全局搜索聚类的多车场多车型调度算法研究

针对物流配送中多车场多车型车辆调度问题的特征构造了一种以最短路径为代价的车辆调度的双多模型.为解决此类NP问题,本文提出了一种两阶段解决方案：第一阶段首先对全局隶属值的搜索训练找出最优隶属度,然后再利用任务相对紧急数组以K-Means算法为基础对用户进行聚类,把一个多车场多车型的车辆调度问题转化成多个单车场多车型的调度问题,大大降低了问题求解的复杂度;第二阶段对多个单车场多车型VSP问题利用遗传算法进行并行处理,为了保证染色体的多样性和尽可能地降低问题求解复杂度,提出了五类遗传交叉算子;最后对4车场32用户实例进行试验.结果表明,此算法对求解多车场多车型车辆调度问题很有效.     

基于RFID的路径数据压缩研究

在无线射频（RFID）广泛应用过程中产生海量数据,由于其数据与一般数据存在差异而且占用较大的存储空间,所以对RFID数据的存储问题亟待解决,对此首先对车联网（IOV）收集的RFID路径数据从地点维和时间维两方面进行了预处理,之后采用改进的LZW方法进行压缩存储,对阈值的判断方法进行改进,从而高效地完成RFID路径数据的压缩存储.实验结果表明,该算法达到了路径数据存储占用较少空间的目的,同时也为以后的路径数据挖掘工作打下良好的基础.     

一种基于trie的频繁项集发现算法

挖掘频繁项集是关联规则算法中的关键步骤．分析了hash树作为数据结构实现寻找频繁项集的方法，讨论了数据结构trie及其特性，并提出用trie作数据结构实现频繁项集的快速发现。其特点是：不依赖用户定义的支持度阀值；只需扫描一遍数据库；可以快速计算项集的支持度；支持动态数据库。     

模糊综合评价法在城市公交线网评价中应用

在考虑城市公交线网的各因素基础上，应用模糊数学有关知识，将城市公共交通线路网络(简称公交线网)评价的内容分为“网络技术性能、服务水平、效益水平、持续发展’’为准则的准则层以及与各准则相关的指标层，建立了城市公交线网评价的多级模糊综合评价模型．     

基于特征赋权的离群数据再聚类算法

离群数据发现与分析是数据挖掘的重要组成部分,现有离群数据挖掘算法主要针对如何检测离群对象,缺乏对挖掘出的离群数据集进行解释与分析的有效方法.通过对离群数据来源及特性进行分析,定义了离群贡献度的概念,提出了一种基于特征赋权的离群数据再聚类算法.实验表明,该算法可以有效地揭示离群数据产生来源,有助于对整体数据集的更全面了解.     

一种新的基于RPC的分布式开发模型

远程过程调用(RPC)是构建分布式系统的有力工具，同时也是分布式系统中一种流行的进程通信机制，它是试图在要进行会话的应用程序间建立一条逻辑信道，实现信息交换．分析了现有的分布式开发方法以及存在的问题，提出一种新的RPC开发模型，旨在减轻编程人员的负担，提高软件开发效率。     

基于粗集和神经网络的用户访问模式挖掘

用户访问模式发现是构建自适应网站的关键技术.提出了一种基于粗糙集和神经网络相结合的用户访问模式的发现方法,建立了用户访问模式的一般模型.针对Web日志数据通常数据量大、冗余,以及页面之间关系不确定的特点,将粗糙集作为前端预处理器,简化信息处理空间,去掉冗余,采用神经网络聚类分类用户群,从而发现用户访问页面的方式.最后,通过实验分析表明文中方法的有效性.     

基于改进DE的云计算任务调度算法

差分进化算法DE(Differential Evolution)具有记忆个体最优解和种群内部信息共享的特点,是一种基于实数编码的、具有保优思想的简单、高效的新型进化算法.针对云计算任务调度问题,提出了一种考虑时间和成本约束的基于改进DE的调度算法(TCDE).该算法采用随机初始化种群,合法化修复变异个体,并采用贪婪直接交叉,在变异操作之后,加入新的选择机制,防止交叉操作破坏变异出的优良个体.在仿真实验中分别进行了TCDE与只考虑时间的TDE、只考虑成本的CDE的功能验证实验,TDE与遗传算法的性能对比实验.实验结果证明:改进后的差分进化算法能够适用于云计算环境下的任务调度问题,并取得良好的调度效果.     

基于粗集理论的决策规则约简算法的研究与应用

粗集理论是一种新型的数据挖掘方法，其中约简是它的重要概念．粗集理论的主要思想是在保持分类能力不变的前提下，通过属性约简和值约简，导出问题的决策或分类规则．本文不同于目前将属性约简作为决策规则挖掘的重点，而是在属性约简的基础上又进一步提出了值约简算法，大大提高了规则的挖掘效率．该算法对原有算法进行了改进，最终可获得更简的决策规则．实例分析表明了该算法是较优的、有实用价值的．