终端区飞机排序的混合人工鱼群算法

为了保障飞行安全, 对终端区着陆飞机进行有效的排序, 建立了以航班延误总时间最小为目标函数的规划模型, 以人工鱼群算法为基础, 融合了遗传算法的选择操作和模拟退火算法的依概率接受的思想, 形成混合人工鱼群算法, 对着陆飞机排序问题进行了仿真计算, 并与先到先服务算法、模拟退火算法以及蚁群算法进行了对比研究。仿真结果表明: 与先到先服务相比, 使用人工鱼群算法使得单跑道、双跑道延误分别减少了9.3%和48.0%, 计算时间小于3s;与蚁群算法和模拟退火算法相比, 求解的延误与时间最小, 因此, 提出的混合算法可行。     

机场调度的队列模型及延误研究

论文讨论了机场航班延误的严重性.基于机场航班排序理论的研究,采用马尔可夫(Markov)链的C-K方程理论建立机场服务队列模型.用模型对飞机进场和离场的时间延误进行预测,仿真实验再现了时间延误概率分布图.由此证明,该模型能直观反映航班延误情况.进一步根据延误情况去制定航班排序策略,是一个有效的办法.     

基于模糊相似度的群决策方案排序

为解决排序方案多属性特征、决策者对事物认识的局限性以及决策群体中各个体间的矛盾性导致的决策方案排序困难的问题,引入模糊相似度概念,以测度决策专家的偏好差异,用有序加权平均算子集结群体意见,通过与虚拟正、负理想方案比较,实现决策方案排序,并介绍了决策实施步骤.     

基于AHP-TOPSIS的山区低等级公路路面破损评价方法

以山区低等级公路路面为研究对象,依据不同种类路面的破损危害性不同,拟在公路路面评价中提出路面破损指数概念,对山区低等级公路路面破损程度进行综合评价。所用模型是利用层次分析法(AHP)对不同种类的路面损毁危害性进行赋权,并利用逼近理想解排序法(TOPSIS)计算山区低等级公路路面破损程度与最优情况的贴近度,进而将山区低等级公路路面破损情况转化成区间为[0,1]的路面破损指数,其中路面破损指数越大表示路面的破损程度越高。此模型方法简单,能够运用少量数据对山区低等级公路路面的破损程度进行定量评价,可为山区公路的养护工作提供更准确的数据参照。     

有向图理论在工序排序决策中的应用

为了建立有效的工序排序决策模型，运用有向图理论，用有向图的节点描述加工特征，用有向边描述加工特征之间的基准关系，从而有向图上经过所有节点且没有环路的有向路径即为可行的工艺路线．为了便于计算机处理，将有向图用矩阵表示，通过有向图矩阵的乘法运算搜索最长的有向路径．如果最长的有向路径没有包括所有节点，可以根据基准关系，将最长有向路径外的节点插入，得到最终的工序排序结果．     

少学时“机械零部件识图”课程的线上线下融合教学模式探讨

"机械零部件识图"是汽车类专业的一门必修专业基础课,本文基于现有"机械零部件识图"在线开放课程资源,探讨线上与线下交互融合教学模式在少学时"机械零部件识图"课程中的应用。     

面向在线地图的GCN-LSTM神经网络速度预测

为从路网速度中完整提取路段速度的时空特征,实现高精度路段速度预测,通过调用在线地图的路径规划应用程序接口,采集路段的在线地图速度;利用图卷积神经网络(GCN)提取空间特征,利用长短期记忆(LSTM)神经网络提取时间特征,建立面向在线地图的GCN-LSTM神经网络,提取路段速度的时空特征,预测路段速度;为测试面向在线地图的GCN-LSTM神经网络表现,并评价在线地图下GCN-LSTM神经网络的优势与面向检测器速度预测模型的可替代性,以局部路网为例分析模型表现,并对比在线地图下不同模型的表现与不同数据源下近似模型的表现。研究结果表明：GCN-LSTM神经网络在训练集和测试集上的平均绝对误差(MAE)均低于5,均方根误差(RMSE)均低于6,平均绝对百分比误差(MAPE)均低于30%,训练误差和测试误差均处于较低水平,总体表现良好;GCN-LSTM神经网络的路段MAPE服从Gumbel分布,均值均落在19%±4%之间,85%分位点均落在34%±5%之间,2项指标均处于较低水平,个体表现良好;在面向在线地图的速度预测模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,在面向在线地图的速度预测中具有一定优势;在近似模型中,GCN-LSTM神经网络的MAE、RMSE、MAPE以及MAPE拟合曲线均值、85%分位点最低,总体和个体表现均为最佳,则面向在线地图速度预测的可靠性高,可代替面向检测器的速度预测。     

基于J2EE体系结构的在线考试系统的研究与设计

通过对RUP开发过程及J2EE架构中的多层模型的分析,研究并设计了在线考试系统,克服了传统设计方法的弊端,体现了本设计方法的优越性,为建立性能优良的在线考试系统提供了一条新途径．     

一类混合判断矩阵排序的优化模型及其应用

研究混合判断矩阵的排序问题,提出了一种新的混合判断矩阵排序法.定义一类新型混合判断矩阵,利用C-OWA算子、C-OWG算子及三角模糊数期望值公式分别将区间数互补、区间数互反和三角互补互(或互反)判断元素一致化为数值型互补与互反判断元素.基于一致性互补与互反判断矩阵的定义,建立一个优化模型,通过求解该模型获得方案的排序向量.提出一种新的混合判断矩阵序法,该方法具有操作简便和易于上机实现的特点.通过实例说明方法的可行性和实用性.