非线性整数规划问题的改进粒子群优化算法

提出了一种求解非线性整数规划问题的改进粒子群优化算法．在这个算法里,对粒子群优化模型的速度方程和位置方程进行改进,加入了动态约束处理技术以提高选择最优点的能力;加入了粒子的邻域加速寻优策略以提高局部优化能力．数值结果表明所提出的算法计算精度高且稳定性好．     

作业车间调度问题的改进遗传算法

研究了作业车间调度问题,并提出了一种新的求解方法,将邻域搜索与遗传算法相结合,提高遗传算法的局部搜索能力,加速进化过程,详细论述了该方法的优越性.     

利用特征扰动的高维小样本数据子空间学习

在基因微阵列、文本数据分析、图像识别等领域,数据存在着高维性、高噪声、类别不平衡等问题,给深入准确挖掘高维小样本数据中所蕴含的有用知识和特征选择带来了极大困难,对高维小样本数据的分类学习性能带来了消极影响.为了获得具有高效分类性能的特征,利用特征扰动策略,定义了基准属性及基准属性空间,构建了利用具有差异性的多个特征子空间.在此基础上,构建了利用特征扰动策略的高维小样本数据的特征选择算法.在8个数据集上与其他7个特征选择算法进行实验结果对比,表明了所提算法的有效性.     

不分明化近性空间（Ⅰ）

在不分明化拓扑的框架下,给出了不分明化近性空间的定义,在此基础上给出了一个不分明化近性空间的等价性刻划;然后又定义了不分明化近性滤子与不分明化近性领域性系,并了它们的若干性质,证明了不分明化近性领域系是不分明经近性滤子,同时,还证明了满足一条条件的不分明化领域系可以诱导一个不分明化近性空间。     

高速公路交通流的分形维数与相空间重构预测

对成渝高速公路短时交通流通过计算不同时间尺度下Hurst指数而等到其相应的分形维数,结果表明,时间间隔越短的交通流,其分形维数越大,结构越复杂.由于时间间隔越短的交通流随机性大和复杂的结构,所以预测也就越困难.提出了一种新的基于相空间重构和移动平均相结合的预测方法——移动平均最近邻域法,从理论与实际数据两方面分析和验证了该方法对短时交通流预测的有效性.     

不规则物流园区功能区块布局模型与算法

物流园区功能区块的合理布局对于降低物流成本、提高物流作业效率有重要意义.传统的研究主要建立在假定物流园区是矩形的理想情况下,本文基于栅格数据结构,构建了以运输成本最小为目标的不规则物流园区功能区块布局的集合划分模型,并引入了栅格图像矢量化技术,用于提取布局形成后的图像拓扑结构,获得路网信息,然后设计了基于割树技术的变邻域搜索算法进行求解.最后以某物流园区为例,通过MATLAB编程计算得出布局方案,验证了本文模型和算法的有效性.     

内外贸同船运输下长江经济带穿梭巴士网络优化

为研究内外贸同船运输政策对航运企业布局长江经济带穿梭巴士网络的影响，本文允许同一船舶同时运输内贸集装箱和外贸集装箱，以总运输成本最小化为目标，考虑服务频率、多航次、时间窗、载重量等约束，构建基于轴辐式的长江经济带集装箱穿梭巴士网络优化模型。针对该模型，本文设计了包含5种破坏算子和2种修复算子的自适应大邻域算法求解模型，并选取上海和长江干线19个港口间的内贸集装箱运输和外贸集装箱运输进行实证分析。研究结果表明： 实施内外贸同船政策可节约23.6%的总运输成本，提升平均舱位利用率至87%。该政策改变了原有穿梭巴士的网络结构，直达航次比例增加17%，加快了穿梭巴士的周转。同时，相比于设置1个枢纽港，长江经济带下游将南京港和太仓港共同设置为枢纽港更有利于中上游内外贸集装箱的中转，可节约6%~17%的总运输成本。     

海上导航路径中的微分进化算法研究

通过分析传统微分进化算法的优缺点,提出基于邻域变异的微分进化算法,在算法设计时利用全局最优向量和局部最优向量的结合形成最终的变异向量,并且在算法中加入抖动因子来增强其搜索查找能力。将此算法应用到海上导航路径规划中,实验证明本文所设计的算法与传统的DE/best/1和DE/target-to-best/1相较,收敛速度慢,稳定性强。     

基于邻域搜索的快速分形图象压缩编码方法

减少分形图像编码复杂性的快速算法的研究最近已成为一个重要的研究课题。在分形编码过程中，搜索值域块的最佳匹配的定义域块的计算量最大。因此，本文提出一种基于值域块邻域的快速搜索的分形编码方案。实验结果表明，在信噪比（PSNR）几乎保持不变的前提下，提出的算法大大缩短了编码时间，同时达到了较高的压缩比。