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。     

计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法研究

轨枕作为固定钢轨和扣件的重要轨道零部件之一,由于长期承受钢轨传来的各种作用力,其端部易出现掉块,造成轨道机械结构稳定性下降,故轨枕掉块缺陷检测对保证列车正常运行起到重要作用。针对轨枕掉块缺陷检测方法存在精度较低和缺陷样本少的问题,提出一种计及少样本的YOLOv5s轨枕掉块小目标缺陷检测方法。首先,采用Copy-Pasting数据增强方法增加轨枕图像中掉块小目标数量,解决缺陷样本少的问题;其次,通过降低网络下采样倍数和删除大尺度检测层的方式改进YOLOv5s模型的多尺度检测层,提高轨枕掉块缺陷检测精度和速度;然后,将锚框之间的平均交并比作为距离量度改进K-means聚类算法,并使用遗传算法优化,重新匹配适合轨枕掉块缺陷检测的锚框;最后,使用跨尺度连接结构和双向特征加权融合模块改进YOLOv5s的特征融合结构,增强特征融合能力。实验结果表明,与原模型相比较,改进后的YOLOv5s模型平均精度达到94.1%,提高2.3%,检测速度达到93.3 fps,提高26.6 fps,能够准确且快速地识别轨枕掉块小目标缺陷。     

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。     

基于动态资源调度算法的数据中心负载均衡方案研究

云数据中心大多采用静态调度算法对虚拟化资源进行分配和调度,调度一旦完成,若无维护,资源分配状况一般不会发生变化,但随着资源池的持续使用,资源使用不均衡的问题会越来越严重。针对该问题,提出基于动态资源调度(DRS,Dynamic Resource Scheduler)算法的负载均衡解决方案,使数据中心物理节点上的资源使用达到相对均衡。采用DRS算法对资源进行实时监控,根据监控结果筛选出与平均负载值偏差较大的物理主机,结合虚拟机已分配与实际使用的资源,计算出其最终得分,根据得分,选择合适的虚拟机进行动态资源均衡,使物理主机的负载值趋于平均负载值。实验结果表明,DRS算法在数据中心应用中具有有效性和稳定性,可以周期性地进行资源动态调度,实现数据中心的负载相对均衡。