非线性系统模型参数估计的差分进化算法

将差分进化算法用于非线性系统模型的参数估计,通过对谷氨酸菌体生长模型的参数估计进行验证,并与人工神经网络、遗传算法和微粒群算法的优化结果进行了比较。仿真试验结果表明:差分进化算法为非线性系统模型参数估计提供了一种有效的途径,对非线性系统模型的参数估计精度高于人工神经网络、遗传算法和微粒群算法。     

基于非参数估计的GMDH算法模型及其在股票发行定价中的应用研究

新股发行定价是股票市场的一个重要环节,为了适应市场化的定价机制,研究科学的新股定价模型,本文结合我国证券市场的实际情况,考虑影响新股定价的诸多因素,将非参数估计与GMDH算法结合,研究股票发行定价。实证结果表明,基于非参数估计的GMDH算法模型能有效的估计新股发行价格。     

基于优化Bass模型的移动电话用户数扩散研究

在介绍产品扩散的Bass模型基础上,提出了优化模型的方法——采用粒子群算法作为Bass模型的参数估计算法。以我国移动电话用户数的扩散过程为例,采用优化的Bass模型对其扩散过程进行了深入的研究,通过结果分析得出采用采用优化的Bass模型对产品扩散进行研究效果更好。最后,对移动电话用户数的扩散过程进行预测。     

恒加应力下对数正态分布的MCEM加速算法

文中应用MCEM加速算法,给出了在恒加应力下对数正态分布的参数估计问题,并进行数据模拟,说明MCEM加速算法在对数正态分布的参数估计中比EM算法更有效,收敛速度更快。     

蚁群算法在卷烟配送路径优化中的应用研究

针对目前烟草商业企业的物流配送中存在的问题,提出用仿生学的蚁群优化算法对卷烟配送路径的选择进行优化,以基本的蚁群优化算法模型和原理为理论基础,建立了相应的数学模型,并结合某烟草公司的案例对本算法的应用进行了计算机仿真,实验结果表明该算法在求解卷烟配送的路径优化问题上是行之有效的。     

蚁群算法在卷烟配送路径优化中的应用研究

针对目前烟草商业企业的物流配送中存在的问题,提出用仿生学的蚁群优化算法对卷烟配送路径的选择进行优化,以基本的蚁群优化算法模型和原理为理论基础,建立了相应的数学模型,并结合某烟草公司的案例对本算法的应用进行了计算机仿真,实验结果表明该算法在求解卷烟配送的路径优化问题上是行之有效的.     

计算机图形学中二维裁剪算法的研究

随着计算机技术的发展,计算机图形学也日益成熟.在我们的日常生活中,也成了随处可见的必需部分.在医学、娱乐、图形艺术、商业、教育培训、科学工程等众多领域,计算机图形学的应用非常普遍.计算机图形学主要研究的是在计算机中构造图形,将用数学模型描述的图形数据采用合适的算法转换为屏幕上图形的显示.计算机图形学学科研究的对象为二维图形学和三维图形学及其显示和变化情况.点、线、面为二维图形学范畴,几何体和场等数学构造方法则为三维图形学范畴.现在,计算机图形学的一些基本算法已经形成了固化在硬件中的规范软件包,这个学科也日趋成熟和完善.但是依然有很多算法还需要不断的改进才能应用到实际中,而裁剪算法就是其中之一.本文主要对二维图形裁剪中的椭圆形窗口裁剪算法进行了研究,使其具有较高的效率和稳定性.     

粒子群优化算法在Web内容挖掘中的应用与研究

随着计算机技术在各领域的广泛应用,互联网的迅猛发展使得各类信息以指数级增长,本文主要研究粒子群优化算法在Web数据挖掘中的应用,介绍了粒子群优化算法进行Web数据挖掘的基本原理,分析了其特点。简述了粒子群Web数据挖掘优化算法的原理、特点、参数设置与应用等,重点分析了粒子群优化算法中的惯性权值,加速因子的设置对算法基本性能的影响,给出了算法中的经验参数设置。     

基于混合算法的电力物料车辆排队服务优化

针对电力物料产品出入库频繁,扰动大,异质物料装卸时间差异大,车辆排队服务时间不确定等问题,建立电力物料装卸排队服务优化模型,模型中考虑了转换装卸仓库的时间对优化方案的影响。利用遗传算法对优良基因的记忆保留特性和算法收敛性以及粒子群算法迭代的方向性,提出混合遗传粒子群算法,加入了Metropolis抽样准则以提高算法跳出局部最优的能力。最后对国家电网天津市电力物资公司智慧物流园区实际数据算例进行仿真优化分析,模型优化后比实际的车辆平均空闲时间、最大空闲时间和总空闲时间都有大幅度减少,表明了模型的可行性和算法的有效性。相关研究模型已在企业智慧物流园区供应链多环节协同关键技术研究项目中进行分析与验证,并应用于企业实际仓储服务信息系统,极大地减小了企业运输车辆排队等待服务现象,减少了时间与成本浪费,具有较强的实际意义与应用价值。     

物流企业运输计划优化算法研究

为了实现对大型综合物流企业运输计划的优化,针对运输问题的约速和目标,构造了数学求解模型,并设计了一个包含了Dijkstra方法和禁忌算法在内的两阶段算法,最后通过实际验证证明了该算法对解决大型物流企业运输计划非常有效.     

基于免疫粒子群算法的应急物流配送车辆调度研究

以应急物流为背景,通过分析应急物流车辆调度问题的特点,在满足时间限制条件的基础上充分考虑车辆的载重和体积的限制,建立以运输距离最短和运输车辆最少的双目标车辆调度模型,并用免疫粒子群算法实现对模型的求解,来验证模型和算法的可行性和有效性。     

基于遗传算法的高校排课

课表问题又称为时间表问题(Timetable Problem),是一个多因素的优化决策问题,也是组合规划中的典型问题。本文从排课系统研发和运行中存在的问题出发,从遗传算法的基本理论入手,研究如何利用遗传算法,解决时间安排过程中的资源冲突(主要是教师资源和时间资源)、课表时间段组合优化等问题。     

基于遗传算法的武器系统组合优化方法

组合多样化的武器系统,达到使用效能最优,已成为打赢信息化条件下局部战争亟待解决的一个核心问题。本文采用改进的遗传算法解决了武器系统组合优化问题:采用字符串编码方式,设计应用DP算法、单点交换等规则,为解决武器系统组合优化问题提供了有益的借鉴。将此模型应用于一个实际武器系统组合优化问题,获得了非常满意的结果,证明了算法的可行性。     

固定交互效应面板截取模型的ECM算法

交互效应面板数据模型在社会经济问题的实证分析中具有很强的适用性,但现有研究主要集中于线性面板模型。本文将交互效应引入非线性的面板截取模型,并基于ECM算法,建立了有效估计量和识别程序。基于不同因子类型的仿真实验结果显示,ECM算法可以很好地识别面板截取样本中的非观测因子。ECM估计量具有良好的有限样本性质,与其他估计量相比具有更小的偏误和更快的收敛速度。尤其是当共同因子为低频平滑因子时,其表现最为理想。     

基于多Agent学生模型的阅卷算法

采用模糊逻辑的方法,利用Agent智能推理能力,通过阅卷算法得到考试成绩,得出综合掌握程度,判断学生认知水平,实现考试的自适应性,验证阅卷算法在学生模型考试系统应用中的可行性和正确性。     

蚁群算法在物流配送路径优化问题上的应用

物流配送路径优化是现代物流配送服务的关键环节之一,需要一个快速而有效的求解算法,构建了物流配送路径优化问题的数学模型,并应用蚁群算法加以求解。在模拟试验基础上,得出了蚁群算法对物流配送路径优化问题十分有效的结论,探索出了一条高效求解物流配送路径优化问题的新途径。     

基于微粒群优化算法的物流配送中心选址问题研究

结合物流配送中心选址的特点，建立数学模型．在此基础上研究了基于微粒群算法的物流多配送中心选址问题，得到一种新的多配送中心选址方法。仿真结果证明此方法比传统选址方法更适合多配送中心选址和非线性问题的优化，并且具有传统算法所不具备的灵活性，适用多样的物流配送模型。     

卫星通信网系统最优业务分布算法研究

本文给出了一种低轨星座卫星通信系统业务模型,基于这种模型,考虑到卫星功率受限,提出了基于仰角、基于线性规划以及两者相结合等三种业务分布算法,通过数值分析比较,得出混合的分布算法具有最优性能。     

基于IEEE802.11b的MAC层随机退避算法的实现技术研究

随着WLAN技术的快速发展与广泛应用,WLAN实现技术的分析与研究成了领域中的一个热门命题。文章通过对IEEE802.11b的媒体接入控制MAC层DCF载波监听机制实现技术的研究,重点论述了随机竞争信道访问方式的随机退避算法,实现了IEEE 802.11b无线局域网中的公平访问共享的无线网络资源。     

基于混合遗传算法的物流园区内部布局优化

物流园区的内部布局是影响物流园区的整体效率、运行成本及环境安全的重要因素之一。通过分析影响物流园区内部布局的相关因素,建立了数学模型,以使得货物在园区内外及园区内部之间的搬运费用最小,园区内各功能区作业联系最为紧密。然后,构造了求解该问题的遗传算法,在遗传算法的基础上,加入了爬山算法,优化了求解过程。最后,对国内某物流园区的实例计算,表明建立的模型及算法能够有效地求得问题的最优解或近似最优解。