基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。     

基于区间灰数预测模型的天猫“双十一”物流需求量预测

基于天猫"双十一"包裹量增长呈"S"形和连续动态变化的特性,对"双十一"包裹量进行预测;首先将天猫历年"双十一"包裹量划分成几个连续区间,然后通过信息分解法对连续区间灰数进行白化处理,将区间灰数分解成白部序列和灰部序列,最后建立基于信息分解的连续区间灰数离散Verhulst预测模型;经误差检验分析,该模型预测结果精度较高,可以作为天猫平台第三方物流企业对物流资源进行合理、有效调配的依据。     

基于数据分析的地区高等教育发展评价及预测

改革开放以来,我国的教育事业得到了迅速发展,然而也存在着各地区发展不均衡的现象。由于以往教育水平评价指标间的关系错综复杂,为了有效地观测我国高等教育发展水平与趋势,本文建立了一种基于灰色关联度分析和熵权法的组合权重综合评价模型。根据指标体系收集到我国10个省级地区2007年至2016年的相应数据,利用综合评价模型与时间序列模型对我国部分地区高等教育的综合发展水平进行了测算和分析,得到了各地区高等教育综合发展水平的排名,并基于此对各地区未来5年的高等教育综合发展水平进行了预测。     

基于灰色模糊评价法的高校智库影响力评价研究

高校智库发展缺乏动力,成果难以转化,影响力有限。如何了解高校智库的影响力,采用何种方法来评价其影响力,对高校智库自身的发展和社会的进步都有一定的现实意义。本文从四个维度构建了高校智库影响力评价指标体系,并运用灰色模糊分析法对高校智库的影响力因素进行评价。通过对高校智库的影响力进行评价,有利于改善高校智库发展不充分、不平衡的问题,也有利于社会甄别高校智库的差异性。     

基于灰色聚类的本科生生源质量评价研究

选取合肥工业大学2018年新生录取数据,确立生源结构、录取成绩以及录取志愿3部分为生源质量评价体系的关键指标.提出了基于灰色聚类的本科生生源质量评价模型,设计并实现了基于白化权函数和不同聚类指标权重的灰色聚类的计算算法,总结归纳了影响高校生源质量的相关因素.研究表明:高校生源质量及招生模式改革面对高考招生制度改革和"双一流"建设目标带来的新挑战和新机遇,合肥工业大学加强学校内涵建设和特色发展,创建一流本科教育,提高人才培养质量是关键.     

基于交通出行行为的郑焦城际公交客流预测

通过统计分析郑焦城际公交乘客的个人属性和出行信息,选择灰色模型对客流进行建模、预测和精度检验,得到模型的平均相对误差为3.98%,精度为96.02%,较好地满足了精度要求。该研究为郑焦城际公交的组织优化提供了理论依据和技术支持。     

云南高原湖泊群的统计学聚类识别 及水质响应模式研究

为探究湖泊群水质变量的响应模式,构建适用于监测数据匮乏的湖泊群聚类和响应模式识别方法体系(PCA-BN),包括4个步骤:数据预处理、PCA降维与湖泊聚类、贝叶斯网络构建及参数学习、湖泊响应关系模拟。以云南高原湖泊群为例开展研究,结果表明:所研究的26个湖泊可分为两类;由于第一类湖泊受到的人为干扰更严重,因而叶绿素a对总氮和总磷的响应比第二类湖泊更敏感;第一类湖泊表层水温高,溶解氧趋近饱和,随叶绿素a变化不显著,第二类湖泊溶解氧随叶绿素a升高而显著升高;两类湖泊的透明度与叶绿素a的关系一致。     

北疆地区城市化发展与生态环境的灰色关联性分析

以2002—2011年间指标数据为基础,采用主成分分析法、层次分析法、灰色关联性分析和相关性分析等方法对北疆地区城市化与生态环境之间的关系进行分析,计算得出两系统各指标间属于较高关联或高度关联,表明北疆地区城市化与生态环境之间的关系密切.     

网络结构特征与链路预测算法关系研究

以美国航空网络、科学家合作网络和线虫新陈代谢网络等5种实际网络为例进行了综合实验,用结果数据定量化描述了同配系数、集聚系数和网络效率等网络结构特征参数,与基于局部信息和全局信息的两类链路预测方法结果之间的关系。通过对结果的分析,得到了网络同配系数为正且聚集系数大于阈值(约0.1)时适用基于局部信息的预测方法,否则适用基于全局信息的预测方法;以及集聚系数、网络效率与局部信息预测方法的结果成正比,与全局信息预测方法成反比等结论。这些结论为通过网络特征参数进行链路预测方法的选择提供了定量化的参考依据。     

基于聚类方法和神经网络的非线性系统多模型自适应控制

针对具有参数跳变的非线性系统,联合聚类算法和神经网络提出新的多模型自适应控制方法。首先对系统的输入输出数据进行模糊聚类,然后基于递推最小二乘法建立多个固定模型。为提高系统的暂态性能,同时建立两个自适应模型,并在此基础上设计鲁棒自适应控制器。此外,为了补偿系统的非线性部分,建立非线性预测模型,并设计非线性神经网络自适应控制器。所提方法可使控制切换系统具有稳定性保证。最后,通过性能指标对控制器进行平滑切换。仿真结果表明,所提方法能够保证系统具有良好的控制性能。