一个基于命名网络的自稳定的选举算法

选举问题是分布式计算中的一个基本问题。它一直受到广泛关注,先后发表了一大批研究论文。但是,现有的研究较少涉及选举算法的自稳定性,已经提出的自稳定选举算法的性能还不能令人满意。针对两个经典的自稳定选举算法———AG算法和DIM算法进行了分析。AG算法适用于命名网络,算法虽然简单,但算法需要假设网络的大小是已知的并且时间复杂度为O(n2),其中n表示网络结点数目。DIM算法虽不需要网络大小假设是已知的,但其时间复杂度仍然需要O(ΔDlogn),其中Δ和D分别表示结点最大的度和树的深度。利用DIM算法的思想,在AG算法的基础上,提出了一个基于命名网络的自稳定选举算法。该算法不需要知道网络的大小,而且时间复杂度为O(δ)(δ为网络直径)。     

具有自动撮合与视频通信的高校就业网站设计

文章针对传统就业网站功能单一、服务起点低、没有充分发挥网络交互通信作用的弊端,提出了一个具有撮合算法和视频通信功能的新型招应聘网络平台的设计,文章介绍了系统的结构、基于模糊向量的撮合算法以及基于对等通信模型的视频功能实现,对同类研究和设计有一定参考作用。     

Explicit filters and supply chain design

Due to the complexity of present day supply chains it is important to select the simplest supply chain scheduling decision support system (DSS) which will determine and place orders satisfactorily. We propose to use a generic design framework, termed the explicit filter methodology, to achieve this objective. In doing so we compare the explicit filter approach to the implicit filter approach utilised in previous OR research the latter focusing on minimising a cost function. Although the eventual results may well be similar with both approaches it is much clearer to the designer, both why and how, an ordering system will reduce the Bullwhip effect via the explicit filter approach. The “explicit filter” approach produces a range of DSS designs corresponding to best practice. These may be “mixed and matched” to generate a number of competitive delivery pipelines to suit the specific business scenario.     

物品配送路径优化的改进遗传算法

描述配送中心物品配送路径优化问题，并构造求解问题的改进遗传算法，在算法中引入模拟退火思想判断交叉操作后新个体的接受状态，同简单遗传算法相比，该算法能够增强全局收敛性，提高收敛速度。     

城市物流基地选址问题研究

本文将物流基地纳入城市交通网络中，以体现交通状况对物流基地选址的影响。在进行选址时，以运输费用和基地的投资、管理费用总和最小为规划者的主要目标，建立目标函数。选址的上层模型体现了运输费用和基地投资费用、管理费用最小的原则，下层模型体现了入选点的不同对交通流量分配的影响，下层模型是求解上层模型的基础。     

物流运输网络中的网络容量扩张成本效益均衡模型及算法研究

在给定一个单源单汇物流运输网络中，网络中的每条弧都有一个容量和运输时间的限制，研究了当网络的容量提高到指定水平，同时限制从网络中源点到汇点运输时间，应该如何对网络进行适当的扩张，减少网络的运输时间，同时使网络效益与预期效益尽可能的接近。     

基于遗传算法的供应链分销网络模型及其求解

本文研究了由多个厂商、多个分销中心和零售商组成的供应链分销网络,建立了综合考虑库存成本、订货成本和运输成本的分销网络优化模型。该模型是一个整数规划问题,采用遗传算法,并建立一个有效的编码方式来进行快速求解。最后通过一个实例验证了该模型的有效性和实用性。     

基于粒子群优化的模糊聚类分析

基于求解实优化问题时,粒子群优化算法优于遗传算法。在基于遗传算法的模糊C均值聚类算法基础上,给出了基于粒子群的模糊C均值聚类算法,试验结果表明:该算法克服了传统的模糊C均值聚类算法的缺陷,同时在收敛速度方面明显优于基于遗传算法的模糊C均值聚类算法。     

基于模糊机会约束的物流配送路径优化

在建立基于模糊机会约束的物流配送路径优化问题的数学模型基础上,构造了求解该问题的模糊模拟遗传算法。并用实例验证,结果表明用此算法可以有效的求解此类不确定问题,具有良好的寻优能力。     

基于遗传算法的多目标集装箱多式联运运输优化模型

基于集装箱多式联运在进行门到门的运输过程中可以选择多种运输方式和路径的组合进行优化运输这个特点，本文将多式联运的运输优化问题转化成为一个最短路径问题，以成本和时间为优化目标建立了选择最优路径的模型，并选择遗传算法作为求解算法对实例问题进行了求解验证。