多目标监督聚类GA研究

提出了多目标监督聚类GA算法,即:根据样本的类标签有监督地将样本聚类,在每个类中根据样本属性的相似性有监督地聚成类簇.如果分属不同类标签的类簇出现相交,则相交类簇再次聚类,直到所有类簇均不相交.适应度矢量函数由类簇数和类内距离2个目标确定,类簇数和类簇中心由目标函数自动确定,从而类簇数和中心就不受主观因素的影响,并且保证了这2个关键要素的优化性质.预测分类时,删去单点类簇,并根据类簇号和离某个类簇中心距离的最近邻法则以及该类簇的类标签进行分类.算法模型采用C#实现,采用3个UCI数据集进行实例分析,实验结果表明,本算法优于著名的Native Bayes、Boost C4.5和KNN算法.     

线性回归分析在人脸识别中的应用研究

线性回归分类(LRC)算法中,借助一个依赖线性子空间的单一对象类模型,开发了一个线性模型,作为特定类库的线性组合来描述探针图像,并且借助于最小二乘法及其为了支持具有最小重构误差的类而制定的决策,解决了逆问题,但是并不能解决连续闭塞问题。基于此,提出了一种新颖的基于近邻子空间分类的识别方法,模块化线性回归分类(MLRC)算法。将LRC算法进行模块化,并且引入了一种基于距离的本征融合(DEF)算法用于决策。在FERET及ORL上的实验表明,与其它几种常用的方法相比较,MLRC算法在处理人脸识别问题上取得了更好的结果。     

一种基于路网D树的无线广播环境下路网最近邻查询处理算法

位置相关查询是数据库领域的一个研究热点。重点研究了无线广播环境下路网最近邻查询（NN）处理问题。对一个给定的路网结构及路网上分布的数据对象,构造对应的路网Voronoi图（NVD）,并在NVD图的基础上构建路网D树索引结构。然后,将路网D树索引结构线性化以支持无线广播环境下路网NN查询的处理,并提出了相应的路网NN查询处理算法。模拟实验表明,所提出的算法是有效的。     

社区居委会选举中的困境及出路

作为基层群众自治组织,居委会在社区建设中具有举足轻重的地位,因此,全国各地的社区建设都十分注重居委会的组织和制度创新。然而,居委会选举鲜有创新。居委会选举创新不够表面上是由于居民对选举的政治冷漠,深层次的原因在于居民与社区利益的低度相关和基层政府对选举的操纵。改变居委会选举困境的办法是加大社会资本投资,建立有限政府。     

一种求解平面旅行商问题的新算法——绕中心周游法

提出了一种求解平面旅行商问题的新算法——绕中心周游法,它是一种确定型算法,时间复杂性与最近邻算法相同,为O(n2),其中n为城市数。利用所编写的绕中心周游法和最近邻算法程序,对不同规模的平面旅行商问题进行了数值试验,对两种算法的求解质量进行了对比分析。结果表明:①绕中心周游法和最近邻算法求解质量的相对优劣取决于具体问题中城市的数量和分布;②对于4城市问题,绕中心周游法总能得到最优解,而最近邻算法经常不能得到最优解;③对于小规模(n<20)问题,绕中心周游法的求解质量一般优于最近邻算法的求解质量;④对于中等规模(20≤n≤30)问题,绕中心周游法的求解质量总体上相当于最近邻算法的求解质量;⑤对于大规模(n>30)问题,绕中心周游法的求解质量一般次于最近邻算法的求解质量。     

基于差分量子粒子群优化算法的作业车间调度

针对作业车间调度问题(job-shop scheduling problem, JSP)中存在的求解复杂程度高、动态性强等难题,提出基于差分特性的量子粒子群优化算法。量子粒子群算法引入量子机制克服了粒子群算法在全局收敛性上的不足,并采用差分进化思想对粒子状态进行更新,借助变异操作增大种群多样性,对早熟粒子进行交叉选择操作,防止个体收敛到局部极值,进一步采用多邻域搜索方法以提高算法的寻优速度。对FT、LA两类JSP算例进行求解,将所提算法与离散粒子群算法、遗传算法以及细菌觅食算法进行实验对比。结果表明,4种算法收敛到FL10算例理论最优解的时间分别为127、134.8、143.5以及141.3 s;而LA36算例的理论最优解为1 268,4种算法所得结果分别为1 294.6、1 457.4、1 374.3以及1 398,且所提算法收敛时间最短。仿真结果表明所提算法能以较快的收敛速度得到最优解,相比于其他算法,寻优速度和精度都有了明显提升。     

基于RBFNN的DMFC温度建模与神经模糊控制研究

为了提高燃料电池的发电性能，直接甲醇燃料电池（DMFC）堆的运行温度应该控制在一个合适的范围内。简单介绍了利用RBF神经网络基于实验的输入输出数据建立DMFC电堆温度模型的方法，避开了电堆的内部复杂性；在控制过程中，将训练好的网络模型作为DMFC控制系统的参考模型，采用一种改进的模糊遗传算法（FGA）在残对神经模糊控制器的参数进行自适应调整。采用最近邻聚类算法小（NNCA）对控制器的模糊规则库进行更新。在仿真实验中，将所提出的算法与非线性PID和传统模糊算法进行比较，结果表明所设计的神经模糊控制器具有较好的性能。     

集货需求随机的同时配集货VRP及混合变邻域搜索算法

集货需求随机的同时配集货车辆路径问题(VRPSSPDD)是同时配集货车辆路径问题(VRPSPD)研究的进一步深化,由于该问题中集货需求的不确定性,使其较确定型VRPSPD问题更为复杂.基于预优化和重优化策略,构建了两阶段VRPSSPDD模型,预优化阶段基于随机机会约束机制以及车载量约束为客户点分配车辆,生成预优化方案;重优化阶段对失败点及其后续客户点进行线路调整.根据问题特征,结合变邻域深度搜索算法的深度搜索能力以及遗传算法的个体交流等优点,设计混合变邻域遗传算法,采用分离配送网络信息的编码方式,提出自适应种群搜索范围和自适应邻域搜索次数策略平衡算法迭代中的搜索深度和搜索广度的关系.通过多组算例以及企业配送实例验证了本文模型及算法的有效性.     

现代设计理念在住区规划中的应用——秦皇岛市近海别业小区规划

概括了当前住区设计的发展趋向,提出了现代住区设计新理念,即：人性化、理性化、个性化、生态化。在秦皇岛市近海别业小区规划设计中,从项目选址、场地规划、功能分区、建筑布局、建筑选型、交通组织、景观设计等,充分体现以上设计理念,打造一个充满人性化、个性化、生态化的新一代住区。     

噪声数据下基于模型权重与随机子空间的集成学习

针对训练集中类标号存在噪声的情况,提高分类模型的稳定性和分类精度是分类建模的目标。文章通过随机化邻域属性约简,生成多个邻域可分子空间,从而形成不同的基分类模型;通过基分类模型的预测结果及一致性原则学习基分类模型权重,降低了噪声对基分类模型权重学习的影响;最后利用模型权重融合基分类模型的分类结果获得测试样本的类别,并通过仿真实验验证该方法的有效性。