一份晋商随笔蕴含的历史信息——太谷商人赴闽、赣、粤《行商要览》译读

太谷县图书馆珍藏着一份清代太谷籍商人赴福建、江西、广东经商时随手记录的札子，上面记载了当年商人的行程路线、关税交纳、投宿指南和外地“相与”名录等情况，是研究晋商不可多得的一份原始信息资料，十分珍贵。     

国权与商利:抗战时期贵阳商会初探

抗战时期的贵阳商会呈显出貌似相悖的双重面相。作为经济绝交、"一元献机"、慰劳将士、救济难民等抗日救国活动的重要组织力量,商会有力地表达了其民族主义诉求;而开展税捐斗争、抵制征兵乱象、调查战争损失等维护商人私利的行为,则恰当践履了其组织义务。"国权"与"商利"的双重考量,是近代民族主义运动中中国商会的历史实态。     

基于遗传算法的Job-shop调度问题研究

Job-shop调度问题是一个强NP－难问题。为此提出了一种简单，易操作的遗传算法对该问题进行求解。采用一种插入式贪婪解码算法保证生成的调度是活动调度(active schedule)。通过几个著名的Muth and Thompson测试例子及与目前较好的遗传算法的比较实验，以验证这一算法的有效性。     

水声网络中生物友好的网关部署优化

海洋哺乳动物与水声传感器网络共享水声信道,导致网络端到端延时增加,数据包投递率降低.针对这一问题,提出一种生物友好的水声网络多网关部署优化策略.该策略以网关作为网络的数据汇聚中心,用统计学方法确定海洋哺乳动物位置,并根据水声信道模型计算生物干扰半径,从而确定生物-网关干扰区域.以最小化网络端到端平均时延为目标,联合整数线性规划和贪婪-交换启发式算法优化网关部署.仿真结果表明:与随机部署和不考虑生物干扰的网关部署方法相比,采用本文策略使端到端时延降低62%和52%,数据包投递率提高36%和19%.     

面向VANETs改进的GPSR路由算法

针对车载网络GPSR的路由空洞问题,分析了现有策略的不足。为此,提出改进的GPSR。在改进的GPSR中,当节点已达到局部优化,即贪婪算法无法传递数据包,就利用邻居节点竞争方式转发数据包,并基于邻居节点的权值,选取最优的下一跳节点。仿真结果表明,改进的GPSR在数据传输率、端到端传输时延、路由长度方面均有较好的性能。     

基于K2算法的因果结构学习研究综述

贝叶斯网络是一种处理不确定性知识的有效工具,因为其能很大程度降低推理的复杂度,在数据挖掘、机器学习等领域得到了广泛的应用.贝叶斯网络结构学习是其重要研究内容之一,其中K2算法由于其能有效避免似然等价问题,以及在时间复杂度和准确度上都优于大部分经典算法,因此备受研究者关注.针对K2算法受节点序约束,采用贪婪搜索技术处理模...     

拟阵与贪婪算法

给出拟阵的等价条件及拟阵中 ｋ 元集的个数,最后对加权拟阵用贪婪算法算出所有最重元．     

移动自组织网中基于贪婪蚁群算法的广播策略

广播是移动自组织网络(mobile ad hoc network, MANET)传递信息和建立路由的重要操作。为解决广播过程中的链路冗余和广播风暴问题,提出一种基于贪婪蚁群算法(greedy ant colony algorithm, GACA)的广播策略。首先,结合路由节点的数据包总传输距离、链路数目和链路质量建立目标函数。然后,通过GACA达到目标函数的最小值并规划出最优信息广播路由。最后,转发节点根据路径要求转发信息。仿真实验表明,该策略能够合理地利用网络资源、减少信息冗余以及避免广播风暴的发生。     

改进算术优化算法求解考虑机器老化效应和工件释放时间的作业车间调度问题

研究考虑机器具有老化效应和工件带有释放时间约束的作业车间调度问题（job shop-scheduling problem, JSP）。建立以最小化最大完工时间为目标的调度优化模型,并设计1种改进的算术优化算法（improved arithmetic optimization algorithm, IAOA）对该问题进行求解。算法首先通过排序值转换规则将IAOA连续解空间映射到JSP的离散空间,并对JSP进行编码,然后使用插入式贪婪解码算法进行解码。提出了非线性数学优化加速函数和6种邻域搜索策略对标准算术优化算法（arithmetic optimization algorithm, AOA）进行改进。通过在33个JSP数据集上进行测试并与AOA、灰狼优化算法和算术三角函数优化算法进行对比分析,结果表明提出的IAOA具有较好的优化效果以及收敛能力,且该算法克服了AOA求解精度低、收敛速度慢的缺陷。     

一个竞争选址问题的新模型及其求解算法

提出了一个竞争环境下使获得的市场份额最大化的选址模型,该模型通过引入竞争设施聚集引起的需求增长率和距离折扣率来刻画设施的聚集效应.同时给出了求解该模型的分支定界算法和贪婪算法,并通过一个数值例子说明和检验以上算法.最后,分析了需求增长率和距离折扣率对选址决策的影响.