我国反垄断法及其与反不正当竟争法关系研究

反垄断法关维护市场秩序的法律。它与反不正当竞争法有共同点,也有区别。共同点是引导企业在社会主义市场经济条件下,要有序、健康的竞争,反对不择手法、欺行霸市的竞争;不同点是反垄断法是针对行业霸主而言,防止行业垄断、操纵市场价格、获取暴利,反不正当竞争法是针对所有企业而言,企业之间竞争不但不能违法,而且不得有损社会道德良俗;它们之间的联系是互补。     

融合协同进化离散型人工鱼群算法和多重分形的雾霾预测方法

鉴于目前日益严重的雾霾污染,导致空气质量水平大幅下降,通过采用协同进化离散型人工鱼群算法,多重分形维数,并结合极限学习机,提出了融合协同进化离散型人工鱼群算法和多重分形的雾霾预测方法.首先使用佳点集理论初始化种群,通过引入人工鱼游速,改进人工鱼群算法聚群,追尾和觅食行为,及对其进行离散化,并引入竞争和合作机制;其次将协同进化离散型人工鱼群算法结合多重分形维数,对雾霾数据集进行约简;最后运用极限学习机建立雾霾预测模型.通过对北京,上海和广州三地区近两年的雾霾数据集进行实验及参数分析,实验结果表明,较其他方法,预测性能更优,具有良好的稳定性和可信性.     

求解多维0/1背包问题的二元粒子群算法

从一维细胞自动机模型入手,设计了一种求解二元离散优化问题的二元粒子群算法细胞自动机模型(BPSO-CA).粒子从起始细胞出发,根据本身携带的信息并感知存储在细胞中的全局最优粒子位置的信息随机选择状态(0或1),从而实现复杂智能的"涌现".然后将其用来求解多维0/1背包问题,同时引入贪心算法对不符合约束条件的非怯个体进行修正.通过对Zuse Institute Berlin公布的测试集进行实验,表明该模型能在多项式时间内完成求解过程,且实验结果优于测试集记录的结果.     

融合粗糙集和扩散二元萤火虫算法的属性约简方法

从一维细胞自动机模型入手,将自然界中种群的扩散行为引入二元萤火虫算法(binary glowworm swarm optimization, BGSO)中,提出了一种扩散二元萤火虫算法 (spread binary glowworm swarm optimization, SBGSO)。该算法对萤火虫个体设置营养值及营养阈值的上下限,然后执行扩散操作,以正态分布方式产生新的个体,并淘汰一些持续表现很差的个体,释放资源给其他个体,以保持种群的动态多样性。然后将SBGSO作为搜索策略,粗糙集 (rough set, RS) 作为评价准则,应用于大数据预处理的属性约简问题。为验证本文算法的可行性,采用5个UCI数据集进行实验,并结合10-fold和支持向量机(support vector machine,SVM)算法对预测结果分类准确率进行分析,通过与其他算法对比,表明本文算法具有较好的约简效果。     

融合粗糙集和二元萤火虫算法的雾霾关键影响因素预测方法

雾霾对人类的日常生活带来极大的危害,因而分析产生雾霾的关键影响因素尤为重要.针对目前传统算法预测雾霾关键影响因素存在的缺陷,从一维细胞自动机入手,提出了一种以基于群落弱连接机制的二元萤火虫算法(CWLBGSO)为搜索策略,粗糙集为评价准则的混合方法.CWLBGSO基于自然界中萤火虫间协同进化的"弱连接"机制,划分搜索空间,为每个子空间分配相应的种群,各子种群中的次优个体相互交互产生新个体,从而保持种群的动态多样性,然后将CWLBGSO结合粗糙集,应用于北京,广州和上海三地雾霾关键影响因素的预测中,并结合10交叉验证和SVM算法对预测结果分类准确率和影响因素进行分析,通过与其它算法进行对比,结果表明本文算法能有效剔除冗余因素,预测结果具有较高的稳定性和可行性.