利用虚拟发现技术改进排序算法的研究

本文针对一些已有算法存在的不足,如容易产生Spam;Direct Hit算法处理重复点击、与新页面不理想的问题,提出改进算法的思路。引入社区发现技术来改进算法,降低垃圾网页和重复点击带来的不利影响,提高用户的满意程度。     

基于滑动窗口的数据流中近期频繁项挖掘

提出了一种在单独数据流中挖掘近期频繁项的算法MRFI。该算法采用基于对时间敏感的滑动窗口的模式,保证了挖掘结果的时效性,并利用循环队列和二叉排序树实现了简单高效的数据存储和处理,该方法是一种近似算法,它可以消除历史数据对挖掘结果的影响。实验采用IBM数据发生器产生合成数据,证明了该算法的有效性。     

基于串行计算的排序算法实证分析

文章简述了排序算法的研究现状,着重分析地址映射计数排序的基本思想,提出了相异密度因子的概念,以快速排序为参照系,通过理论分析和实验数据的实证分析验证,表明相异密度因子是应用领域选择合适的排序算法的重要参考因素,最后指出了排序算法的研究新趋势.     

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。     

基于优先级排序的用户侧电网调峰机制

传统的分时电价环境下,居民用户大量负荷转移至低电价时段,形成新的负荷高峰。为了缓解这一状况,提出了居民用户参与电网调峰的激励机制。以用户最小用电成本为目标函数,对家庭用电设备进行分类并建立数学模型;考虑调峰功率约束和补偿费用约束,运用改进的逼近理想解排序法（technique for order preference by similarity to ideal solution, TOPSIS）,并通过用户响应次数、响应功率等4个指标对每轮次参与调峰的用户进行优先级排序,最终确定参与调峰的用户名单。案例分析结果表明能够降低用户用电成本,减小系统的峰谷差。所提方法能够引导用户有序参与电网调峰,实现用户用电策略的优化。     

一种区间数多属性决策方法在经济评价中的应用

研究了区间数多属性决策问题．利用区间数运算法则获得加权规范化矩阵．基于投影对TOPSIS法进行改进,通过各方案与理想解的相对贴近度进行方案排序或择优．并将方法应用于经济评价中,提高了决策的准确性和效率．结果表明：算例验证了该方法的可行性和有效性且具有操作简便和易于上机实现的特点．     

事件本体模型及事件类排序

给出了事件、事件类的定义, 分析了事件类之间的关系, 在此基础上形成了面向事件的本体模型, 为基于语义的知识处理提供了新的方法与技术。在事件本体模型的基础上以事件类排序为实例, 研究了基于HARank (Hubs-Authorities Rank)算法的事件类排序方法, 给出了实验结果, 并对其进行了评价。与传统本体相比, 事件本体以更高粒度的事件作为知识表示单元, 更适合表示运动世界的知识。     

基于群体智慧的电影排序模型

利用新浪微博的微群信息,在蚁群算法的基础上,提出了一种基于群体智慧思想的排序模型(ACOR),通过结合用户的偏好及电影热度对电影进行综合排名.同时考虑了微博中的情感因素,分析用户对电影的情感倾向并计算其情感值.最后,根据群体形成的情感积累值对热议的电影排序.实验结果表明:该模型更符合用户的偏好,并具有一定的实时性,可以有效地为用户提供相关电影信息.     

某矿山最佳充填站站址方案选择

 充填站站址是一个充填矿山的咽喉工程,其合理与否是一个新建充填系统的关键。为解决充填站站址方案优化选择问题,本文通过现场调研、资料分析、专家咨询等方式,综合考虑经济、技术、环境、安全等因素,建立了充填站站址方案综合评判指标体系,进而运用层次分析法(AHP)、熵值法(EM)和逼近理想解的排序法(TOPSIS)的基本理论对充填站站址方案进行综合评判,从而确定最优充填站站址方案。评判过程中,为均衡主观、客观因素对各评判指标权重的影响,运用层次分析法确定各评判指标的主观权重,结合熵权法计算得到的客观权重,得到均衡主观、客观因素影响的均衡权重,进而结合逼近理想解的排序法的基本原理建立AHP&EM-TOPSIS综合评判模型,计算得到各充填站站址方案基于评判指标的综合优越度,从而确定各充填站站址方案的优劣。将该方法应用于某矿山实例中,依据该矿山实际条件,拟定3种待选充填站站址方案,建立充填站站址综合评价指标体系,进而运用AHP&EM-TOPSIS综合评判模型对各充填站站址方案进行评判,得出拟选择3种充填站站址方案的综合优越度分别为:71.2%, 46.4%,56.3%,从而确定第1种方案最优。经该矿山实践表明,本文方法所确定的充填站站址方案在生产过程中取得了良好的经济、社会效益。     

多资源约束下改进NSGA-II算法的手术调度

针对手术调度涉及因素众多难以优化的问题, 在考虑手术台、执刀医师等资源约束,构建了以病人满意度及手 术总流程时间为目标函数的模糊调度数学模型. 针对传统的加权系数方法不能很好地解决手术多目标优 化问题,提出改进的非支配排序遗传算法(non-dominated sorting genetic algorithm II, NSGA-II),采用改进的拥挤密度排序法改善同一非劣等级内个体的排序; 提出自适应交叉和变异策略, 克服了种群早熟化,改善算法收敛速度; 采用改进精英策略保持种群多样性, 改善算法搜索性能. 最后, 将该算法应用于某三甲医院手术模糊调度中,仿真结果证明该方法的有效性和可行性.