资源受限项目调度的多智能体文化演化算法

结合文化算法的双层结构和多智能体进化算法的演化优势,提出一种求解资源受限项目调度问题的多智能体文化演化算法。算法设置了上层信仰空间和下层群体空间,各空间内智能体通过与其邻域进行竞争、合作操作及自学习操作来增加自身的能量,空间之间的交互是定期通过接受操作和影响操作采用同步传输方式来完成。通过对资源受限项目调度标准数据库PSPL IB中多个32、62、92、122工作的项目调度问题的仿真,结果表明:此算法不仅具有很好的收敛特性,而且运行速度快,是一种求解大规模调度问题的有效算法。     

土木工程专业结构类课程教学的一些思考

土木工程专业结构类课程有混凝土结构原理与设计、砌体结构、钢结构、建筑结构抗震设计、高层建筑结构设计等。本文从教材与《规范》结合、课内与课外结合、手算与电算结合、构造与图集结合、课程与就业结合、案例与理论结合等几个方面谈土木工程专业结构类课程教学的一些思考,为土木工程专业结构类课程的教学提供一些参考。     

创新集群结构评价——北欧各国ICT集群案例研究

对创新集群的结构进行了深入分析,将其结构抽象为知识网络、产业网络、价值网络和服务网络四大网络。设计了创新集群结构评价的指标体系,并运用主成分分析法对北欧国家ICT创新集群结构分别进行了实证评价和分析。评价结论基本证实了指标体系的有效性和方法具有逻辑自洽性。     

城市污水处理厂选址的优化方法讨论——以赣州市峰山片区沙石污水处理厂规划选址为例

本文以赣州市峰山片区沙石污水处理厂为例,从城市风向、尾水排放和与周边居住等其它建筑卫生防护距离三方面,阐述城市污水处理厂在选址不当时对城市公共安全及城市居民的影响,并提出了以技术为核心的优化解决方法。     

蚁群算法在解决排课问题中的应用

简述了蚁群算法的生物模型和排课问题的实质,将排课问题转化为二分图匹配问题进行解决,对蚁群算法中的信息素策略和路径转移策略进行了探讨研究,并给出了规避和解决冲突的方法.     

供应链整合创新的演化博弈分析

供应链整合创新是企业实现利益最大化的一条重要途径。本文就双寡头企业是否选择供应链整合创新问题,从成本收益角度建立演化博弈模型,分析两企业策略的动态演化过程及稳定状态。理论分析和数值模拟的结果表明:博弈过程中,企业策略的动态演化过程是否受竞争对手影响,取决于其供应链的整合成本、整合收益、超额收益和潜在损失,与竞争对手的这四个因素无关,也与两企业的原有收益无关;两企业策略相互影响时,存在两类不同的稳定状态。     

批量需求模式下的随机库存管理策略

考虑一类具有(s,s+q)订货策略的批量需求随机库存系统。需求的到达形成复合Poisson过程,当库存水平下降到s时管理员立即补货至最大仓储量s+q.通过构建库存和缺货状态下的状态转移方程,研究了库存和缺货的稳态概率分布;进一步建立库存成本函数和设计了一种有效的算法,研究库存系统的最优控制策略并考察参数的敏感性。     

重叠复用性建模方法

基因表达式程序设计是一种新的演化建模方法,试验表明在求解很多问题时该方法比遗传程序设计优越两个数量级以上。复用性是一个重要的概念,在众多领域得到了广泛的应用。通过对染色体中的基因的复用性进行研究,提出了重叠复用性建模（Overlap Reused Modeling,ORM）方法,也可以称为重叠复用性建模（Overlap Reused Modeling,ORM）方法。重叠复用性建模方法通过改进的染色体解码（翻译）规则来实现基因的复用性,从而有效地扩大了染色体的表达空间。同时提出了一种新的染色体适应值的计算方法,这种新的方法不仅简化了染色体适应值的计算过程,而且可以杜绝因基因复用所造成的计算量的增加。     

考虑机场、航空公司与空管需求的机场群离场航班时刻优化

随着我国航空流量的不断增加,机场群内航班延误时间长、延误架次多、机场时刻紧张等问题逐渐暴露,这些问题主要是航班时刻设置不合理所导致。为解决这些问题,需要对机场群内航班时刻进行优化。本文通过从机场、航空公司、空管三个角度综合考虑,分别以延误时间、航空公司航班时刻调整总方差、管制员总调整量作为优化目标,建立了机场群航班时刻优化模型,并使用权重线性递减的粒子群优化算法实现对模型的求解。以京津冀机场群为例进行分析,使用Matlab对模型进行寻优。结果表明优化后机场群内总延误时间由77 580分钟至46 260分钟,航空公司航班时刻调整总方差由447.076减少至63.141,管制员总调整量由467 次减少至253 次,三个目标均得到了优化。可见该模型权衡了机场、航空公司与空管之间的公平性,为机场群航班时刻的优化提供了理论参考。     

基于主成分分析的果蝇算法优化支持向量机回归的红枣产量预测

随着大数据技术和人工智能的快速发展,针对当前红枣产量预测模型精度低、模型优化时间过长等问题,本文以山西省1993-2020年的红枣产量及17个维度的因素作为基础数据,提出一种基于主成分分析的果蝇算法优化支持向量机回归(principal component analysis-fruit fly optimization algorithm-support vector regression,PCA-FOA-SVR)的红枣产量预测模型。首先利用主成分分析(principal component analysis,PCA)对数据进行降维处理,以5维的指标作为输入变量,产量作为输出变量;其次以支持向量机回归(support vector regression,SVR)为基础模型,利用果蝇优化算法(fruit fly optimization algorithm,FOA)对SVR参数(c,g)进行寻优,构建PCA-FOA-SVR模型;对试验结果进行验证,发现PCA-FOA-SVR的均方根误差(root mean square error,RMSE)、平均绝对误差(mean absolute error,MAE)、决定系数(coefficient of determination,R2)分别为3.11、3.01、0.96,SVR的各指标分别为5.33、4.07、0.9,分别提高了41.7%、26%、6.7%,最后通过GM(1,1)对各维度的数据进行预测,利用PCA-FOA-SVR模型对未来10年山西省红枣产量进行预测,结果显示在2025年红枣产量会达到一个峰值,对本文的后续研究提供了一定的帮助。