Two-Phase Algorithm for Multi-warehouse and Multi-task Based Logistics Delivery

To a scaled logistic company, assigning is an important part of logistic, and further development will make the optimized assigning of multi-warehouse and multi-task possible. This paper provided a two-phase multiwarehouse and multi-task based algorithm which has two phases. In the first phase, it combines sweep algorithm,saving algorithm and virtual task point to present a method. And in the second phase it provides an algorithm for the arrangement of goods loading which is based on the constraints of time-window and attributes of goods and vehicle. It uses the computing results of the first phase to form more detailed delivery scheme based on the constraints of time-window and attributes of vehicle and goods.     

基于蚁群算法的船舶件排样研究

针对船舶件排样问题,提出一种应用蚁群算法优化求解船舶件排样问题的方法.提出船舶件图形编码和预处理的方法,利用组合和填充的方法把船舶件排样问题转化为正交矩形的排样问题,使用剩余矩形匹配法和正交靠接算法完成自动排样.根据提出的求解算法,给出具体的实例,排样结果证明了用蚂蚁算法求解船舶件优化排样问题的可行性.     

基于Apriori算法的机动车保险欺诈索赔的关联度分析

在保险行业中,保险欺诈是当前存在的普遍现象。然而,在保险的全部险种里面,机动车车险欺诈是保险欺诈的高发区之一。本文基于25项特征指标,应用车险欺诈关联分析模型对某保险公司欺诈识别系统数据进行了分析,得出黑色样本的频繁项集,并且在白色样本中进行验证,确定了它们之间的具体关联规则,识别出欺诈索赔事件,得到灰色样本的欺诈率。研究结果表明,总理赔样本的欺诈率为37.527%。     

铺管船锚泊定位系统优化设计研究

分析了铺管船锚泊定位系统的结构和它在海洋中的受力情况,研究了锚索悬链状态的特性.提出了锚泊定位系统的二次规划优化算法.目标函数定义为受力锚索的拉力的两两水平力差的平方和,受到线性等式或不等式锚索拉力的约束.求解采用Lagrange乘子法或凸二次规划的互补主元法.用面向对象的VC++工具开发了锚泊定位系统软件.对某铺管船的锚泊定位系统实例进行优化计算,得到满足环境力条件下锚索所承受的力和锚点位置,达到了设计要求.     

基于LM-BP神经网络的沿海港口吞吐量动态模拟与预测

根据港口吞吐量与经济发展之间存在的非线性映射关系,引入结合LM(Levenberg-Marquardt)优化算法的BP神经网络,并将其应用于我国沿海港口吞吐量的动态模拟与预测.通过与BP算法的仿真结果比较分析,发现新算法具有训练速度快、预测精度高的特点.     

多子阵SAS非Stop-and-Hop近似RD成像算法

本文分析了Stop—and—Hop近似不成立条件下的多子阵合成孔径声纳系统数学模型,提出了适用于Stop—and—Hop近似不成立条件下的多子阵合成孔径声纳RD成像算法,仿真试验结果证明新方法是有效的。     

发动机液压悬置低频模型参数识别方法的研究

根据悬置低频振动模型,提出了基于DE算法的发动机液压悬置模型识别方法,由简单的低频正弦激振试验直接估计模型的关键参数值,完成模型的参数识别。基于上述理论和试验相结合的模型识别方法可以代替组件试验,识别结果可直接用于复杂结构悬置元件的动特性预测和整车NVH性能研究。     

多Agent粒子群算法在船舶电力网络重构中的应用

根据船舶电力系统自身所具有的特点,结合智能控制算法以及多Agent技术在电力系统的应用,本文提出了一种基于粒子群算法的多Agent船舶电力系统网络重构思想,建立一种与之符合的拓扑模型以及数学模型。在粒子群法的基础上,给出多Agent系统的全局最优解,实现网络重构供电最优,并通过相应的算例进行验证分析。     

地铁短时客流预测改进LSTM方法

短时客流预测可为轨道交通运营部门规划调度提供参考,其中短时客流预测的精准性尤为重要,为进一步提高城市轨道站点短时客流预测精准性,提出一种结合集合经验模式分解算法和贝叶斯优化算法的改进LSTM方法。先使用集合经验模式分解算法(EEMD)对地铁站点的客流数据进行分解,以减少数据噪声干扰;再通过贝叶斯优化算法(BOA)对长短时记忆神经网络(LSTM)的超参数进行优化,从而提高模型的参数精确性。采用真实的客流数据验证结果表明：相较于单一LSTM以及单层组合模型,双重叠加后的EEMD-BOA-LSTM组合模型预测结果平均绝对误差降低21.8%～44.8%,均方根误差降低16.9%～47.4%,对短时客流的预测结果误差改善显著。     

一种适用于WSN数据实时加密传输的超轻量级流加密方案

对于电力无线传感器网络实时数据传输中缺乏数据机密性保护以及设备计算能力较弱、带宽受限等问题,提出了一个超轻量级流加密方案。该方案由密钥创建、加密和解密3部分组成,并进一步基于该方案设计了一套适用于电力无线传感器网络的数据加密传输协议,给出了关键实现和仿真。仿真结果表明相比其它算法,效率有极大提高,实现难度低,适用于电力无线传感器网络设备计算能力较弱的应用场景下数据安全传输。