基于ART2的随机抽样样本选取算法在PTA薄膜蒸发器建模中的应用

本文将ART2聚类算法与随机抽样算法相结合,提出了一种新的样本选取算法,并通过样本空间分布图和原始样本空间分布图的对比,验证了该算法的有效性.最后将该算法应用于PTA薄膜蒸发器的神经网络建模过程.     

估计灰色Verhulst模型参数的LS-SVM方法及应用

估计灰色Verhulst模型中的参数通常采用最小二乘法，这种基于大样本理论的经验风险最小化方法无法保证小样本预测下模型的推广性能.为提高灰色Verhulst模型的预测精度，本文提出了基于LS-SVM算法估计模型参数的方法.首先根据Verhulst灰色差分方程的特点，通过构造以背景值序列和原始序列为训练样本的LS-SVM模型，将一维样本空间里的Verhulst模型转化为一个二维特征空间里的LS-SVM模型，进而将Verhulst模型的灰参数的估计问题转化为一个LS-SVM模型的回归系数估计问题.然后通过核函数构造法，结合模型特点合理构造了LS-SVM模型的核函数，基于LS-SVM算法求解回归系数，进而得到Verhulst模型的参数估计.实验结果表明该方法是可行的有效的，可保证Verhulst模型具有良好推广性，相比于传统参数估计方法本文预测精度更高.     

基于聚类分析的省域经济发展状况研究

习惯上一般按照经济发展水平与地域将中国分为东、中、西三部分。本文选取我国除港澳台外的31个省市区为样本,基于人均国内生产总值(现价)、在岗职工平均工资等八个指标综合反应各省经济发展状况,依据离差平方和法对样本进行聚类分析,最终将样本空间分为三个大类,各有若干小类。     

多粒子群混合算法求解虚拟组织服务资源配置

为了提高虚拟组织服务资源配置的效率,本文提出了一种多粒子群混合算法。该混合算法将多种群与线性搜索相结合,在算法优化过程中,通过多个粒子种群协同来控制种群的多样性,将多种群中较优的粒子进行复制,同时在每个种群中对单个粒子进行维变量变换。实验结果表明该方法具有可行性。     

基于新型图论聚类法的物流系统多设施选址策略研究

提出了一类基于图论的新型聚类算法并将其应用于物流系统中的多设施选址问题。与其他聚类算法相比,该新型算法聚类效率更高且具有更小的聚类树,从而使得有意义的聚类结果更加清晰。比较算例验证了该算法应用于多设施选址问题的高效性和实用性。     

多工程间资源分配的决策及优化

采用两层决策方法分析并建立了有限资源在多个工程间分配问题的数学模型。针对该问题的特点 ,将遗传算法与启发式算法相结合 ,构造出一种新的混合启发式算法 ,用于求解该问题的全局最优解 ,并给出了具体的算法步骤。仿真计算结果表明 ,本文建立的模型和提出的算法是合理和有效的     

一种基于小生境熵的自适应混合遗传算法

将熵的概念引入共享机制小生境技术,提出了一种基于小生境熵的自适应混合遗传算法.通过自适应调整小生境半径,改进了共享机制在算法中的作用,提出了用以度量种群多样性的小生境熵的概念.算法通过种群所处的进化世代数及该世代种群的小生境熵,实现了进化参数(交叉、变异概率)的自适应调整.证明了该算法具有强全局收敛性.实验表明,该算法对于解决多模态函数优化问题,具有很好的全局搜索能力和较快的收敛速度.     

限制性卖空的均值-半绝对偏差投资组合模型及其旋转算法研究

本文提出了限制性卖空的均值-半绝对偏差投资组合模型,通过变量替换将该模型转变为一般线性规划问题,从而运用线性规划的旋转算法进行求解。最后,文章以一个具体的算例验证了该算法的有效性,并证明将限制性卖空引入到投资组合中,有助于增强市场效率,降低市场风险。     

随机多阶段分销网络设计模型

为了更合理的设计分销网络,本文提出了一种随机多阶段的联合选址-库存模型。在该模型中,不仅考虑了经济规模和分摊效益的影响。同时通过情景规划,考虑了在多阶段的分销网络设计中,对未来市场环境的不确定性。该模型的目标是使整个战略周期内的总期望成本(包括库存、运输、选址成本与损失的收益)最小。本文将该模型建立成为了一个非线性的整数规划模型,同时提出了一种基于拉格朗日松弛的求解算法。最后,本文使用该算法求解了三组不同规模的算例,得到的计算结果证明了拉格朗日算法是求解该模型的有效算法。     

基于机器学习的企业定价算法研究

本文根据经济微观仿真模型ASPEN的定价机理,提出了一种自动学习算法.该算法借鉴分类器系统中的规则及消息系统和信任分配系统,模拟了企业通过渐进学习得到最大利润下的价格的过程.文中以一个简单经济模型中的两个企业代理人的价值竞争为例,将算法的定价与理论计算法的结果进行了比较,比较结果表明该算法很好地实现了企业定价的自动学习.     

有关关联规则的挖掘算法研究

研究了入侵检测中关联规则挖掘技术,在Apriori算法的基础上,提出了一种新的算法,该算法将FP-tree映射成为FP-array,那么绝大部分运算是运用布尔逻辑运算完成的,解决了频繁构造条件FP一树的巨大处理开销,从而大大提高关联规则挖掘效率。     

供应网络中越库转运中心仓门分配问题研究

本文探讨一种带有时间窗口的仓门分配问题--车辆在转运中心进行货物装却作业时如何在其时间窗口限制内有效的分配有限的仓门资源,以达到最佳运作效率.以往的研究结果表明该问题是强NP难题,因此本文针对该问题的特殊结构,提出一种新颖的整合了贪婪算法、遗传算法以及禁忌算法思想的混合启发式算法来有效的解决该问题.我们并将该混合启发式算法与遗传算法、禁忌算法以及CPLEX这三种方式的求解效果进行对比,其数值实脸结果表明混合启发式算法在求解效果上有明显的优势.     

基于粗糙集的决策方法及其在房地产预测中的应用

利用差别矩阵的差别元素的重要度的思想给出了信息系统属性的重要度,然后利用该重要度给出了信息系统中属性的权重,再由属性的权重给出了将信息系统转化成决策机构表的方法.在此基础上,利用正区域的大小作为属性选择标准,给出决策树的生成算法.将该算法运用到产品销售预测过程中,获取了一些较合理的简洁规则.     

基于GIS图层叠置法的莆田市雷灾脆弱性研究

利用GIS技术将雷灾脆弱性构成要素在1km×1km的格栅上进行处理及图层叠置,得到精细化的格栅形莆田市雷灾脆弱性分布图。经分析得出,雷电灾害脆弱性较高区域多位于莆田西部和中北部,东部沿海雷电灾害脆弱性较低,且利用本文模型绘制的莆田雷灾脆弱性分布图与2002~2014年雷灾统计事故发生分布具有较高吻合度。     

房地产开发项目投资组合优化的改进蚁群算法

开发项目投资组合是分散房地产开发非系统风险的一重要策略。现有的房地产开发投资组合理论及算法存在缺陷,本文利用熵作为风险衡量指标,并将蚁群算法引入房地产开发领域,且针对基本蚁群算法存在的计算复杂,易陷入局部最优等缺陷,提出了一种基于信息熵的改进蚁群算法,采用由信息熵控制的路径选择及随机扰动策略实现了算法的自适应调节,克服了基本蚁群算法的不足。TSP问题的计算结果表明了该方法较之其他改进算法的优势。以各项目间的均值熵代替TSP中的各城市距离后的房地产投资组合计算实例表明,该方法具有较好的收敛性、稳定性和鲁棒性,是求解组合优化问题的一种较好的方法。     

基于熵的同业税负测算方法研究

随着经济的不断发展,开展同业税负研究测算的意义也愈显重要.传统行业税负计算方法没有考虑非正常样本对计算结果的影响,所得到的税负平均值往往低于行业税负的正常值.本文首次将C4.5数据挖掘算法引入到行业税负测算过程中,有效避免了传统测算方法中的不足,并结合税收领域知识对该算法进行了改进应用;通过对算法测算结果进行验证表明,利用该算法选出的企业样本代表了真实的行业税负水平,具有很高的可信度.     

MC模式下供应链动态调度的蚁群寻优分析

在对MC模式下供应链调度的基本运作特征描述及界定基础上,分析了调度过程中主导矛盾的缓解思路;通过将该思路引入动态调度的运作过程,分析了MC模式下的供应链动态调度机理.在调度求解过程中,引入蚁群觅食的寻优机理并对其进行特定的算法设计及改进,提出了供应链动态调度的蚂蚁寻优算法.算法特点为在运算过程中不仅能够反映该生产方式独特的运作特征要求,而且能够融入对主导矛盾的缓解思路.通过仿真,验证了算法的可行性.     

粗糙集值约简算法研究与应用

本文介绍了数据挖掘和粗糙集的理论,并对粗糙集值约简算法做了研究。该算法通过对信息表条件属性的考察,比较去除该属性后的两条记录是否冲突,重复,实现了去除信息表中的冗余属性值,对信息表进行值约简的目的。在粗糙集值约简理论的基础上,本文以C++Builder6.0作为开发平台,通过对信息表测试,分析、验证,证明其结果是正确的,最后将该算法应用到医疗病人感染数据库中,实现了对医疗病人感染数据库表的值约简。     

基于信息粒度的属性约简改进算法在企业竞争力指标体系构建中的应用

依据信息粒度理论，提出一种对数据属性进行约简的改进算法，对该算法进行分析，并将其应用于企业竞争力指标体系的构建，精炼了评价指标，提高了评价的可操作性和科学性。     

改进蚁群算法在海洋工程群项目资源调度中的应用

当今海洋工程群项目管理中的瓶颈之一是人力、资金、设备及材料等资源的合理、动态调度问题。针对此问题,引入了基于信息熵的改进蚁群算法。该方法将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理。与传统调度方法的比较及海洋工程群项目资源动态调度工程实例表明,该方法可实现资源的合理、动态调度,为海洋工程及其他工程领域群项目管理提供了一较为有效的资源调度算法。