多光谱遥感影像分类方法的不足,提出了基于自适应遗传算法的超平面分类方法(hyper plane-adaptive genetic algorithm,HP-AGA)并应用于遥感影像分类,该方法利用神经网络中的神经元激活函数Sigmoid函数,对遗传算法中交叉率、变异率进行非线性自适应性调整,不再需要反复训练遗传参数,同时利用快速全局寻优特点,确定分类超平面的各个位置参数,从而获取最佳分类超平面集进行分类.多光谱遥感影像分类方法的应用实验表明,基于自适应遗传算法的超平面遥感分类方法能更快、更稳定地收敛到全局最优解,具有更好的效率及鲁棒性,并能取得优于简单遗传超平面分类算法及传统分类方法的分类精度.