基于小波变换和凸集投影的数据恢复和建模算法

在过程控制中,当参数仅能以低采样率获得时,数据恢复就在建模中显得非常重要.本文提出了基于小波变换和凸集投影的数据恢复和建模算法.待恢复数据的先验知识采用凸集表达,并利用向凸集迭代投影(POCSProjection onto Convex     

基于遗传算法的一种粗糙集知识约简算法

知识约简是粗糙集理论研究的重要内容之一,是在保持信息系统分类能力不变的基础上,删除冗余知识.文中从系统的信息表出发,根据可辨别下三角矩阵,利用遗传算法,提出一种基于遗传算法的粗糙集知识约简算法,并通过实验分析说明,这种算法可以解决现有启发式算法无法解决的部分问题.     

基于小波空间的视图变形研究

视图变形技术是基于图象绘制中的一项关键技术,本文分析了该技术中基础矩阵的实现算法,结合小波变换的基本原理,分析了利用小波变换实现变形的基本原理,最终提出了实现的算法。     

求解多目标作业排序问题的遗传算法

利用联合进化遗传算法 ( CEGA)建立了求解多目标排序问题的一般框架 ,采用目标权衡分析诱导出决策人的偏好关系 ,并将其引入求解过程 ,以确定满意排序 ,在搜索寻优过程中 ,将启发式与遗传算法相结合 ,以提高搜索效率 .最后 ,利用该算法框架求解了一个含调整时间的一般 Job Shop排序问题 ,以表明算法的有效性.     

模式间相互影响时估计O-D需求的双层规划模型及求解算法

考虑各种交通模式间的相互影响 ,利用多模式均衡配流的变分不等式模型 ,建立了拥挤条件下多模式 O-D需求估计问题的双层规划模型 .并在对多模式均衡配流变分不等式模型进行灵敏度分析的基础上 ,给出了关于此类双层规划模型的基于灵敏度分析的求解算法 .最后进行了数值试验.     

并行工程团队的定量化组织方法

给出了并行工程产品开发团队的组织原则并建立了基于整数规则的团队组织问题数学模型。在这一数学模型的基础上,把团队组织问题分解为一系列相互独立的子问题,并提出了一个基于Tabu搜索的算法来解决此予问题。逐个解决子问题,即可获得整个团队组织问题的解。     

对LZW算法的改进及其在图象无损压缩中的应用

由于以往对ＬＺＷ无损压缩算法的研究多是基于平稳遍历的信源这一假设,而实际的信源多为局部平稳,在此情况下,原ＬＺＷ算法存在的不足在很大程度上限制了其最终压缩比的提高．据此,提出了采用双串表自适应更新机制以取代原算法中的单一串表机制,能较好地适应一般信源的局部平稳性,实际的编码效率测试曲线显示出改进的算法较原算法在压缩比上有很大提高．在对四幅医学图象的无损压缩实验中,均取得了优于ＪＰＥＧ的压缩比．     

同城即时配送问题基于多预测场景的在线调度

同城即时配送是随现代电子商务而产生的新问题,该问题呈现出极强的动态性与求解时间的紧迫性,并具有商户与顾客一对多的关系、车辆需要多次往返商户取货、货物取送有时效要求等诸多新特征,无法依赖现有研究而求解.针对这一问题,建立了基于多预测场景的在线优化调度方法,将带有预测订单的多个场景整合到路线规划过程,通过每个场景的方案计算,以及多场景方案的整合,得到了车辆赖以运行的集成方案,提高了调度方案面对未来不确定需求的适应性;所建立的调度系统在新订单进入时立即响应,在系统闲置时则采用大邻域搜索技术不断优化未完成的任务方案.最后,在具有200～300个日订单的大连市某同城即时配送公司的真实数据上,验证了在线调度方法的有效性和可行性.     

一种新的进化策略及其全局收敛性

在求解单峰最优化问题算法的基础上,给出了一种新的进化策略.针对连续函数优化问题,利用中心极限定理,在较弱的条件下,首先证明了基于均匀分布的(μ λ)-ES算法依概率收敛,然后给出了采用一般连续性随机变量作为变异算子的(μ λ)-ES算法依概率收敛的证明.数值结果表明:采用基于均匀分布的进化策略求解维数较高的连续函数优化问题能够快速有效地收敛到全局最优解.     

基于自适应退火遗传算法的船舶管路布局优化方法

采用自适应遗传算法来确定标准遗传算法的杂交率和变异率,尤其对变异率的调整,使其不但能根据个体适应值的大小进行自适应修正,而且能随进化状态的改变而改变,从而增强了算法摆脱局部最优解的能力.同时引入模拟退火思想,通过对标准遗传算法接受算子的退火处理,使其在搜索过程中除了接受优化解以外还以Metropolis准则接受恶化解,提高了种群的多样性,有效地增强了全局寻优能力.通过对适应值函数的退火拉伸,调整了进化前后期的适应值差异,从而加速了寻优过程.最终以形成的自适应模拟退火遗传算法进行船舶管路的三维布局优化,仿真实验表明,该算法不但加快了寻优速度,而且与标准遗传算法相比全局收敛率提高了近30%.