基于改进粒子群优化算法的虚拟企业伙伴选择

在分析基本粒子群优化算法和建立虚拟企业伙伴选择多目标决策模型的基础上,提出了一种求解供应链联盟伙伴选择的优化问题的改进粒子群算法.在优化过程中,该算法以优良适应值粒子取代部分不良适应值粒子,使算法具有过滤能力,加快了搜索速度,并保证了收敛于全局最优解.实验结果用基本粒子群算法进行了验证和比较,表明该改进粒子群算法具有较好的性能和简单快速准确等特点.     

不正常航班延误调度模型及算法

恶劣天气、航空管制、机械故障等原因常会使航班表无法正常运作,决策人员必须把飞机重新指派给航班,决定延误或取消哪些航班,尽快使航班恢复正常.本文构建了以延误成本最小或延误时间最短为目标函数的航班恢复模型,航空公司可以根据需要选择不同的目标函数;细分了延误成本并提出旅客失望溢出成本和失望溢出率概念;采用启发式方法并调用匈牙利算法对模型求解,给出了算法的运行步骤,并以实例说明了模型和算法的可行性.     

钢铁原料物流计划问题的建模与求解

研究了钢铁工业从原料采购到初级产品生产的物流计划问题,包括运输、库存和面向生产的配送.以所考虑的相关成本最小化为目标建立了数学规划模型,并采用列生成的方法求解.对0-1变量的线性松弛采用启发式的分支和深度优先搜索策略尽可能快地获得好的可行解.在分支结点上,通过求解最短路子问题获得限制主问题所需要的列,分支树上的根结点提供了体现可行解质量的下界.最后,计算机随机试验验证了该模型的有效性和算法的稳定.     

量子连续粒子群优化算法及其应用

提出了基于量子理论的连续粒子群优化(Continuous Particle Swarm Optimization based on Quantum Methodology, CPSO-QM)算法,主要是采用了量子理论中的叠加态特性和概率表达特性.其中,叠加态特性可以使单个粒子表达更多的状态,潜在地增加了种群的多样性;概率表达特性是将粒子的状态以一定的概率表达出来.在基准函数的实验测试中,对比其它常用算法,结果显示本文提出的算法性能较好.在实际应用中,以丙烯腈反应器作为建模研究对象,提出了三种进化策略,实验结果显示,这三种策略训练的神经网络软测量模型都可以较好地预测丙烯腈的收率.     

一种基于EMD和ANC技术的自适应降噪方法

为了提高分析信号的信噪比,基于经验模态分解和自适应噪声抵消技术,提出了一种新的信号去噪方法。该方法首先对信号进行自适应噪声抵消,然后进行经验模态分解,得到不同尺度上的固有模态函数,再对不同尺度上的固有模态函数进行噪声属性判定,如果不是噪声则选用不同的滤波参数,进行自适应噪声抵消,最后对各尺度上噪声抵消后的信号进行重构,得到去噪后的信号。结果表明,该方法比基于最小均方误差准则的自适应噪声抵消方法更能有效地消除信号中的噪声。     

基于动态RCS的无人机航迹实时规划方法研究

为了提高无人机的生存能力,针对不确定飞行环境的无人机航迹规划问题展开研究,提出了一种基于RCS的无人机航迹实时规划方法,建立了相关计算模型,提出合理的代价函数,并采用多阶段分析博弈评估算法对航迹进行优化。仿真结果表明,基于动态RCS的无人机航迹实时规划方法能够比较好的解决无人机的航迹规划问题。     

双代号网络图中虚工序对时差计算公式的影响与修正

如何使用最少的虚工序和虚节点绘制双代号网络图属于NP-hard问题,所以对于任意一个给定的项目,会存在多个正确的而且虚工序画法不同的双节点网络图与之对应.本文的目的在于研究双代号网络图中不同虚工序对时差计算公式的影响并进行修正.虚工序画法的不同会导致网络图中产生数量和类型不同的节点,因此研究方法从分析节点入手.首先根据虚工序的画法将节点分为一般节点,虚出节点和虚进节点三类,然后逐一分析每类节点对工序时间参数节点式计算公式的影响.通过同定义式算法对比,结果发现工序自由时差和安全时差的节点式算法分别对于虚出节点和虚进节点失效.最后提出节点式计算公式的修正方法,实例分析证明本算法简捷有效.     

两类决策系统中规则获取的联合决策矩阵算法

提出了联合决策矩阵的概念以及基于联合决策矩阵的两类决策系统规则获取算法.将条件属性等价矩阵和决策属性等价矩阵合并到一个矩阵中,大大减少了矩阵生成过程的比较次数,能有效提高算法的效率.用一个实例说明了算法的执行过程,并通过算法复杂度分析与实验结果对比,进一步说明了该方法的有效性.     

多变量离散灰色模型及其性质

构建了多变量离散灰色模型,并将该模型与传统GM(n,h)模型对比研究,通过系数变换,该模型可以和GM(n,h)模型相互等价,从而架构了离散灰色模型与传统灰色模型的研究桥梁.在此基础上研究了数乘变换对其参数取值的影响,结果表明模型的模拟和预测值只与因变量的数乘变换有关,而与自变量的变换无关,模型的相对误差与所有变量的数乘变换都无关,这些结果对灰色模型系列性研究有重要意义.     

基于BP-AsymBoost的医疗诊断模型

本文主要研究BP神经网络以及AdaBoost算法在医疗诊断中的应用,在分析标准AdaBoost算法的基础上提出改进的AdaBoost算法,即BP-AsymBoost.针对UCI数据库中的威斯康星乳腺癌数据集设计结合BP网络以及改进后的AdaBoost算法的诊断模型,并且通过多个指标将其与BP模型,遗传算法优化的BP模型,未经改进的BP-AdaBoost模型进行比较,验证BP-AsymBoost模型的有效性.