固定带宽下的无标度网络交通流分析

讨论了一类固定带宽下的复杂网络交通流问题,构建了一类具有连接带宽约束的复杂网络交通流模型.以交通流中的信息流为背景,在"具有可调聚类系数"的BA无标度网络中,定性地研究了不同带宽约束下的网络负载变化问题.发现在具有较大带宽的网络中,网络具有较大的负载能力;并且网络负载能力随着网络带宽约束的增加而大幅度地降低,当带宽约束增加到可允许的极限时,网络交通的负载能力已经不受网络节点处理数据包能力的影响.并从复杂网络拓扑和交通流机理角度定性地分析了带宽约束对网络交通流影响的原因.     

能力约束下多产品物流网络系统决策模型及算法

针对多产品、多制造分厂和多用户的生产-分销系统,研究了产品的生产周期、运输频率以及在分厂之间的经济分配量等问题.将每个分厂的生产能力以及单位产品所需要的生产能力作为约束,以单位时间物流网络的平均总费用最低作为优化目标,建立了决策模型.考虑到模型既非凸也非凹的非线性规划特性,提出了分配启发式算法近似求解模型.采用上述算法和拟牛顿法(quasi-Newton method,QNM)分别对5组不同规模的问题进行了实例计算和比较,结果验证了所提模型的正确性和算法的有效性.     

科技查新行业自律机制的构建

科技查新行业自律是指科技查新机构和从业人员在履行一定职责时,以职业道德进行自我约束,对社会、查新用户负责。科技查新行业自律的核心是自我约束和自我管理。目前,我国科技查新行业自律体系建设仍近乎空白,这种缺位状态不利于科技查新事业的健康、持续、平稳发展。结合我国科技管理现状,构建由法律规范、行业自律、政府监管、外部监督等组成的科技查新行业机制架构,是科技查新行业长足发展的迫切需求。     

《原则与参数》评介

《原则与参数》一书是由Ohio州立大学语言学院教授Culicover所著的教学用书。该书于1997年由牛津大学出版社正式出版发行。该书介绍的“原则参数”理论由以下几个子理论组成：题元理论、X阶标理论、格理论、约束理论、管辖理论、控制理论、界限理论。全书共分为十章,前两章介绍一些生成语法的基本概念和术语．后8章分别介绍各个子系统。该书是对句法理论的一个最基础的介绍,是理解当前句法革新的理论基础。     

加工时间具有学习效应的链约束单机排序问题

研究了工件的加工时间具有学习效应的链约束单机排序问题,在链可中断和不可中断两种情况下,均给出了目标函数为极小化最大完工时间的多项式算法。     

局部邻域搜索在对地观测卫星任务规划中的应用与扩展

任务规划作为一项重要技术,已经广泛应用于卫星的星载与地面控制系统中,以提高卫星任务执行的鲁棒性、可预测性和高效性。描述了对地观测卫星任务规划问题及特点,给出了对地观测卫星任务规划的一般处理过程。针对约束规划中的局部邻域搜索算法不能有效反应对地观测卫星成像的时效性和分辨率等需求的问题,提出了基于动态优先级的局部邻域搜索算法。算法在经典约束满足问题求解算法的基础上,主要扩展了任务优先级的定义及在搜索过程中的启发式。通过典型的仿真算例,验证了算法的可行性和有效性。     

多级汽车装配车间的集成排产优化模型

为了研究多级汽车装配车间的多目标集成排产优化问题,详细讨论了涂装车间的颜色批量约束以及总装车间的空间间隔约束,证明了空间间隔约束是能力约束的充分条件,在此基础上分别给出了无辅助工人和有辅助工人参与情况下的空间间隔约束不等式。以同时优化涂装车间调整费用和总装车间辅助工人费用为目标,建立了一类整数规划数学模型。采用模型非线性约束线性化的方法并结合运用优化软件对模型进行求解。最后通过仿真实例,验证了该方法的可行性和有效性.     

水库调度PSO优化模型及求解方法

水库优化调度是水资源系统工程的一个典型,其实质是一个非线性的不等式约束优化问题,然而现行的求解方法中针对离散精度和复杂约束处理两个问题一直考虑不足,相关方面的研究也较少。将连续域寻优的粒子群算法引入到水资源系统工程中,建立水库调度的PSO优化模型,避免因离散而引起的寻优瓶颈,并针对传统粒子群算法的趋同性问题和复杂约束问题,提出退火罚函数法和混沌变异因子法,使改进后的粒子群能更有效地解决水库调度问题。通过实例分析,验证该方法的可靠性,为水库调度提供了一种新的求解途径。     

基于状态-动作模型的中继卫星操作规划问题建模

通过分析中继卫星操作规划问题特点,提出一种基于状态-动作模型的任务规划建模方法。采用PDDL语言对中继卫星的领域知识进行描述,解决动作的持续时间约束、复杂资源约束以及一类特殊的外部事件的表达问题。最终建立的中继卫星操作规划模型表明,该方法较传统规划建模方法具有更强的描述能力。通过引入领域知识将操作任务规划问题分解为规模较小的子规划问题,并给出子任务对应的可选动作集合,从而减小了规划解的搜索空间,提高了求解效率。     

求解约束优化问题的动量粒子群算法

为解决约束优化问题,提出使用双可行域吸引子策略改进动量粒子群算法。该算法只需初始种群中有一个粒子位于可行域内,随着搜索过程的进行,整个种群自动进入可行域内搜索。一方面,在搜索过程早期,由于可行域内粒子少,所有粒子移向相同的吸引子,整个种群迅速进入可行域内。另一方面,随着进入可行域粒子的增多,由于每个粒子使用距本身最近的可行域吸引子,较好地维持了种种群的多样性,避免早熟现象的发生,使算法具有较好的寻优性能。与国际上当前解决约束优化问题的粒子群算法在4个标准约束优化函数上测试比较,实验结果表明本算法取得的最优值要优于其它粒子群算法。

Abstract：

The strategy that two good positions in feasible region worked as attractors was incorporated into momentum particle swarm optimization algorithm in order to resolve constrained optimization problems. The resulting algorithm only requires that one of the initial particles is in the feasible region, and then all particles in the swam automatically move into the feasible region. On the one hand, in the early iterations few particles appear in the feasible region and hence all particles move toward the same attractors, so the particles soon enter into the feasible region. On the other hand, as the number of particles in the feasible region increases, each particle adopts the most near attractor so that each particle has different attractor. Therefore, the algorithm maintains the diversity of the population, alleviates the premature, and hence achieves good performance. The algorithm is compared with other particle swarm optimization algorithms on four benchmark functions. The experimental results show that the solution of the algorithm is better than that of others.