随机需求下闭环供应链网络设施竞争选址模型研究

利用均衡理论和变分不等式研究工具,建立了随机需求情形下多层竞争型闭环供应链网络均衡模型,并在此基础上,构建了均衡约束数学规划模型,即设施竞争选址模型.利用均衡模型来捕捉由新进设施的进入所引起的网络均衡状态的变化,并将其引入位置决策过程.根据模型特点,提出了遗传算法与修正投影算法相结合的求解策略.最后利用提出的模型和求解算法对算例进行计算与分析,得到了网络竞争趋势变化情况、新设施的位置策略及其生产运营决策.     

聚类算法在多变压器选址中的应用研究

为有效解决一定区域内多台变压器选址问题,提出了一种聚类算法下基于导线选型策略的多变压器选址优化模型。该模型根据电力负荷的分布情况和变压器数量,确定变压器的初始位置,再利用负荷点与变压器位置的远近进行聚类调整。通过对变压器的位置优化和供电范围进行合理分配,可以进一步降低线损及提高经济效益。在运用聚类算法的同时,还引入了实际情况下的电缆的选型策略,使它接近实际情况。将该算法应用到一个算例中,其计算结果与传统方法的比较结果表明,所提模型在多变压器优化选址和降低变压器线损方面均优于传统方法。     

基于用户空间位置评分云模型的Web服务协同过滤推荐算法

Web服务作为无形的产品,不具备真实环境下的空间地理位置坐标,针对服务推荐中无法衡量用户群体与Web服务之间的距离位置关系,造成用户相似度计算失衡,导致推荐不准确等问题,提出了基于用户空间位置评分云模型的Web服务协同过滤推荐算法.首先基于用户群体的行为数据量化Web服务的热度区域,通过空间位置量化评分描述用户对于Web服务的兴趣偏好;其次利用云模型来描述每个用户空间行为评分的整体特征,设计了云模型间相似贴近度的计算方法,基于该方法提出了一种用户差异程度系数评估算法,并作为调控系数优化了皮尔森相似度量;最后通过协同过滤找出用户感兴趣的Web服务.实验结果表明该算法使得用户行为偏好的区域划分更加精确,在推荐准确率上明显提高,为基于位置的Web服务推荐提供新颖的方案.     

大规模突发事件应急设施选址模型及算法

大规模突发事件下应急物资的需求量巨大以及对资源持续需求的特点,考虑设施选址的公平性、效率性及成本等因素,基于多级覆盖和覆盖衰减思想,提出一类应急设施多目标多重覆盖衰减选址模型。基于MATLAB7.0设计贪婪算法、上升算法、遗传算法程序对模型进行求解,以25组不同规模的算例验证了模型的性能和算法的有效性。数值模拟结果表明,该模型较之传统覆盖选址模型可以为需求点提供更高的覆盖满意度;当目标权系数取不同值时对选址结果产生较大影响;对三个算法性能进行比较,遗传算法最优,上升算法次之,贪婪算法最差,上升算法适于求解中小规模的选址问题,而遗传算法更适合于大规模选址问题的求解。     

城市应急物流设施选址的多目标规划模型

通过分析城市应急物流设施选址的基本特征,提出利用模糊折中型多属性决策方法进行应急物流设施选址备选方案的决策偏好生成。在此基础上,建立综合考虑满意度和建设成本的多目标选址规划模型,在给出满意度函数的确定方法后,提出利用模拟退火算法进行模型的求解,并利用实例验证了算法的有效性,能够供决策者选择合适的物流选址方案提供理论支撑。     

竞争市场新进企业的容量设施选址研究

合理的设施选址方案对于企业进入新市场时占领市场份额具有重要的战略意义.竞争设施选址是考虑竞争者运行现有设施时如何在市场中启动新设施的问题.在实现特定市场份额条件下,以最小化新进企业成本为目标提出一种容量设施选址模型;设计一种双向选择机制,以确定设施与消费者之间的服务关系,并基于模拟退火框架,结合双向选择机制给出求解模型的算法;应用数值算例,分析企业市场份额、成本与预期市场份额指标之间的关系,并对原有企业的3种防御性选址策略进行有效性比较.     

一种基于用户的自适应类选择算法

针对QoS管理模型中的自适应处理模块进行了深入研究,提出了基于用户的自适应类选择算法,该算法不仅能够提高用户的满意度,而且能够均衡各个服务类别在网络中的负荷,保证应用的服务质量,实现QoS管理的自适应性.算法采用了基于下一时刻的预测方法进行估算,从而优化了参数取值,使用户选择的服务类别更加精确.     

随机中断情境下的离散型设施选址问题研究

针对传统的供应链设施选址模型大多是基于静态背景下的确定性选址问题研究,而较少考虑中断风险因素的情况,基于随机中断情境,建立了混合整数规划模型表述的设施可靠性选址问题模型,采用拉格朗日松弛算法进行求解。通过构建的算例,求解了问题模型的最优解并验证了该算法的求解性能。     

基于聚类的基础设施选址方案研究及应用

基础设施选址是精准化农业需要解决的重要课题之一.采用基于迭代自组织数据分析技术(ISODATA)的聚类方法、图论方法以及地理信息系统(GIS)空间分析方法相结合,解决了当聚类个数不可预知,无法使用传统设施选址方法中的k-means聚类方法和当没有设施位置备选集而无法使用离散模型选址方法的问题,也有效规避了选址方案实际操作可行性不强等问题,为精准化农业中基础设施选址提供了一种可行的解决方案.     

基于遗传模拟退火算法的多层设施选址方法

逆向物流网络是逆向物流系统高效运作的基础和前提,而设施的选址定位是逆向物流网络设计的核心问题.为此,提出一个多层设施选址模型,旨在构建由回收点、回收中心和生产点相结合的最佳逆向物流回收网络.根据模型特点,提出基于遗传模拟退火算法的求解方法,个体采用二进制十进制混合编码;提出基于Metropolis准则的特定遗传进化操作;设计顾客对回收点、回收点对回收中心的两个子分配算法保证所有约束的满足性.最后通过仿真实验,得到满意的设施选址方案.可见,选址模型和算法是一种有效的设施选址方法,具有一定的应用前景.     

An evaluation and query algorithm for the influence of spatial location based on RkNN

This paper is devoted to the investigation of the evaluation and query algorithm problem for the influence of spatial location based on RkNN (reverse k nearest neighbor). On the one hand, an object can make contribution to multiple locations. However, for the existing measures for evaluating the influence of spatial location, an object only makes contribution to one location, and its influence is usually measured by the number of spatial objects in the region. In this case, a new measure for evaluating the influence of spatial location based on the RkNN is proposed. Since the weight of the contribution is determined by the distance between the object and the location, the influence weight definition is given, which meets the actual applications. On the other hand, a query algorithm for the influence of spatial location is introduced based on the proposed measure. Firstly, an algorithm named INCH (INtersection’s Convex Hull) is applied to get candidate regions, where all objects are candidates. Then, kNN and Range-k are used to refine results. Then, according to the proposed measure, the weights of objects in RkNN results are computed, and the influence of the location is accumulated. The experimental results on the real data show that the optimized algorithms outperform the basic algorithm on efficiency. In addition, in order to provide the best customer service in the location problem andmake the best use of all infrastructures, a location algorithm with the query is presented based on RkNN. The influence of each facility is calculated in the location program and the equilibrium coefficient is used to evaluate the reasonability of the location in the paper. The smaller the equilibrium coefficient is, the more reasonability the program is. The actual application shows that the location based on influence makes the location algorithm more reasonable and available.     

基于支持度的限定记忆二次融合算法*

在先验知识未知的情况下对多传感器信息进行融合,提出了基于支持度的限定记忆二次融合算法。为了保证融合权重分配的合理性,算法利用绝对距离度量传感器观测值之间的相互支持程度,并引入限定记忆控制项来防止陈旧信息引起的数据饱和。为了进一步保证故障发生时的融合效果,在一次融合的基础上,引入灰关联度对量测数据进行优势分析,并对分析调整后的数据进行二次融合。仿真结果表明,该算法可进一步提高融合精度,具有较强的容错和抗干扰能力。     

高维主存的反向K最近邻查询及连接

对高维主存的反向K最近邻(KNN)查询进行研究,提出一种Δ-RdKNN-tree索引结构。通过在该索引结构上进行主存KNN自连接,预处理数据集中点的KNN距离信息。将这些距离扩展到索引的各层节点中,基于该索引设计高维主存的反向KNN查询算法以及反向KNN连接算法。分析结果表明,该算法在高维空间中是有效的。     

基于RSSI的自适应权重定位算法

在室内环境中,由于存在多径、反射的影响,采用传统的静态权重质心定位(SWCL)方法无法得到准确的定位精度.针对这一问题,提出了一种新的基于接收信号强度指示(RSSI)的动态自适应静态权重质心定位(RSSI—DA—SWCL)算法.对RSSI测距算法优化,消除不同发射功率和其它突发干扰对测距的影响;利用锚节点和未知节点距离等信息,让锚节点自适应地获得最优的权重系数,从而提高定位精度;将RSSI—DA—SWCL算法在ZigBee平台中实现,并通过Maltab仿真和实测实验对算法进行验证.结果表明:和传统的定位算法相比,提出算法具有更优的定位精度.     

基于单队列递归扫描的嵌入式零树图象编码方法

为了提高基于互联网的图象编码的压缩比和多带宽适应性，提出了一种新的嵌入式零树图象编码方法，该方法首先在连续累进量化方法中使用单队列算法，从而不仅无需使用动态队列，而且率失真特性也得到改善；其次设计了一种基于空间树递归扫描的零树编码快速算法，因而完全解决了重复扫描问题；最后基于编码符号的频带内邻域相关性，为自适应算术编码定义一种新的Markov模型，实验结果表明，该算法在保持高粒度多码率特性的同时，压缩效率较EZW算法有明显提高。     

基于RSSI修正加权质心的定位算法

研究了适用于室外空间的修正加权质心定位算法,该算法对接收信号强度指示测距原理进行分析,可在未知路径衰落指数的情况下,将距离关系转化为接收功率关系,通过高斯滤波处理得到RSSI测量距离,将其倒数作为修正加权质心定位的加权因子;加权质心算法讨论了调整修正系数对算法定位精度的影响,通过比较分析得出室外环境时理想的修正系数.通过仿真实验表明,改进后算法动态调整系数为4时,定位精度最高为0.5190m,可以满足实际定位需求.     

一种对时空信息的kNN查询处理方法

互联网上每天都会产生大量的带地理位置标签和时间标签的信息,比如微博、新闻、团购等等,如何在众多的信息中找到在时间和空间地理位置上都满足用户查询需求的信息十分重要.针对这一需求,提出了一种对地理位置和时间信息的k近邻查询（ST-kNN查询）处理方法.首先,利用时空相似度对数据对象的地理位置变量和时间变量进行映射变换,将数据对象映射到新的三维空间中,用三维空间中两点之间的距离相似度来近似代替两个对象之间实际的时空相似度;然后,针对这个三维空间设计了一种ST-Rtree（spatial temporal rtree）索引,该索引综合了空间因素和时间因素,保证在查询时每个对象至多遍历1次;最后,在该索引的基础上提出了一种精确的k近邻查询算法,并通过一次计算确定查询结果范围,从而找到前k个结果,保证了查询的高效性.基于大量数据集的实验,证明了该查询处理方法的高效性.     

基于基分类器系数和多样性的改进AdaBoost算法

针对传统AdaBoost算法的基分类器线性组合效率低以及过适应的问题,提出了一种基于基分类器系数与多样性的改进算法——WD AdaBoost。首先,根据基分类器的错误率与样本权重的分布状态,给出新的基分类器系数求解方法,以提高基分类器的组合效率;其次,在基分类器的选择策略上,WD AdaBoost算法引入双误度量以增加基分类器间的多样性。在五个来自不同实际应用领域的数据集上,与传统AdaBoost算法相比,CeffAda算法使用新的基分类器系数求解方法使测试误差平均降低了1.2个百分点;同时,WD AdaBoost算法与WLDF_Ada、AD_Ada、sk_AdaBoost等算法相对比,具有更低的错误率。实验结果表明,WD AdaBoost算法能够更高效地集成基分类器,抵抗过拟合,并可以提高分类性能。     

一种利用历史数据构造虚拟标签的定位算法

在RFID定位算法中,利用接收信号强度统计模型进行直接定位的精确度不高,而利用实际参考标签定位存在信号易碰撞、外出部署不便等问题,因此提出一种基于虚拟标签的RFID定位算法VIREH以克服以上缺点.该算法利用历史数据构建虚拟参考标签,然后利用虚拟参考标签代替实际参考标签进行定位.依据VIREH算法,开发基于Android移动设备的RFID定位系统,在系统中使用VIREH算法进行定位,对定位误差进行了统计以测试算法性能.测试结果表明,VIREH算法的定位精度较直接定位有显著提高,较使用实际参考标签没有明显降低,有助于提高RFID定位精度.