基于聚类的恐袭事件嫌疑人与可疑据点预测

针对未知恐袭事件的相关数据,提出一种基于聚类优化的挖掘反恐信息方法,为反恐斗争提供重要情报;首先应用主成分分析对未知恐袭事件提取主要特征,采用"肘部法"选定聚类簇数确定k值,基于K-Means聚类算法对未知恐袭事件进行归类;然后通过非线性规划和聚类优化算法,将恐怖组织据点预测问题转化为无约束最优化问题,进而对恐怖主义组织据点位置进行准确估测,得到了典型事件与嫌疑人的相似度匹配,并用仿真实验推断了ISIL组织近几年在伊拉克进行恐怖袭击的据点位置;结果表明该方法对提前预警恐怖袭击有着一定的意义与价值。     

基于LNS算法的带时间窗和“灰色地带”客户的两级车辆路径优化

【目的】研究城市货运中复杂的两级车辆路径问题。【方法】考虑道路拥挤、环境污染和噪声滋扰等各种影响，提出一种新型的带时间窗限制和“灰色地带”客户的两级城市分配方案，建立以经济成本、环境影响和社会干扰最小化为目标的混合整数线性规划模型，设计大规模邻域搜索算法对问题进行求解，通过不同分布类型的客户算例进行测试。【结果】新型两级城市分配方案在一定程度上优于传统分配方案，卫星的数目设置对不同分布类型的数据产生不同影响。【结论】该模型对优化城市物流配送路径有一定的实用价值，可为政府部门及相关企业在可持续城市物流规划方面提供决策支持。