基于优化AC-BiLSTM模型的机场终端区流量预测

将深度学习用于机场终端区流量预测研究。神经网络具有复杂的网络拓扑结构和较多的超参数，这使得超参数的选择很困难。以往神经网络模型的超参数通常是根据经验来调整的，因此，为了解决超参数搜索问题，引入粒子群算法(PSO)。针对基本粒子群算法(Basic PSO,BPSO)的缺点和不足，提出一种基于自适应惯性权重的混沌粒子群优化（AWCPSO）算法，该算法在基本PSO的基础上进行了改进和优化。具体方法是，使用一种新的动态自适应惯性权重在全局寻优和局部寻优之间取得平衡；进而将混沌思想和粒子群算法相结合，解决粒子群算法易陷入局部最优的问题。实验表明，AWCPSO算法用于AC-BiLSTM模型的超参数寻优时，既解决了BPSO算法的早熟收敛问题，又提高了流量预测的精度。     

城市生活垃圾处理设施多目标优化选址研究

针对矛盾突出的城市生活垃圾设施选址问题,设计免疫优化算法对其进行求解,提出了以城市生活垃圾处理设施点到需求点的产生量和距离值的乘积之和最小以及需求点处的生活垃圾未得到处理时的环境负效用最小为目标建立优化模型。该模型同时解决了城市生活垃圾处理设施的位置以及需求点处的垃圾分配两个问题。最后,以上海市的城市生活垃圾处理设施选址问题为例进行验证,证明了模型的可行性和算法的有效性。     

使用粒子群算法解决期权定价模型参数校准问题——以heston模型为例

期权定价模型的参数校准问题是一个常见的难题,以heston 模型为例,定价时需要估计6 个参数,参数估计问题实质上是高维非线性规划问题,由于估参函数的性质不好,一般的估参方法常常失效。使用粒子群（PSO）智能算法可以改善该模型的参数校准问题,因为粒子群算法具有内在随机性,因此参数估计中的局部极小值问题可以被较好地解决。使用2017 年12 月20 日的香港恒生指数期权作为估计样本,并对2017 年12 月25 日的期权进行样本外预测,数值结果表明使用heston 模型对期权进行定价并配合粒子群算法估计参数具有良好的定价效果。     

基于多目标优化的旅游路线的建模

以湖北省为例,首先采用模糊综合评价对主要景点进行评判基础上,运用了Floyd算法解决旅游路线最优化的设计问题;接着根据灰色相关性原理得出灰色关联度,从而求解出风景游、人文历史游的灰色关联系数,得到线路之间的相似性比对评估;最后,对所建立的模型进行了公正、客观的评价和推广。     

项目工期—成本优化问题的蚁群算法设计

工期-成本优化问题是进行项目管理的一个重要环节,它本质上属于一类多目标优化问题。文章结合解决复杂组合优化问题的新型启发式算法——蚁群算法(ACO)对工期成本问题提出了确定的解决框架。通过将工期-成本问题转换为旅行商(TSP)问题,与自适应权重方法(MAWA)相结合,ACO算法不仅可以找到最优解,还可以得到问题的帕雷托前沿。对项目管理的实际工作提供充分的信息,具有较大的意义。     

微粒群算法在函数优化中的研究

本文讨论了微粒群算法在函数优化中的应用问题,即用微粒群算法进行函数的优化和求解,并通过实验证明得出采用引入收缩因子的PSO算法模型比采用标准的PSO算法模型,能够更快地找到Golestein-Price函数的极小值点,具有较好的搜索性能。     

高校选修课程模型探析——以"退火算法"模型为例

高校的排课处理、选课处理都是典型的NP完全组合优化问题.本文根据选修课程问题的特性,以选课结果的优化处理为目标,对模拟退火算法进行改进,利用优化的数据结构和初始解提高运算速度,建立了带性能约束的多目标优化数学模型,据此实现了处理程序,并证明改进后的算法能显著提高收敛速度.     

多目标条件下的供应商选择问题求解

随着企业间分工与协作关系的不断深化,供应链管理中的供应商选择问题成为企业决策的难点.本文通过对评价指标的选取,建立了多目标条件下的供应商选择问题模型,运用蚁群算法求解问题模型.对算法中信息素的更新规则进行改进,使得改进后的蚁群算法在求解供应商选择问题模型时更具优势.     

基于遗传蚁群混合算法的公交线网优化模型

随着城市经济不断发展,城市交通问题日趋严重,公共交通成为解决城市交通供需矛盾的重要手段。文章提出了以社会总出行时间最小、污染排放量最低、乘客直达率最大、线网日均满载率最大、公交企业年收益率最大以及线网效率最大为优化目标的多目标城市公交网络优化模型,并运用遗传蚁群混合算法对模型进行计算,大大降低了模型的求解时间。     

HMM语音识别系统中Baum-Welch算法的优化

在HMM语音识别系统中传统的训练算法(Baum-Welch算法)计算量大、易受噪声干扰,而且当B初值选取不当时,又可能产生算法发散或者迭代收敛到非全局最优的现象。文章利用遗传算法对训练算法Baum-Welch算法进行了优化,应用于HMM语音识别系统中。仿真实验结果表明,经过遗传算法优化后的HMM模型的识别率相对于未优化的模型有一定程度的提高。     

基于NSGAII算法的多循环物流选址-运输路径优化问题研究

物流是国民经济的重要动脉，而其中车辆路径问题与配送中心选址分配问题则是物流系统中的重要子课题，为了提高物流效率，解决多阶段配送选址问题，以降低运输时间、运输成本为优化目标，构建了多循环物流选址-运输路径优化数学模型。采用NSGA?II算法结合计算机编程求解双目标的优化问题，解决了车辆选择、备选中心选取、路线选择等问题，通过题库部分数据验证了算法的可行性。研究结果显示，时间和成本是无法同时达到最优的帕累托解集，决策者可以根据自己实际需要，选择更适合自身需求的选址-运输路径配送方案。     

资源限制条件下的商业银行多点布局优选的遗传算法

文章针对资源限制条件下的商业银行多点布局优选的0-1整数规划数学模型,提出基于遗传算法的求解方法。利用遗传算法中随机搜索优化机制,能较快和准确地获得最优解。实例计算证明,与现有的求解方法相比,遗传算法具有较好的寻优效果,可以作为求解商业银行多点布局优选问题的一种新方法,同时对于其他项目群决策问题具有借鉴作用。     

机场地面保障服务车辆协同调度和仿真优化

为实现大型机场地面保障服务高效化、智能化运行管理，通过研究多航班、多种地服车辆、多车场、带容量时间窗的复杂车辆路径规划问题，构建地服资源协同调度模型。结果表明：根据航班到达规律和机位分布情况，基于分解的高维进化算法求解效果较好，得到车辆使用数少、行驶距离短、超出时间窗惩罚函数最小和任务均衡的四维多目标优化问题的调度优化方案；通过Anylogic仿真软件验证，可实现机位占用情况、车辆使用情况动态分配和监控。     

基于免疫神经网络的综合交通枢纽布局优化方法——以洛阳市城市轨道交通1号线为例

为了提高综合交通枢纽布局的科学性，促进区域经济的建设与交通产业的良性发展，基于免疫神经网络算法，研究设计了一种综合交通枢纽布局优化方法。提取综合交通枢纽布局优化的关键因素，设置约束条件，应用BP神经网络算法，建立综合交通枢纽布局优化模型，引入免疫克隆算法，求得综合交通枢纽布局优化模型的最优解算结果。检测结果显示，对于随机的10组综合交通枢纽规划的历史数据，该方法得到优化结果的执行时间均值为0.56 s，具有实时性与高效性；布局优化结果误差绝对值的均值为0.043，最大误差的绝对值为0.074，均控制在实际工程所需误差±0.1的范围之内，具有精确性与可行性。     

基于区域差异性的应急物流定位—路径问题研究

面对灾难发生后,不同区域的情况存在差异,综合考虑需求点的优先级和集散点的反应能力,以系统总成本最低构建了一个两阶段定位-路径问题模型.首先,根据需求点的需求紧迫度确定优先级,通过集散点的综合能力衡量集散点的反应能力.其次,在人工蜂群算法中结合遗传算法的交叉变异以及嵌入大规模领域搜索操作,改进邻域解的产生过程.最后,运用汶川地震数据对模型进行解析,证明模型能在考虑区域差异性的情况下有效解决灾难发生后的定位路径问题,实现物资的较合理配送.     

基于遗传算法优化BP神经网络的企业营销风险预警研究

为了克服现有研究的缺限,文章提出了一个基于遗传算法优化BP神经网络的企业营销风险预警模型.首先阐明了BP神经网络和遗传算法应用于企业营销风险预警的可行性,然后构建了基于遗传算法优化BP神经网络的企业营销风险预警模型,接着通过某企业实例对模型进行了训练和测试.结果表明,该模型可以有效及时地对企业面临的营销风险做出预警.     

基于改进GA的滑行道路径冲突解脱研究

为解决多航空器在飞行区场面活动时存在的冲突问题,以优化后的滑行路径距离作为目标代价函数,提出一种滑动时间窗与GA相融合的冲突解脱模型。首先在滑行规则、安全间隔与滑行道实际条件等约束条件下构建场面滑行路径模型;其次提出基于滑动时间窗与GA融合的求解算法;最后选取成都双流机场为例进行仿真,并与传统GA算法进行对比分析,证明基于改进GA的算法模型在飞行区冲突解脱上更具有鲁棒性与自适应性。     

基于遗传算法的生产调度系统建模及优化

生产调度系统的优化一直是学术界研究的热点,特别是伴随着Agent技术网络化、敏捷化、智能化的现代先进制造系统中,生产调度面临着更大的难题.文章利用归约法对生产调度问题进行了优化,并在此基础上利用遗转算法进行了建模及求解.