基于遗传算法与模糊选择的多播路由优化

遗传算法在优化计算特别是在多播路由问题中得到了广泛应用,但在进行大规模优化时,遗传算法存在着爬山能力差以及不成熟收敛等缺点。为此,提出基于启发式遗传算法和模糊选择机制的新型多播树计算方法,本算法采用树型结构编码和高效的遗传操作,同时优化时延、丢包率和带宽利用率等多个参数。仿真实验表明,这种算法用于多播路由多目标优化问题时,可以克服采用遗传算法进行多目标优化的缺陷。     

基于层次粒子群算法的配送中心双层规划选址策略

在考虑物流网络宏观决策部门和客户双方利益的基础上,建立物流配送中心双层规划的选址模型.此类问题大多属于非凸优化问题,现有的求解算法存在算法复杂度及计算效率问题.基于进化博弈及多目标优化非支配排序的思想设计层次粒子群算法,通过两个粒子群算法的交互迭代求解物流配送中心双层规划选址问题.通过测试算例验证算法的有效性.     

新疆和静县萨尔明山金矿床地质特征及成因分析

萨尔明山金矿床位于新疆和静县境内,大地构造位置处于额尔宾山弧前增生杂岩带内,是南天山萨阿尔明—库米什多金属成矿带中心的主要成矿区之一。区内褶皱、断裂发育;其地层走向与构造线方向一致,均呈北西—南东走向展布。矿床产于中泥盆统萨阿尔明组下亚组(D2Sa)的一套碎屑岩、碳酸盐岩建造之中。矿石中矿物组分比较简单,金属矿物主要以自然金为主;脉石矿物主要为石英、绢云母、绿泥石、方解石和高岭土。金主要以包裹金形式出现,次为裂隙金。矿区的矿物共生组合为自然金及微量黄铁矿、黄铜矿、方铅矿组合。该矿床的成矿作用发生在韧性向脆性转换阶段,并伴随有Fe、Ag、Cu、Si、Al、S的带入,Ca的强烈带出,因此,萨尔明山金矿床的成因类型应属韧性剪切带型金矿。经过研究对比发现,区域地质构造标志,矿区地层标志、蚀变特征,可作为矿区和区域找矿标志。     

我国网络发言人制度的现状及建设模式分析

本文以目前已推出网络发言人制度并在全国有一定影响的一些地区（包括省、市、县各级政府）为案例，对我国网络发言人制度的现状和建设方式进行了分析和比较，并结合实际提出了作者的建议。     

论电子政务项目监理中的分包商管理

电子政务项目的复杂性和多领域多专业特点决定了其往往需要由多个软件开发商、硬件提供商、系统集成商等共同承建，各分包商按照项目不同分类进行分工协作，共同承担项目的建设工作，项目具有建设具有投资大、周期长、风险高等特点。因此项目监理所涉及到的工作范围，以及由此决定的采取的工作方法、工作重点等都会与单承包商项目有所不同，除了一般监理所必须进行的工作外，还必须强调对不同分包商的统筹管理和控制，使得监理工作具有的更大的难度和挑战性。     

基于层次粒子群算法的非线性双层规划问题求解策略

在交通与物流网络系统规划中的许多决策问题可以归结为双层规划模型, 这类问题大多属于非凸优化问题. 现有算法要么难以获得全局最优解, 要么在解决大规模问题时存在算法复杂度及计算效率问题. 本文基于 进化博弈及多目标优化非支配排序的思想设计了层次粒子群算法, 通过两个粒子群算法的交互迭代来模拟 决策者之间的博弈寻优过程, 从而获得使各方利益最大化的双层规划问题的最优解. 最后通过测试函数验 证算法的有效性.     

基于层次遗传算法的非线性双层规划问题求解策略

双层规划是解决层次决策问题的运筹学工具。当前基于传统的优化思想已经提出了很多算法解决搜索空间已知的双层规划问题。但在双层规划领域仍然存在许多问题无法利用现有算法求解。本文基于进化博弈和多目标优化非支配排序的思想,设计了层次遗传算法并利用其求解非线性双层规划问题。最后通过测试函数验证算法的有效性。     

基于AutoCAD的实时协同设计系统

由于Internet网络带宽限制等诸多方面的影响,实时协同设计是较难实现的.本文以全分布式结构和集中分布式结构混合构造了一个实时设计系统,在课题组前期研究的基础上对动态数据格式的具体应用形式进行改进和优化,满足了协同设计原型系统对实时性的要求,最大限度地减少网络数据传输量,提高了系统的快速响应能力和稳定性.     

政府监管下冷链物流资源投入的演化博弈研究

针对频繁出现的食品和药品安全问题以及冷链物流资源投入的外部正效应问题,建立政府监管下供应商与加工商物流资源投入的演化博弈模型并进行求解分析.结果显示:供应商与加工商的物流资源投入策略选择与各自投入所带来的收益密切相关,当双方物流资源投入产出不断变化时,可以得到多种演化稳定策略;如果“搭便车”行为从对方资源投入带来的收益很大,会大大降低供应商或加工商进行冷链物流资源投入的积极性;当政府的惩罚或补贴力度大于相应临界值,供应商和加工商的演化稳定策略是投入冷链物流资源.     

基于免疫遗传算法的多播QoS路由算法

提出一种基于自适应免疫遗传算法的多播QoS路由算法,该算法不仅能随种群进化的需要自适应调整交叉概率和变异概率,而且还通过引入免疫算子,在保证群体多样性的同时得到Pareto最优解.该算法能近似模拟自然界及生物个体竞争、繁衍和死亡的过程,具有较好的空间收缩能力和局部求精能力,能加快收敛速度和提高收敛精度.从而克服遗传算法的早熟问题.仿真结果验证了算法的有效性.