关联规则挖掘在研究生个人学习计划制定中的应用

介绍了关联规则挖掘算法Apriori及其在研究生专业课程间的关联规则发现中的应用，所发现的规则用于辅助新研究生进行个人学习计划制定。可减少研究生在个人学习计划制定中的盲目性，提高所选课程与学科专业研究方向的吻合度。     

基于MFCM的改进聚类算法及其在交通中的应用

在交通流状态模糊化的过程中,对已有的交通模糊控制研究引入了太多的主观因素.为了解决这个问题,提出了一种基于MFCM算法的分级递减聚类算法,利用MFCM算法寻找类中心,再自适应确定该类中心的隶属度阈值,将聚类进行分级处理,实现未知类别数数据集的聚类.将改进算法应用到交通流状态聚类中,可以更科学地确定交通流状态的聚类数和各类模糊隶属度函数的结构等,最后,通过算例,说明了该算法对于未知聚类数及服从高斯分布的数据集具有聚类效果好、收敛速度快的特点.     

多品种供应的多供应商选择模型及分解算法

为解决供应链中多品种供应的多供应商选择问题，建立了以供应综合成本最低为目标函数、满足多个约束条件的组合优化模型．为解决求解的困难，采用变换分解算法，将原模型转换为整数规划问题．根据不同迭代方式，给出了2种基本运算步骤．在算例中运用模型和算法，得到了多物资供应环境下多供应商的最优任务分派．新方法克服了常规供应商的选择评价方法只针对单一物资供应过程和面向单一供应商选择过程的局限性．     

对有序组合树法的改进

为了提高有序组合树法的运算效率，必须充分利用约束条件中的有关信息．通过深入分析，提出了极差、必选变量、不可选变量等概念，将多个约束条件联系成为一个整体．提出了用检验约束条件的相容性，并以相容性为判据进行截枝的新办法．证明了如果必选变量全部取值为1是可行解，则必是最优解。给出了改进后的有序组合树法的计算步骤流程．     

JD多车型配送车辆调度问题的模型及其禁忌搜索算法研究

在建立多车型配送车辆调度问题的数学模型的基础上,通过设计一种新的解的表示方法建立了求解该问题的禁忌搜索算法.实验计算证明,该算法不仅可以取得很好的计算结果,而且计算效率较高,收敛速度较快,计算结果也较稳定.     

基于双Markov链的效果评估模型研究

当前基于单Markov链的扫雷作战效果评估模型是一个理论意义大于实际的模型,如应用于实际的多Markov扫雷过程则还有相当的距离.文中从正交分解的角度,指出Markov评估模型只能得到定性评估结果.进一步提出了用于定性评估的双Markov模型,计算结果表明:在引入先验知识后,能在小样本数据条件下取得较为准确的评估结果.     

基于遗传算法的城市轨道交通接运公交线网规划

分析了城市轨道交通接运公交线网的功能，初步界定了车站影响区，并将其离散化编码表示，定义参数，以运营者消耗和使用者消耗之和最小为公交线网优化目标函数，建立模型，最后介绍了使用遗传算法搜索最优路线的计算步骤。     

供应链订单任务分配模型及其混合遗传算法

建立了面向供应链的多产品、多订单、多时段的订单任务分配的混合整数线性规划模型.为缩短求解时间和避免大量非法染色体出现,设计了基于遗传算法和启发式规则相结合的混合遗传算法.通过算例比较了该算法和SAS软件的OR模块.结果表明,与SAS/OR模块相比,该算法最优解误差为2.3%,但计算运行时间仅为SAS/OR模块的0.89%.     

һ������ʵʱ��Ϣ��ͳ����Ϣ�Ŀɿ�·�������㷨

研究在具有过去的统计信息及实时信息条件下的交通网络上的路径生成问题 我们假定路段通行时间具有一定的概率分布，这一分布从过去的统计数据得到，而当旅行者到达某一节点时，以该节点为起点的路段的通行时间作为实时信息被告知。在以上条件下，我们给出一种自适应算法来实时地生成一条路经，使得在某一预定时刻以前到达目的地的概率最大这个概率是衡量路径的时间可靠性的尺度，因而我们称相应算法为reliable routing algorithm。与之对应，我们注意到在以往的研究中，衡量路径优劣的有平均通行时间长短等等尺度。     

ARTIFICIAL IMMUNE ALGORITHM OF MULTICELLULAR GROUP AND ITS CONVERGENCE

Objective To find out more extrema simultaneously including global optimum and multiple local optima existed in multi-modal functions. Methods Germinal center is the generator and selector of high-affinity B cells, a multicellular group＇s artificial immune algorithm was proposed based on the germinal center reaction mechanism of natural immune systems. Main steps of the algorithm were given, including hyper-mutation, selection, memory, similarity suppression and recruitment of B cells and the convergence of it was proved. Results The algorithm has been tested to optimize various multi-modal functions, and the simulation results show that the artificial immune algorithm proposed here can find multiple extremum of these functions with lower computational cost. Conclusion The algorithm is valid and can converge on the satisfactory solution set D with probability 1 and approach to global solution and many local optimal solutions existed.