Web挖掘在电子商务中的应用研究

主要介绍了Web挖掘的定义,并对日志挖掘进行详细的说明,介绍了常用的Web挖掘方法,本文还讨论了分类算法的实际应用,最后总结了Web挖掘在电子商务中的应用.     

浅谈Web挖掘在电子商务中的应用

对于电子商务企业而言,如何把交易相关的大量数据,通过整理、提取、加工,形成知识,对企业了解、分析客户,为客户提供更好的服务进而提高企业核心竞争力都是至关重要的。主要探讨了Web挖掘的概念、过程和技术,并结合实例分析了Web挖掘在电子商务中的具体应用。     

粒子群优化算法的改进与应用

粒子群优化算法是今年来快速发展的一种新的进化算法。本文以标准粒子群优化算法的缺陷为出发点,从不同的角度来展现粒子群算法的改进方向和研究进展。讨论其在不同领域内的应用。最后对粒子群优化算法的发展趋势进行了展望。     

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。     

自适应粒子群优化算法在混沌系统参数估计中的应用

惯性权重w的变化会影响粒子群优化算法的搜索能力,本文针对基本粒子群算法不能适应复杂的非线性优化搜索过程的问题,在其基础上提出了一种动态改变惯性权的自适应粒子群算法。该自适应算法引入了h来衡量算法的进化速度,引入s来衡量算法的粒子聚集度,并将其作为函数w的变量,使w与算法的运行状态相关,从而使算法具有动态自适应性。最后,本文引入了两个经典的测试函数对该PSO算法进行测试,结果表明该算法明显优于基本PSO算法。     

粒子群算法及其在桁架结构优化设计中的应用研究

本文分析了该算法的主要参数对搜索方向的影响,并对粒子群优化算法在桁架结构优化设计中的应用进行了分析。利用粒子群优化算法与遗传算法分别对两个桁架结构优化设计算例进行求解,将两种算法的计算结果进行了对比,计算结果表明在满足相同的计算精度的前提下,粒子群优化算法的效率更高。因此,基于粒子群算法的结构优化设计是切实可行的。     

粒子群优化算法在煤电企业燃煤供应商组合选择中的优化问题研究

为了快速获得合理的燃煤供应商组合选择方案,针对煤电行业的实际情况,分析了其他方法的缺陷,建立了数学模型,并引入粒子群优化算法求解该模型,最后通过一个典型算例证明该算法的有效性.     

粒子群优化算法在煤电企业燃煤供应商组合选择中的优化问题研究

为了快速获得合理的燃煤供应商组合选择方案,针对煤电行业的实际情况,分析了其他方法的缺陷,建立了数学模型,并引入粒子群优化算法求解该模型,最后通过一个典型算例证明该算法的有效性。     

一种改进的粒子群优化算法

粒子群优化算法是由Kennedy和Eberhart[1,2]在1995年提出的一种基于群体智能的随机进化算法,是在鸟群、鱼群和人类社会行为规律的启发下提出来的。针对粒子群优化算法容易陷入局部极小的缺陷,对粒子群优化算法的速度进化公式进行改进,将粒粒子行为基于个体极值和全局极值变化为基于个体极值的加权平均、全局极值和按概率选择其它粒子的个体极值。新算法更符合生物的学习规律,使得粒子充分利用整个种群的信息,保证了群体的多样性。     

基于粒子群算法的预制构件生产调度优化应用研究

随着国家经济建设绿色化、低碳化的要求,装配式建筑也成为建筑结构体系重要的一部分。大量的建设需求使得混凝土预制构件的种类和数量持续增多,使得在预制构件的生产过程中调度越来越复杂。本文通过建立预制构件生产的约束条件,利用粒子群算法对预制构件的生产调度进行优化。通过实际案例验证预制构件生产线的任务分配,证明通过调整预制构件的生产工序可以缩短构件的生产周期,提高预制构件的生产效率。     

粒子群优化算法求解多选择背包问题

多选择背包问题是典型的NP难题,建立了多选择背包问题的数学模型,设计了一种粒子群优化算法对其进行求解。通过对其它文献中实例的仿真试验和结果对比,表明了算法对求解多选择背包问题的可行性和有效性。     

基于量子微粒群算法的车辆路径问题研究

提出一种基于量子行为的微粒群智能优化算法。使用量子角表示量子比特的状态,并引入微粒群算法中,对量子群中的各量子角进行自适应动态调整．设计一种新的编码方式,用于求解车辆路径问题,通过计算表明,该算法是解决车辆路径问题的有效方法。     

基于混合信息的粒子群优化算法

本文提出一种基于混合信息的粒子群优化算法。此算法具有充分利用种群信息,保证群体的多样性,快速收敛效果和避免陷入局部极值的能力。     

微粒群算法在现代物流系统优化中的应用

根据物流系统优化问题和微粒群优化算法的各自特点，提出了采用微粒群优化算法求解物流系统优化问题的相关策略，对微粒群优化算法在旅行商问题、车辆路径问题、配送中心选址问题、布局优化问题上的应用进行了研究。     

基于微粒群算法的配送中心选址研究

作为挖掘现代企业利润源泉的突破口,配送在物流活动中占有举足轻重的地位。多网点配送中心选址是后续物流活动开展的首要条件,对于该问题的研究具有现实意义。由于微粒群算法的普适性、鲁棒性、全局搜索性等特点,在求解复杂问题中能够较好地体现其优越性。结合运筹学中的运输规划的思想,对复杂的数学模型进行了简化,并针对问题的特点构造了求解编码机制。根据文献资料,将其中的仿真数据进行了整合,使得数据具有一定的现实意义,并用微粒群算法进行求解,得到了较好的效果。     

基于混合微粒群优化算法的配送中心选址问题求解

将微粒群优化算法和模拟退火算法结合．针对配送中心选址问题．构造了微粒表达方法。提出了此问题的一种混合微粒群优化算法。通过整数规范化。微粒群能在整数空间内对问题进行优化求解。该算法能克服基本微粒群优化算法精度较低，易发散的缺点，有较高的搜索效率。经过实验仿真，与基本微粒群优化算法、遗传算法进行比较．证明了该算法的有效性。     

基于Qpso算法的应急资源调度应用研究

以连续性消耗应急过程为背景,运用量子行为粒子群算法求解多目标的应急资源调度数学模型。考虑施救成本费用和因施救不及时造成损失的构造模型的目标函数。针对该模型的特点,设计量子粒子群算法求解方法和步骤,用数值算例验证了所建立模型的合理性及量子粒子群算法的可行性和有效性。     

自适应粒子群优化算法在车间作业调度问题中的应用

采用粒子群优化算法对该问题进行求解,为了提高算法的求解性能,针对粒子群算法特点,提出了一种自适应的惯性权值来调整算法的搜索空间和一种自适应更新策略来动态地更新粒子的位置.最后通过经典的实例对本文提出的算法进行了检验,结果表明,该改进的粒子群算法在求解车间作业调度问题是有效的.     

基于粒子群算法的土石方装运机械配备方案优化

土石方工程中,合理的制定机械配备方案将直接影响工程的进展与造价。针对该问题构造时间一费用评价函数,引入一种改进后的粒子群算法,利用该算法具有多个可行解同时寻优并能以较大概率收敛到全局最优的特性,在综合考虑时间和费用的基础上,实现了土石方装运系统的机械配备方案仿真优化,有一定的实用价值。