网络选址的赋权中心和赋权重心问题

讨论了现代物流研究中单个配送中心的选址问题，该问题是一类需求点赋权的网络选址模型，针对于该模型，我们描述了更加切合实际的赋权中心问题和赋权重心问题．对这两类问题，用最小距离矩阵，给出了算法，并证明了这两个算法的复杂性是多项式的．     

优先级k-中心问题的FPT近似算法

优先级k-中心问题是聚类领域中1个经典的NP-难问题。给定度量空间中的1个集合X和参数k∈N⁺,其中,集合X中每个点v都被赋予1个优先级参数r(v)∈R⁺,求解1个大小为k的子集S■X,考虑集合X中任意数据点到集合S的距离与r(v)之间比值,找到最大比值,目标是最小化该比值。对于优先级k-中心问题,目前最好的结近似算法是多项式时间内的2-近似算法,该问题不存在1个(2-ε)-近似算法,(其中,ε为用于控制算法近似比的参数)。本文研究优先级k-中心问题的固定参数可解(fixed-parameter tractability,FPT)时间内的近似算法。基于k-中心问题的贪心策略,提出新的中心点选取方法。研究结果表明：该方法通过贪心策略选取一定规模的候选中心点集,利用加倍度量维度的性质去限制该集合的大小,实现了FPT时间内的(1+ε)-近似算法,降低了目前该问题的近似比。     

确定性网络随机多点r—辐射中心选址理论与算法

在Edward. Minieka提出的γ—辐射选址理论与算法的基础上,本文提出了在确定性网络中选择多个随机服务能力设施为最多用户服务的选址理论与算法。     

改进的k-均值算法在聚类分析中的应用

介绍了在聚类中广泛应用的经典k-均值算法,并针对其易受随机选择初始聚类中心和孤立点的影响的不足,给出了改进的k-均值算法。首先使用距离法移除孤立点,然后采用邻近吸收法对初始聚类中心的选择进行了改进。并做了改进前后的对比实验和应用。结果表明,改进后的算法比较稳定、准确,受孤立点和随机选择初始聚类中心的影响也有所降低。     

设施选址问题综述

选址问题是组合优化领域中的一类重要问题,它是对于一些网络服务器、核电站或者物流中心等有限且重要的资源进行选址决策,在生产管理与调度,网络通信,理论计算机科学等方面有广泛的应用。本文对目前几类经典的设施选址问题进行了介绍,通过对比、分析,对几类经典设施选址问题的特点进行了归纳。本文的研究意义在于通过对不同模型的特点进行分析后,能有利于后续研究者针对不同特点的问题模型提出不同的启发式算法。     

单圈图的点覆盖k-路问题的有效算法

利用贪婪算法的思想,给出了一个求解树上点覆盖k-路问题的有效算法,并且进一步针对单圈图的点覆盖k-路问题,给出了一个能在多项式时间内完成的有效算法。     

选址路径问题及其优化算法综述

本文叙述了物流系统中选址运输路径安排问题（LRP）的含义、发展历程,重点阐述了求解LRP优化算法的机制,并对LRP的未来研究方向作了分析。     

平面选址问题的萤火虫算法

平面选址问题是工程设计、线路布置、项目选址等工作中经常碰到的典型组合优化难题,根据群集智能优化原理,给出一种基于人工萤火虫群优化算法的求解方法,并针对平面选址问题进行求解.为避免算法陷入局部极值,将一种邻域搜索的局部搜索方法引入萤火虫算法中.通过对典型平面选址问题的仿真实验和与其它算法的比较,表明算法可行有效,且具良好的全局优化能力.     

基于免疫算法的拉萨市物流中心选址研究及方案评价

在拉萨市的物流园地址确定流程中首先运用了现代综合评价方法中的层次分析法对物流点作以定性评价,通过常识性手段归纳各因素影响比重,并由此建立适合度得分模型和物流中心选址模型,通过人工免疫智能算法求解,提出了一种在满足物流点供需前提下,以物流点适合度得分为权重的距离和最小的物流中心选址方法,得到了较好的选址结果,同时运算过程验证了免疫算法的收敛性和鲁棒性。     

约束平面选址问题的蚂蚁算法

对带有区域限制的平面选址问题,给出一种基于人工蚂蚁优化思想的新的求解方法。经数值计算、验证和比较,得到了满意的效果。     

基于改进YOLO的虹膜快速定位检测算法

虹膜定位是虹膜识别系统中不可或缺的环节,针对传统的虹膜定位方法对镜面反射、眨眼等复杂环境下质量差的虹膜图像定位准确率低、计算复杂度高和鲁棒性差等问题,提出了一种基于改进YOLOv3模型的虹膜快速定位方法。针对眼周图像中虹膜内、外圆尺寸变化不大,将YOLOv3网络的多尺度结构改进为双尺度检测;引入了轻量级网络Mobilev3中bneck块来改进特征提取网络,减小模型复杂度;利用K-means++算法对虹膜数据集进行类聚,获得更优的锚点框;模型边框损失函数采用Loss_GIoU改进原均方差(mean squared error, MSE)损失函数;利用虹膜特有几何特征,将模型矩形预测框更改为圆形预测框。在CASIA-IrisV4数据集验证表明,改进模型定位准确率为96.32%,平均精度均值(mean average precision, mAP)为99.37%,检测速度为49.4帧/s,模型参数减少到4.13×10⁶。结果表明改进后的模型较小,并且能够快速精准对虹膜区域定位,具有较高鲁棒性,能够满足虹膜实时定位的场景。     

基于改进遗传算法的神经网络优化

针对在神经网络应用中,存在结构设计及权值训练算法的不足,提出一种新的基于混合编码方案的遗传算法.在算法中设计了用遗传算法全局优化神经网络拓扑结构和网络权值的新的编码方案,改进了适应度函数的设计和采用自适应的交叉和变异方法.试验结果表明本算法能有效地对神经网络的权值和结构同时优化,提高了训练效率.     

基于遗传算法的配电网中分布式电源选型与选址

在考虑自然条件的前提下,文章建立了分布式电源选型和选址的成本最小、网络损耗最小和电压偏移量最小的目标函数模型;在采用前推回代法计算配电网潮流基础上,应用遗传算法对目标函数进行了寻优计算;利用算例系统对模型和算法的正确性进行了验证。研究表明,通过对分布式电源进行合理的选型和选址,可以提高供电的可靠性和电能质量。     

定位路线问题的两阶段禁忌搜索算法研究

定位路线问题是定位配给和车辆路线问题的集成。分析了定位路线问题的含义,建立了此问题的数学模型,并用Lingo 10.0验证了模型的正确性。由于该模型属于NP-hard问题,设计了两阶段禁忌搜索算法:第一阶段用禁忌搜索算法求解定位配给问题,确定设施定位及客户分配;第二阶段用禁忌搜索算法求解车辆路线问题,经过两个阶段的多次迭代求得定位路线问题的优化解,通过实例计算验证该算法的可行性和有效性。     

基于质心-Taylor的UWB室内定位算法研究

针对室内环境影响定位精度的非视距传播(non-line-of-sight,NLOS)问题,在对基于到达时间差(time difference of arrival,TDOA)的超宽带(ultra wideband,UWB)室内定位模型和算法进行分析研究的基础上,提出了质心-Taylor混合定位算法。该算法利用对测距误差不敏感的质心算法对目标进行初始粗定位,然后将其作为Taylor级数展开法的迭代初值进行二次精细定位,并动态地将前期定位完毕的节点转化为后续定位过程的参考节点,最大限度地利用不断增加的已知信息,在提高Taylor初值质量的前提下减少预设参考节点数目,降低系统硬件成本。采用MATLAB软件进行了模拟仿真。仿真结果表明,该算法定位性能优越,尤其在NLOS测距误差较大的环境下能有效地提高系统的定位精度。     

一种配电网故障区段定位的改进矩阵算法

分析了现有配电网故障定位矩阵算法存在的问题,提出一种配电网故障区段定位改进矩阵算法。该方法以网络关联矩阵描述馈线区段和测控点的拓扑联接关系,根据故障发生时与故障馈线区段相连测控点的故障过电流特征,形成一种适用于各类型馈线区段故障判定的统一判据。该算法判据形式统一、计算量小,省去了规格化处理与多次设定正方向的过程,能够解决环网故障、馈线末端故障、多电源网络多重故障定位等问题。     

基于改进单亲遗传算法的多目标配电网重构

全面考虑配电网的实际情况和运行要求,以网损最低和可靠性最高作为目标函数,利用加权系数法将多目标优化问题转化为单目标优化问题.通过简化配电网的结构,减少了遗传算法(GA)染色体的长度,设计了基于环路的编码方法和遗传操作,避免了大量不可行解的产生,大幅度提高了计算效率.给出的算例验证了该算法的有效性.     

基于二部分图网络结构推荐的改进算法

介绍了一种基于网络结构推荐的改进算法.在标准物质扩散算法的基础上,考虑到用户的评分对推荐商品的影响,对推荐算法中初始资源分配矢量和资源转移矩阵进行了改进,增加了调节因子.使用来源于Group Lens网站上的训练集数来评价这个推荐算法的性能,从而进行了一系列的实验.实验结果表明,该算法比传统的协同过滤系统、基于网络结构的推荐系统和带有权重的基于网络结构的推荐系统具有更好的推荐精度和更高的命中率,解决了标准物质扩散算法当中的冷启动问题和可扩展性问题,使得推荐结果具有多样性.     

基于改进粒子群优化算法的逆向物流选址与路径问题研究

综合考虑逆向物流中的车辆路径问题和选址分配问题,首先分析问题的特点,并建立问题的数据模型,然后提出一种基于贪心算法的改进粒子群优化算法.实验结果表明,新算法能够以较快的收敛速度得到问题的近似最优解,是解决该类问题的有效方法.