带外包的服饰运输调度问题的优化

由于服饰产品是一种时效性很强的商品,而且服饰产品在配送过程中可以外包给快递公司进行配送,对带外包和硬时间窗的服饰运输调度问题（Apparel products Vehicle Routing Problem with Hard Time Windows and Outsourcing,AVRPHTWO）进行分析,并构建了AVRPHTWO、一般性VRP（Vehicle Routing Problem）和VRPSTW（Vehicle Routing Problem with Soft Time Windows）的数学模型,通过对基本的人工鱼群算法（artificial fish swarm algorithm,AFSA）进行改进,混沌搜索被引入人工鱼群算法来提高算法的全局收敛性,反馈策略用来指导人工鱼的移动,以此来提高收敛精度。应用混沌人工鱼群算法（chaotic artificial fish swarm algorithm,CAFSA）及遗传算法（genetic algorithm,GA）对所建立的三种模型求解,通过对实验数据进行处理,证明了AVRPHTWO模型和混沌人工鱼群算法求解此类模型的有效性,进一步证明了问题模型的复杂程度影响算法寻优能力,问题模型简单时,遗传算法更优;问题模型复杂时,混沌人工鱼群算法更优。     

广义离散神经网络模型及启发式算法

对Hopfield离散网络的操作方式进行了推广，使其可以实现局部并行操作，并给出了相应的稳定条件。构造了一种用于最大独立集（MIS）问题求解的广义离散神经网络模型（GDHN）。模拟计算表明，所提出的算法在求解MIS问题时，比单纯的Hopfield神经网络算法有更好的优化性能。     

基于遗传策略的DVD在线租赁模型优化

针对DVD在线租赁问题进行了研究．建立了刻画该问题的0-1整数规划（BIP）模型;在考虑到求解的精确性和即时性后,设计了相应的遗传算子,构造了基于遗传策略的求解算法,并将其与另两种求解方法进行比较,验证了该算法的可行性和有效性．     

利用优化方法求解线性鉴别方程

该文采用序列二次规划（SQP）方法求解Fisher鉴别准则模型。介绍了几种优化技术及算法后,分析序列二次规划（SQP）方法相对于线性鉴别准则模型一般求解方法的高效性优点,并结合MATLAB中的优化工具,应用二次规划方法求解Fisher鉴别准则模型,实现两类（人脸图像）问题的分类。该文研究和实现是对Fisher鉴别准则模型解法的新尝试和贡献。     

货郎问题求解算法分析

介绍了求解货郎问题的4个算法：贪心算法、MST近似算法、MM近似算法和回溯搜索算法。分别使用各个算法对一个货郎问题的具体实例进行求解，并对各个算法的性能进行了分析比较。贪心算法的运行速度较快，但在大多数情况下该算法找到的是次优解而非最优解。MST和MM近似算法用以求解满足三角不等式的货郎问题，其近似性能比（即精确度）分别为：RMST（I）＜2，RMM（I）＜3／2。回溯搜索算法可以求出货郎问题的最优解，随着城市数目的增加，其搜索效率会下降。     

需求响应式公交车辆调度模型和算法研究综述

需求响应式公交车辆调度（Demand Responsive Transit Vehicle Scheduling,DRTVS）是需求响应式公交运营计划中的重要内容,一个合理的车辆调度方案对降低运营成本、提高运营效率具有重要意义,为此分析和总结了近十年来国内外关于DRTVS的优化模型和求解算法.首先,简要介绍了DRTVS模型及求解算法的分类和定义;其次,分别从调度方式、站点类型、时间约束和车辆类型4个角度对调度模型的构建和优化进行了阐述;再次,整理总结了常见的算法类型,以及每种算法的求解效果和适用条件;最后,针对当前研究中存在的建模时考虑因素不全面、假设条件过于理想化、算法求解精确度较差等问题,对优化模型及求解算法未来的研究方向进行了探讨.研究结果表明：近年来有关研究主要以动态调度、可变站点、软时间窗和多车型为主;调度模型的优化目标同时考虑出行时间、运营里程、服务质量等因素;现有车辆调度模型缺乏广泛适用性和实际可操作性;针对求解算法研究发现,小规模调度问题主要采用精确算法求解,对于大规模调度问题,使用启发式算法进行求解.     

结构方程模型的偏最小二乘算法及其几何意义

对含两个潜变量结构方程模型的偏最小二乘（PLS）建模技术进行了研究,给出了相应的路径图、模型设定步骤和求解算法,指出该方法本质上是一种迭代收敛算法.通过引入一种新的算符,给出了PLS算法命令图.并且基于命令图详细讨论了该算法在多维向量空间中的几何意义,在此基础上分析了不同权重关系（A型与B型）对算法的影响,得到了与其对应的各种几何图形.最后指出在算法已收敛与尚未收敛两种情况下,潜变量估计值的投影位置是不同的.     

基于改进混合樽海鞘群算法的航空发动机模型求解方法

针对传统智能优化算法在求解航空发动机模型非线性方程组时收敛速度慢、精度低的问题,提出采用樽海鞘群优化算法（salps swarm algorithm,SSA）。为了提升标准SSA求解复杂发动机模型的随机搜索能力,采用了混沌映射、正余弦算法、自适应权重、逐维变异策略对SSA进行改进,并且更进一步调整了算法流程（Process improved SSA）,提高算法收敛概率,最终将Process improved SSA与Newton-Raphson算法结合为混合算法,并以适应度值作为算法切换的判断条件以提升混合算法的计算效率。仿真实验验证了Process improved SSA求解航空发动机模型的有效性。仿真结果表明混合算法能够实现全局收敛并提升收敛速度,且能够在模型输入强瞬变仿真时实现快速收敛。     

通过随机排序的交替方向乘子法的矩阵恢复

为了解决交替方向乘子法（ADMM）在求解广义的鲁棒主成分分析（G-RPCA）模型时结果不收敛的问题,提出用随机排序的交替方向乘子法（RP-ADMM）来求解这一模型,并且通过数值模拟和实例验证证明了该算法的有效性。结果表明,该算法求解G-RPCA模型较目前已有的算法速度更快、鲁棒性更高;在处理同时被稀疏大噪声和稠密小噪声污染的图片时,能较理想地分离出图像的低秩部分、大噪声部分和小噪声部分。     

基于免疫算法的TSP问题求解

旅行商问题（Trweling Salesman Problem,TSP）是一个典型的NP问题,有效地解决TSP问题在可计算理论上有着重要的理论价值。目前,在已有的各种求解TSP问题的算法中,基于人类免疫学的人工免疫新计算模型——免疫算法（Immune Algorithm,IA）,凭借其具有较强的收敛性和较好的求解结果等优点成为目前学术界研究的热点。本文对已有的免疫算法进行了分析,并依据生物免疫系统的免疫机制提出了两点改进：（1）在算法中采用更加类似生物免疫系统的记忆细胞的处理方法,以增强解群在进化中的多样性;（2）引入“疫苗”的概念,先从父代中的信息抽取出得到疫苗,然后基于疫苗进行交叉,使交叉的效果得到了明显改善,也即在交叉过程中引入了自己学习的能力。     

无偏GM(1,1)模型的动态特性分析

传统GM(1,1)模型是最基本的灰色预测模型,无偏GM(1,1)模型是在传统GM(1,1)模型基础上的一种改进,它消除了传统GM(1,1)模型本身所固有的偏差.对无偏GM(1,1)模型的动态行为特性进行分析,并与传统GM(1,1)模型进行对比,明确了无偏GM(1,1)模型特性和适用条件.     

超短期风电功率预测的混合深度学习模型

针对风电功率预测(WPF)问题,提出一种基于离散小波变换(DWT)、时间卷积网络(TCN)和长短期记忆(LSTM)神经网络的混合深度学习模型(DWT-TCN-LSTM),对超短期风电功率进行预测.将DWT-TCN-LSTM模型分别与差分整合移动平均自回归(ARIMA)模型,支持向量回归(SVR)模型,长短期记忆神经网络模型和卷积长短期记忆(TCN-LSTM)混合模型进行对比实验,通过对称平均绝对百分比误差(SMAPE),均方根误差(RMSE)和平均绝对误差(MAE)3种评价指标值对各个模型进行评价.实验结果表明:DWT-TCN-LSTM模型具有较好的预测性能.     

两个Caco-2细胞系模型铁生物有效性评价效果研究

研究Caco-2细胞吸收转运模型(模型Ⅰ)和吸收转化模型(模型Ⅱ)对铁生物有效性的评价效果.用不同浓度,pH的硫酸亚铁溶液及稻米分别处理两种模型的Caco-2细胞单层22 h后,测定两种模型细胞铁吸收差异.结果表明Caco-2细胞铁蛋白形成量随铁浓度增加而增加,且模型I高于模型Ⅱ,当铁浓度≥25μmol.L-1时,差异达显著水平(p0.05);细胞铁蛋白形成量和转运铁量均与pH呈负相关,两模型间达到显著相关(p0.05).模型Ⅰ和模型Ⅱ均可用于膳食铁生物有效性评价,高铁浓度时,模型Ⅰ效果优于模型Ⅱ.     

基于响应不变法的GM(1,1)模型

GM(1,1)模型的建模过程是由白化微分方程离散化得到差分方程,再由该差分方程估计模型参数.由于离散化引入了误差导致白化微分方程和差分方程的响应发生了变化.基于响应不变法,提出了一种新的GM(1,1)模型.该模型具有白指数重合律,它突破了|a|较大时GM(1,1)模型不能应用的禁区,拓广了GM(1,1)模型的应用范围.     

无偏GM(1,1)模型与指数方程模型的比较

无偏GM(1，1)模型是在传统GM(1，1)模型基础上的一种改进，它实际上是一无偏差的指数模型，相对于用回归法进行曲线拟合建立指数方程模型这样一种建模方法，该方法可认为是一种新的指数模型建模方法，通过理论分析和实例计算对这两种模型进行了比较。     

基于定性指标价值位置概率估计的效率模型

为克服CKS-DEA(Cook Kress Seiford-Data Envelopment Analysis)模型所采用的价值排序结构没有能力合理界定和控制决策单元之间的价值差异的缺陷,通过引入对决策单元定性指标偏好及其所处价值排序位置的概率估计,提出了一种测度决策单元相对效率的模型方法.在定性指标价值排序上,该方法采取等距价值结构,改进了CKS-DEA模型所依赖的非等距价值结构.等距价值结构的引入,使决策者或有关专家对决策单元定性指标价值偏好位置进行概率估计成为了可能;更有助于分析者通过价值位置的概率估计,构造出约束DEA权重取值的合理置信域,从而提高决策单元相对效率评价的分辨性.对10个决策单元进行效率评价的实例应用表明,利用该模型评价出的效率单元只有4个,而若用CKS-DEA模型进行评价则会有9个单元被评为效率单元,从而证实了提出的新模型方法具有比CKS-DEA模型更好的相对效率评价分辨能力.     

预训练模型下航天情报实体识别方法

为了快速处理航天情报,基于数据驱动的深度学习技术,提出融合多源异构知识标注中文航天情报数据集的方法流程,以及基于预训练(pre-training)模型的航天情报实体识别(AIER)方法;通过对航天情报进行命名实体识别,达到对航天情报进行信息抽取的目的.通过融合BERT(bidirectional encoder representation from transformers)预训练模型和条件随机场(CRF)模型构建AIER模型(BERT-CRF模型),将其与隐马尔可夫模型(HMM)、条件随机场(CRF)模型、双向长短期记忆网络加条件随机场(BiLSTM-CRF)模型进行实体识别对比实验.结果表明:基于预训练模型的AIER模型能够取得93.68%的准确率、97.56%的召回率和95.58%的F₁值;相比于其他方法,基于预训练模型方法的性能得到提高.     

预测取代芳烃生物降解性的分子形状及连接性模型

应用分子连接性指数（mXvt）及分子形状指数（mK）分析影响42种取代芳烃在活性污泥中的生化需氧量(BOD),建构了一个5变量的QSBR模型,其可决系数(R)为0.482,估算标准误差为10.706,具有良好的稳健性与预测能力.该模型比片段常数模型(R=0.223)及文献[3]的人工神经网络(ANN)模型(R=0.427)更为精确.     

转笼生物反应器流场的滑移网格与动网格计算比较

转笼生物反应器是利用动态流化床的理念研制的一种新型反应器,其内部流场直接影响反应器的污水处理效果,采用计算流体力学方法(CFD)模拟其内部流场,对于优化转笼结构,提高污水处理效率有着重要作用.通过采用滑移网格与动网格两种方法对转笼内部流场进行计算比较,分析表明:滑移网格在模型处理、复杂运动边界模拟和计算结果连续性方面不及动网格模型;滑移网格在计算耗费方面优于动网格模型.     

不确定条件下的零等待Flow shop生产调度问题

研究了处理时间不确定条件下,含零等待模块的模糊Flowshop生产调度问题;采用三角模糊数描述处理时间的不确定性,用零等待策略对加工过程进行约束,建立了基于模糊规划理论的零等待Flowshop调度模型,通过中间值最大隶属度的方法,将原有的模糊调度模型转化为清晰的调度模型;最后应用改进的模拟退火算法对模型进行仿真优化,制定了适用于实际排产过程中的GANTT图,仿真结果说明了调度模型的正确性和改进算法的有效性。