基于DNA遗传优化的正交小波常模盲均衡算法

在上行多用户中继网络中,针对中继协作波束成形与多天线基站联合优化的问题,本文提出了两种不同的但是具有一定相关性的设计方法。在第一种方法中,考虑在接收端SINR约束的情况下,使中继节点总功率最小化;在第二种方法中,研究在中继节点满足一定功率约束的情况下,使接收端SINR最大化。研究发现,基站线性接收器的最优权值矩阵决定于中继节点加权向量,进而可将多变量优化的复杂问题转化为单一变量优化问题。原问题进而可转化为半正定规划问题,可以用内点法方便的解决。仿真结果表明,与通过迭代运用凸优化求多向量的方法相比,该方法性能更优。     

基于决策树的ID3算法和C4．5算法的比较

阐明决策树分类器在用于分类的数据挖掘技术中依然重要,论述基于决策树归纳分类的ID3、C4．5算法,并且对决策属性的选取法则进行说明。通过实例解析ID3、C4．5算法实现过程,结果表明C4．5算法相比较于ID3算法的优越性．尤其在处理具有多属性值的数据时的更加合理和正确。     

蔬菜配送系统的路径优化及设计开发

蔬菜配送对时效性有很高的要求,配送路径优化成为企业赢利的关键点,而路径优化是NP难问题,传统的算法不能在有限的时间内给出最优解。使用蚁群算法（Ant Colony Optimization,AC0）并对其参数进行优化,解决车辆配送路径优化问题,使得配送路径实时最优化,降低配送成本和企业经营成本。本系统使用Struts2、Hibernate、Spring三大框架进行设计,前台具有智能定位、配送体系、订单跟踪、价格动态功能,后台集成用户管理、订单管理、新闻管理、蔬菜管理、客服服务功能。系统采用模块化设计,具有结构清晰,易于扩展的优点。     

关联规则在信息管理与信息系统专业课程设置上的应用

现行的教育管理系统中积存大量的学生历史数据,传统的数据分析工具对这些数据的应用存在很大的不足,利用关联规则算法对信息管理与信息系统专业学生的历年各科学习成绩进行关联规则挖掘,从而在一定程度上确定各个课程在该专业上的重要性,为信息管理与信息系统专业的教学计划修订提供一定的建设意见。     

《数据结构与算法》教学方法改革探讨

《数据结构与算法》是理论与实践并重的计算机专业的核心课程,该课程理论和实践知识体系难度均较大,学生反映课程枯燥难学、兴趣匮乏。针对目前学生的学习过程中遇到的困难,结合应用型人才培养目标、学生及课程的特点,对教学方法进行多方面的探讨,提出案例教学、加强学生课堂参与度、重视理论与实践紧密结合、多种手段辅助教学、以赛促学、上机考试考核制度等教学方法。     

发电企业竞价上网博弈模型及其算法研究

假设所有发电企业通过密封报价这种形式来上网竞价,并在发电企业共同见证及同一时刻开标,且规定报价最低者将会被选为中标方,设计两个发电企业竞价上网的基于静态贝叶斯理论的博弈模型以及算法,当参与的发电企业均应用线性策略时,对模型所对应的收敛性进行了分析,同时对贝叶斯纳什均衡解是否存在进行了讨论;接下来对两个发电企业竞价上网模型予以相应扩展,分析了若干个发电企业竞价条件下的贝叶斯纳什均衡及相关问题,与此同时,构建了一个包含若干发电企业在内的共同竞价上网博弈模型;最后借助计算机系统予以仿真实验,得到的结论是：在电力竞价上网的博弈模型中,随着企业数量的不断增加,各自报价将会更加理性,并不断趋于预测值。     

Adaptive Linear Dynamic Matrix Control applied to an integrating process

Dynamic Matrix Control (DMC) has proven to be a powerful tool for optimal regulation of chemical processes under constrained conditions. It is based on a linear convolution model derived from step-response measurements. A model predictive control algorithm optimises closed-loop performance for a nominal operating point. However, as the process moves away from this point, control usually becomes sub-optimal due to process non-linearity. As seen in this work, the DMC algorithm can be made adaptive, to establish a new local model, by recursive estimation of the local step response parameters from normal plant variations. However, when used for control of plants containing integrating process units, steady-state offsets occur for sustained changes. Thus, a novel Adaptive Linear Dynamic Matrix Control (ALDMC) algorithm has been developed and used to control a 2-input/2-output system with an integrating behaviour. Comparisons of model control and plant control with and without these features demonstrated the importance of integral compensation for integrating processes, and model adaptation in the case of plant/model mismatch. Some cross-compensation of integration by the adaptive feature was also noted. An holistic technique is demonstrated which simultaneously recognises residual integration disturbances and matrix parameter variations, whereas previous techniques which recognise only one of these will fail in the presence of the other.     

基于IHSA_LSSVM的供应链绩效评估研究

为有效评估供应链绩效,结合和声搜索算法(IHSA)与最小二乘支持向量机,提出一种评估算法(IHS_LSSVM)。研究和声搜索算法的原理,对基音调整概率和基音调整步长进行动态调整,给出一种改进的和声搜索算法。利用该算法的全局搜索能力优化选取LSSVM的惩罚因子r和高斯核函数的半径σ。采用供应链绩效评估实例,构建供应链评估模型。仿真实验结果表明,与已有的BP神经网络和LSSVM等评估算法相比,IHS_LSSVM具有更小的预测误差和更高的预测精度。     

一种局部强化的多标签传播社区发现算法

在社交网络中,社区和圈子均表现为一组内部连接相对紧密的节点,但后者规模较小。圈子是重要的局部社区信息,利用这一特点有助于进行社区发现。然而,现有的大部分基于标签传播的社区发现算法并没有考虑圈子的信息。为此,提出一种基于局部强化的多标签传播(LSMLP)社区发现算法。给出圈子的定义,提出一种基于圈子信息的迭代多标签传播策略,并从每个节点的多个标签中选择归属系数最大的标签作为其从属的临时社区。采用两步优化方法使模度最大化。在真实网络的数据实验结果表明,与已有的社区发现算法相比,LSMLP算法能更高效地发现社区。     

区间数信息下的多属性群决策研究

随着决策系统的不断扩大以及复杂化,评价指标以实数值描述稍显欠妥。研究属性权重为实数值、区间数信息下的多属性群决策问题,建立集结区间数信息的非线性规划模型,采用模拟植物生长算法集结各方案中多位专家给出的区间数偏好,并利用得到的偏好区间数构成群决策偏好矩阵。结合已知权重,引入投影理论得到各方案的综合评价值,从而选出最优决策方案。算例结果表明,模拟植物生长算法不仅计算简便、灵活,并且尊重每个专家的意见,较好地保留了信息的完整性,显示出人工智能算法在信息集结方面的有效性。