基于改进的GRNN的销量预测

根据灯具销量具有增长趋势和周期性二者合成的非线性特点,本文利用相空间重构理论确定GRNN的输入节点数,以加权误差代价函数代替传统误差代价函数为目标训练网络,采用粒子群优化算法优化平滑参数,并在此基础上将GRNN用于灯具销量的短期预测。与传统的BPNN相比,改进后的GRNN预测精度更高,抗噪声能力更强,模型更稳健。     

一维下料问题的AB分类法

为了解决大规模的一维下料问题的计算困难, 根据一维下料问题的特点,把贪心算法和随机搜索技术有机地结合起来,利用随机搜索技术对贪心算法进行了有效的改进,提出了一种简单实用的AB分类法。 实验表明,该算法对规模较大的问题也能较快地获得问题最优解或精度较高的近似最优解。     

基于改进模拟退火算法的均匀设计表构建

当 为偶数时,使用好格子点法不能产生因素数较大的设计表,且只能在解空间的子空间内产生设计表,所产生的设计表无法保证最均匀。针对上述问题,引入智能计算方法,包括粒子群优化算法和改进的模拟退火算法。对3种算法的优化性能进行比较,结果表明智能算法可以对较大范围的因素数产生设计表,与好格子点法相比,智能算法能够得到均匀性更好的设计表,并且相对粒子群优化算法,改进模拟退火算法构建的均匀设计表的偏差更小。     

基于带收缩因子的粒子群优化算法的二重数值积分

提出了基于带收缩因子的粒子群优化(PSO-CF)算法求解二重数值积分的方法。PSO-CF算法初始时在积分区域内随机选取一定的分割点,粒子的速度采用收缩因子进行更新,粒子将朝着更好的位置移动。该算法基于分割后的每一个小矩形的4顶点和4内点及中心点定义适应值,用来评价粒子的优劣,通过反复迭代优化粒子。PSO-CF算法对最优粒子采用复化4内点公式计算二重数值积分。仿真实例表明,该算法积分精度较高,效果良好。     

基于信噪比与范数灰关联度的工艺参数设计

工艺参数设计中,在以减少工艺性能的波动性为主要目的的信噪比分析的基础上提出了以范数灰关联度确定权重的灰色关联分析法,将多目标参数优化问题转化为单目标灰关联度的优化问题,得到多项工艺指标要求下的参数优化组合.研究表明,该改进方法应用在多目标工艺参数优化设计中取得满意的结果,有很大的适应性.     

新的决策树构造方法

决策树算法是数据挖掘中的一个比较活跃的研究领域,是对分类问题进行深入分析的一种方法。但构造最优决策树是一个NP难问题。首先介绍了ID3算法的基本思想,然后针对算法中存在的不足,引入了广义相关函数的概念,提出了一种以条件属性和决策属性之间的广义相关函数作为属性选择标准的决策树构造方法,并且与ID3算法进行了实验比较。实验表明,这种方法不但可以优化决策树模型,而且用该方法构造的决策树的预测精度也得到明显改善。     

改进的最大-最小蚂蚁算法在有时间窗车辆路径问题中的应用

利用最大-最小策略,最大最小蚂蚁算法减小了蚂蚁算法陷入局部陷阱的可能性。基于对最大最小信息素策略和信息素更新方式的改进,结合快速产生初始解的算法,提出了一种新方法。把该方法应用于有时间窗车辆路径问题,试验结果表明该算法是有效的。     

基于移动代理的多类蚂蚁算法在路由中的应用

基于代理的路由策略已被证实可以增加服务率和吞吐量,并可以极大的减少阻塞或数据包丢失的次数.现有的基于蚂蚁群落优化的路由算法都缺乏适应性和存在局部停滞现象,提出一种基于移动代理的多类蚂蚁算法,该算法通过提高可适应性以及减少局部停滞的可能性,从而能够对链路的拥塞做出快速反应,有效地减少了数据包传输时延和网络丢失包率.通过实验仿真,验证了该算法的可行性和有效性.     

求解第二类广义旅行商问题的虚顶点遗传算法

按照费用函数满足约束条件的不同,可以把广义旅行商问题(GeneralizedTravelingSalesmanProblem,简称GTSP)分为两类。目前,对GTSP解法的研究主要是面向费用函数满足三角不等式的第一类问题,而对于费用函数不满足三角不等式的第二类问题,则研究的比较少。文章针对第二类GTSP问题,提出了在广义染色体中加入虚顶点的新遗传算法。经过14个TSP问题库内的基准问题的测试表明,新算法是有效的。