基于GIS的遗传算法在路径诱导中的应用与实现

最优路径搜寻是路径诱导问题的核心,文章在路径优化问题的求解中,将遗传算法和蚁群思想进行融合,首先利用前部分遗传操作迅速产生优化解,并由此衍生的初始信息素进行蚁群计算,并将后部分遗传操作引入蚁群算法以保证群体多样性以防陷入局部,仿真实验验证了算法的正确性和有效性。在系统实现部分,基于GIS环境,利用面向对象的程序设计语言C++,在VC集成开发环境下,通过MapInfo获取地图,并且把得到的路径优化结果回显在地图上。     

基于多层路径规划的自动布线优化研究

为实现大规模集成电路中的"自动布线问题",首先针对单层平面内通道自动布线问题使用A*算法,发现上下引脚连接线路发生路径冲突时,单通道自动布线问题无解.对多层数电路通道自动布线使用Floyd算法建模,分别对每层线路进行优化.构建基于遗传算法的A*目标函数最优化自动布线模型,来解决三维空间结构优化、系统整体布线距离优化以及金属线与通孔寄生电阻最小化问题.之后使用样本测例对建立的模型进行验证,提出新的解决路线.     

基于K-shell与贪心策略的社交网络影响力最大化研究

影响力最大化问题是社交网络研究的一个重要方向,其涉及的影响力最大化算法被证明是一个NP-hard问题。文章提出基于K-shell与贪心算法的组合方案针对社交网络影响力最大化问题进行分析与研究。以K-shell算法从网络拓扑节点的度的相关性入手,对网络拓扑进行了粗粒度化的层次划分,并引入调节因子μ,通过提出K值小于调节因子μ的节点,得出剔除一定规模节点后的候选节点集合SC,并在候选节点集合使用贪心算法,通过蒙特卡洛模拟得出种子节点集合S及其影响范围情况。最终通过实验分析得出,在较大规模的网络数据集合中,文章提出的算法方案相对于贪心算法运行时间上大幅度提升了时间效率,并在影响力测算的准确度上趋近贪心算法所得到的结果。     

面向路径覆盖测试用例生成方法

测试用例的生成在软件测试中起到关键性的作用,然而在全路径覆盖这一准则中,往往会遇到极少数路径被遗忘等问题。针对此问题,文章提出了一种面向路径的测试用例生成方法,即贝叶斯网络与人工鱼群组合算法。首先,将表示各参数间的关系引入贝叶斯网络,达到路径覆盖准则的效果。然后,使用人工鱼群算法对近优的贝叶斯网络模型进行搜索获取测试用例集,进一步提高效率。实验结果表明:与已有的方法相比,在满足路径覆盖的同时,该方法在性能上有明显优势。     

基于Dijkstra算法的物流运输最短路径的研究

运输是物流活动的一个主要组成部分,是物流的核心环节.运输的路径优化是物流运输中的一个重要问题,也是在实际应用中的一个难以解决的问题.文章首先介绍了运输在物流中的重要性以及优化运输环节进行物流分析的必要性和可行性,接着阐述了Dijkstra算法的基本思路以及求解运输最短路径的具体步骤,通过Dijkstra算法找出运输中的最短路径,进而减短运输距离,降低物流成本,提高产品竞争力.     

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。     

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。     

基于多种障碍环境建模的机器人路径规划

移动机器人路径规划问题一直受到人们的广泛关注.针对不同复杂程度的障碍物环境分别采用传统算法和智能化算法进行控制.针对环境简单、障碍物较少且分散的情况,使用人工势场法进行局部路径规划.当环境复杂、障碍物数量较多且密集时,采用蚁群算法进行路径规划.首先使用栅格法对全局环境建立数学模型,然后模拟蚂蚁群体觅食过程,通过多次信息交流和数据更新最终在全局环境中规划出一条最优路径.在蚁群算法的模拟实验中,通过大量对比实验和仿真结果确定最佳组合参数设置,然后将这组参数用在不同的障碍物环境进行实验,均得出了最优路径.结果证实人工势场法和蚁群算法分别用于较简单和较复杂的路径规划环境是可行的且参数选取是合理的.     

基于NSGA Ⅱ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,决策者可以根据实际需要,选择更适合自身需求的选址-运输路径配送方案。     

基于混合蚁群算法的企业车间作业计划问题研究

文章研究了以最小化制造跨度为目标的，具有模糊加工时间的车问作业计划问题。针对该问题，采用三角模糊数来表征时间参数，并在此基础上构建问题目标函数。之后给出了一种混合蚁群求解算法，将模拟退火算法的全局优化特性嵌入蚁群算法来避免局部最优的问题。最后通过实例验证了算法的有效性。     

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。     

基于蚁群算法的突发事件应急调度概述

针对突发事件而引起的应急调度目的是为了保证所需资源尽早到达和突发事件损失最小化,本文提出用蚁群算法作为一种智能优化算法来计算出最佳路线。文章概述了蚁群算法,介绍了蚁群优化算法基本流程,评价了它的效果和意义。     

基于贪心策略的投资问题应用分析

由于贪心策略具有策略多样、运用方便等优点,所以它被人们普遍运用于投资问题,但是也正是由于贪心算法的不完美性,导致了很多人在使用过程中走向失败。文章介绍了一个简化的投资模型及其三种贪心策略,并介绍了一个基于此贪心策略的股票投资模型,并进一步探讨了贪心策略的运用问题。     

面向枢纽机场的多因素滑行路径规划综合研究

针对枢纽机场滑行道容量不足问题,结合安全间隔、冲突解脱和公平性原则,以滑行路径最短作为优化目标,考虑燃油消耗和废气排放,建立滑行路径规划模型。采用Dijkstra算法将滑行路径转化为邻接矩阵,以加权的方式进行冲突解脱,在保证滑行道零冲突的前提下,减少总的滑行距离。以国内某枢纽机场2018年某日18：00—19：00内的实际运行数据结合19个跑道节点、71个滑行道节点进行验证分析。结果表明,提出的滑行路径规划方法可行,可提高机场场面滑行效率,有效降低油耗量及污染物排放。     

基于粒子群算法的水下无线传感器网络路由策略研究

针对水下无线传感器网络能量消耗不均衡及生命周期短的问题,文章在LEACH协议的基础上提出了一种降低节点能耗,延长网络生命周期的水下路由协议算法。该协议将粒子群算法用于水下无线传感器网络的簇首路由优化中,同时考虑到节点的剩余能量、簇首节点到基站的距离和非均匀分簇等5个因素,确定最优传输路径,达到降低节点能耗,延长网络生存周期的目标。仿真结果表明,该协议极大地降低了网络能耗,提高了网络生存周期。     

基于改进的FP-growth算法的高校课程关联度实证研究

利用学生课程成绩,挖掘课程间的内在关联,合理设置执行计划,为人才培养方案的制定提供决策支持,有效提高人才培养质量。针对FP-growth算法中存在极大内存开销弊端问题,提出基于二维表存储事务,进而求出频繁1项集、频繁2项集和非频繁2项集,实现减少对数据库事务遍历、对FP树剪枝以及减少遍历FP树次数。以某校信管专业学生成绩为研究对象,对算法的改进效率进行验证。     

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。     

科技专家评审质量评价模型实证研究

针对科技主管部门面临的科技专家评审质量不高、监管机制缺失等问题,通过信息化手段实现专家管理的高效化、智能化、规范化.研究确立以科技专家基本素质、工作态度、专业程度及指导水平4个维度为主体框架的评审质量评价指标体系,开展基于神经网络算法的专家评审质量评价模型的构建.通过对比经验评价数据与神经网络评价预测值间的误差,验证基于神经网络算法的专家评审质量评价模型的高精准性,为客观、科学、智能、规范评价科技专家评审质量提供一种可行路径.     

基于动态调整惯性权重粒子群算法的冷热电联供系统运行优化

为实现能源梯级利用、冷热电联供系统优化运行，将基本粒子群算法、改进粒子群法、动态调整惯性权重的粒子群（IDWPSO）算法进行对比。表明相较于其它两种算法IDWPSO算法在收敛速度与精度方面都有更好的表现。建立以运行成本和环保成本最小为目标的冷热电联供CCHP (combined cooling, heating and power)系统模型，并采用IDWPSO算法优化。结果表明，在满足系统负荷与约束条件下，IDWPSO算法优化后的系统综合成本有所降低，对CCHP系统优化运行具有指导意义。     

基于节约算法的港口集装箱运输路径优化研究

近年来,"一带一路"倡议推动了港口集装箱海运业务的迅速增长,同时也给港口集装箱的仓储量和运输成本施加了压力。本文以集装箱运输总成本最小化为目标函数,基于客户满意度探究港口集装箱的出港运输优化路径,并以舟山-宁波北仑港口某集装箱物流运输为例,建立结合实际的VRP数学模型,运用节约算法讨论不同情况下的运输路径优化,对比分析最佳运输路径,降低港口集装箱运输总成本。