僧格林沁等蒙古王公的出生日期问题——兼谈忌讳生日的蒙古族旧俗

僧格林沁等近代蒙古王公，同时也是全国性的重要历史人物。他们的生年、生日，却一直存有疑问甚至有误传。细究这一现象j很可能是因为蒙古族自古以来就有忌讳生日的习俗。     

1｜fuzzy｜min n∑i=1Ci模型的禁忌搜索算法

根据三角形模糊数的特性，在对总加工时间模糊度有约束的条件下，构造出NP-困难的n｜fuzzy｜min n∑i=1 Ci排序模型的禁忌搜索（TS）算法．构造的邻域函数为互换操作．针对1｜fuzzy｜min n∑i=1 Ci模型的特点，设计带有惩罚项的分段线性适应度函数，以规避解的不可行性．并且，取不同的禁忌长度，观察禁忌搜索状态随迭代步数的移动轨迹，以寻求较好的计算参数组合．实例计算表明，该算法的实际应用可行，具有良好的收敛性和较高的搜索效率，且目标函数轨迹呈三阶段变化模式．迭代步数充分大后，目标函数周期性振荡，陷入循环搜索．这种性质能够帮助选择禁忌（tabu）参数值，确定迭代终止条件．     

考虑缓冲时间成本的鲁棒性停机位分配

针对实际航班提前或延误给停机位分配带来的扰动问题,分析了航班实际到离港时间偏离计划时间的分布规律,提出了基于缓冲时间成本的停机位分配鲁棒性评价函数.在此基础上,建立了以缓冲时间成本、机位-航班大小差异度和远机位数等最小为优化目标的鲁棒性停机位分配模型,设计了求解模型的禁忌搜索算法.基于首都国际机场两个典型的A、B工作日实际运行数据的模型验证结果表明,所提方法与不考虑鲁棒性及传统最小化空闲时间离差平方和的停机位分配相比,在A日航班冲突分别减少了98.1%和97.6%,在B日航班冲突分别减少了74.3%和70.8%,有效地提高了停机位分配计划的鲁棒性.      

基于布谷鸟搜索算法参数优化的组合核极限学习机

针对单核极限学习机在泛化性能上存在一定局限性的问题, 提出将再生核函数与多项式核函数相结合, 建立一种新的组合核极限学习机模型, 使其具有全局核与局部核的优点, 并选择布谷鸟搜索算法对其参数进行优化选择. 仿真实验结果表明, 采用基于再生核的组合核函数作为极限学习机的核函数可行, 在实验数据集的多值分类和回归问题上, 与传统支持向量机及单核极限学习机相比, 该模型具有更好的泛化性能.     

混沌图引力搜索算法求解压力容器约束问题

为解决运用混沌图引力搜索算法( CGSA: Chaotic Gravitational Constants for the Gravitational Search Algorithm) 难以计算经典的压力容器设计( PVD: Pressure Vessel Design) 约束优化问题,提出了一种改进的混沌图引力搜索算法( CGSA9 + ) 。首先,分析PVD 约束条件中各变量间的相互依赖关系,确定总体中各维度随机的先后依赖顺序; 其次,在继承CGSA 算法子代产生的规则基础上,更新越界子代的产生规则,借助当前全局最优解位置,优化子代产生规则; 最后,通过循环验证是否满足约束,进而求解与评估,得到最优解。对比实验表明,该新算法能有效解决PVD 约束优化问题,并具有较好的优化效果。     

基于集合覆盖的异构有向传感网寿命优化策略

在由感知半径、感知角度和携带能量不同的有向传感器节点组成的异构有向传感器网络中,对满足优先级不同的监测目标有不同覆盖要求条件下的网络寿命最大化问题进行研究。利用集合覆盖的思想,将有向传感器节点划分为满足目标覆盖要求的集合,通过集合之间的切换来达到延长网络寿命的目的。首先证明本文问题是NP-hard问题,然后利用改进的和声搜索算法进行求解,一方面引入带有混沌参数的微分变异因子,改进种群的多样性;另一方面,与模拟退火算法结合增强算法的局部搜索能力。同时为对比算法性能,提出一种贪婪算法。仿真结果显示:较之原始和声搜索算法和贪婪算法,改进和声搜索算法能有效延长网络的寿命,证明了改进算法的有效性。     

A novel method for robot path planning

Path planning is one of the most important problems in the design of a mobile robot. A novel approach called generalized Voronoi diagrams (GVD) may deal with this matter. First, a method was introduced to normalize the obstacles and present efficient techniques for generating GVDs. Then a best path searching algorithm was presented. Examples implemented were given to indicate the availability of the mentioned algorithms. The approaches in this paper can also be used in applications including visualization, spatial data manipulation, etc.     

Spark框架下混合SACS-GS的大数据清洗方法

提出一种Spark框架下自适应布谷鸟搜索(self-adaptive cuckoo search,SACS)和引力搜索(Gravitational Search,GS)算法的混合SACS-GS方法,并给出了Spark框架下SACS-GS方法大数据清洗方案.首先提出自适应布谷鸟算法,给出两种改进的搜索策略,通过线性递减概率规则将两种策略结合起来,形成自适应搜索策略,避免种群早熟和提高收敛速度,然后引入自适应发现概率,提高种群的多样性. SACS算法混合GS算法得到SACS-GS方法,该方法通过引力搜索算法的局部搜索能力来确定自适应布谷鸟算法的全局范围,并找到使卵生长和成熟的最佳解决方案,有效地识别大数据中的错误数据.实验结果表明, SACS-GS方法具有较高的大数据异常检测精度,且精度高于其他现有方法,处理时间低于其他方法.     

装配生产线任务完成时间延迟的响应策略

针对实际装配生产线中由各种干扰引起的任务完成时间延迟,将不平衡问题缩小到动态响应区,并基于局部搜索算法的基本原理以及数组的读取规则,编制了改进的嵌套式搜索算法.分别制定了单个和多个动态工人时的响应策略,得出多人共同服务整个生产线的策略优于分别服务策略,且用算例分析验证了这种策略的有效性.