资金约束下基于自适应差分进化算法的联合采购模型及其应用

针对贴近库存管理实践的联合采购问题研究不足的事实,分析了有资金约束的联合采购决策模型,该模型属于NP-hard问题,目前缺乏稳定快速的全局优化求解算法。本文设计了一种高效的自适应差分进化求解算法,通过与另一种求解此问题高效的遗传算法得到的结果进行对比分析,发现改进的差分进化算法不仅稳定可靠、全局收敛能力强,而且可以获得总成本更低的采购策略。算例分析结果同时表明,随着联合采购物品品种的增加,本文设计的算法在成本节约方面的潜力就越大。此方法具有广泛适用性和较强的应用价值,已在核电站备件库存管理应用中产生了良好的经济效益。     

基于改进遗传算法的装备调配

针对装备调配问题,构建了多约束条件下的多目标模糊指派模型,并通过改进传统遗传算法中初始种群产生以及种群选择、交叉、变异的机制,设计了一种求解此模型的快速收敛遗传算法。最后,通过对一个装备调配案例进行仿真实验,结果表明该算法收敛速度快,容易得出最优解,符合装备保障指挥的实际需求。     

遗传算法选择性集成多分类器的企业财务困境预测

为了更加有效地进行企业财务困境预测,本文提出了基于遗传算法选择性集成的多分类器系统。与事先静态给定系统内部基本分类器组成不同,该方法以组合系统预测准确率为优化目标,无需度量各基本分类器之间的差异性,可以动态挖掘最优组合系统。实证研究中以中国上市公司为研究对象,以10折交叉验证准确率作为评价标准,结果表明该方法显著优于全集成以及单分类器最优模型。     

基于递阶遗传算法和BP网络的财务预警

提出一种基于递阶遗传算法和BP神经网络的财务预警模型.现有的BP网络模式分类训练方法大都只能训练BP网络的权重,网络的结构得预先用某种方法确定.利用巧妙设计的递阶遗传算法能够把网络的结构和权重同时通过训练确定.以模式分类数据库中的数据进行训练和测试,并与其他模式分类模型相比较.结果表明,该模型更优,分类精确度更令人满意.根据上市公司的财务数据用所提出的方法进行财务预警是可行的.     

一种针对任意整数序列的超“快速排序”算法研究

提出了一种基于哈希函数的超“快速排序”算法。根据数组下标递增的特点,对待排序的任意整数序列建立有效的哈希函数,通过循环映射链接完成排序。分析了算法的时间和空间复杂度,实验验证了算法的运行效率。结果表明：算法的时间和空间复杂度均为O（n）,在问题规模较大时,效率优势明显。     

大坝位移BP网络模型影响因子的优选

大坝位移影响因子中最优影响因子的选择,将直接影响到大坝的变形预报,将不同相关系数法引入到大坝位移重要影响因子的选择中,进行对比分析,基于BP神经网络进行预报与分析,得到大坝位移影响因子的优选法。     

基于程序结构的测试用例自动生成研究

在实际的软件工程应用中,由于软件测试具有很强的针对性,各种测试活动往往难以制定为统一的标准行为,为满足特定的测试目标,需要有效足迹多种不同的测试活动。测数据生成的自动化程度又是测试工具乃至整个测试过程自动化程度的关键技术所在,本文则主要针对这一问题对测试数据的自动生成技术进行了研究和设计,使用遗传算法的测试用例自动生成方法。     

基于激光传感器的智能车设计

本文设计了以飞思卡尔单片机MC9S12X128为核心的智能车系统,包括传感器信息采集与处理、电机驱动、控制算法及控制策略等方面。采用激光传感器采集道路信息并反馈给单片机控制系统,通过软件进行相关分析处理,通过速度反馈和PID算法控制舵机转向和智能车速度。通过实际运行验证,本方法使智能车运行稳定、可靠,其平均速度达到2.6m/s,得到比较理想的效果。     

BP神经元网络在Web文本分类中的应用

Web文本分类是Web文本挖掘的一项重要技术,它是一种基于主题分类的指导,能够使用户在快速地找到想要的资源和知识。文本分类过程中,首先采用向量空间模型对Web文本进行特征提取,然后将得到的数据集分成样本数据集和测试数据集,将样本数据集输入BP神经元网络进行分类,网络经过训练后,输入测试数据集进行验证。实验结果证明BP神经元网络在文本分类领域有着较好的实用价值。     

基于运动估计的置信度传播立体视频匹配算法

基于置信度传播(BP:Belief Propagation)的立体匹配算法与局部算法相比,视差准确度高,但需要耗费大量的计算时间。为此,提出一个基于运动估计的置信度传播立体视频匹配算法。该算法首先通过传统的BP算法获得I帧的匹配视差图,并保存每个像素获得最佳视差值的传递信息;然后,通过参考I帧的运动估计信息,得到重新排列的I帧视差值的传递信息,将其作为P帧置信度传播算法的初值进行迭代运算,从而大大减少了P帧置信度传播算法的迭代次数。实验结果表明,该算法能大大提高置信度传播立体视频的匹配效率。