基于改进的加权贝叶斯分类算法在空间数据中的应用

朴素贝叶斯算法是一种简单而高效的分类算法,但它的属性独立性假设,影响了它的分类性能。针对这个问题,提出一种基于属性约简的PLS加权朴素贝叶斯分类算法。该算法首先分析属性之间的相关性,通过属性约简选择一组近似独立的属性约简子集,提出改进的偏最小二乘回归加权朴素贝叶斯分类算法,实验结果表明,改进算法具有较高的分类准确度。并将改进的算法应用于边坡识别问题中。     

基于SP的模拟退火算法在装箱问题中的应用

在传统模拟退火算法的基础上,对装箱问题的优化算法进行了研究。结合装箱问题的具体特点,采用SP序列对来描述模块间的拓扑关系,并通过精细的模拟退火策略(精细的降温策略,提前退出策略),以及增量式的新解评估策略对算法进行优化。试验结果表明,相比传统的模拟退火框架,改进的算法能够取得较好的运行时间与面积利用率。     

FP-Growth算法在电子商务中的应用

针对电子商务推荐销售的需求和FP-Growth算法不产生候选集的特性,提出利用FP-Growth算法,运用VC++程序开发工具,对某一电商卖家的数据进行频繁项集挖掘,针对挖掘得到的频繁K项集,指导卖家如何组合商品销售。试验结果表明利用FP-Growth算法在电商组合销售中是有效的。     

卷烟厂制丝车间自动排产问题研究

以卷烟厂为研究背景,对制丝车间生产特点和排产需求进行分析,提出了基于规则的启发式算法,以解决卷烟厂制丝车间排产问题。以生产均衡为目标,构建以工段为整体的倒序排产的制丝车间排产算法,并将该算法应用于某卷烟厂。经实际数据验证,该算法可很好地满足制丝排产的需求。     

模拟退火算法在实验预约系统中的应用

实验预约系统的核心任务是生成实验教学课表,课表的生成是一个典型的组合优化问题,模拟退火算法是解决此类问题的优秀算法之一。本文主要研究了模拟退火算法的原理与特性,并将其应用于实验教学预约系统的排课模块中,更好地提高排课效率,改善排课效果。     

电子商务下现代物流企业配送系统优化研究

根据电子商务环境下物流配送系统的特点,建立了带时间窗的车辆优化调度问题的数学模型。设计了一种混合遗传算法,在求解的过程中加入了模拟退火操作,对每一代中的每个个体进行邻域搜索并依据模拟退火中的接受概率选择邻域个体,然后再进行选择、交叉、变异等遗传操作,以此来克服遗传算法早熟收敛的缺陷。用此混合遗传算法对模型进行求解,通过仿真实例计算,并与遗传算法比较,取得了满意的结果。     

动态自适应混合智能算法在VRP问题中的应用

货物配置和车辆路径安排是个典型的NP难题。文中在建立VRP问题数学模型的基础上,构造了求解该问题的混合智能算法。在如何确定车辆数的问题上提出一种新的算法思路——动态自适应确定车辆数;同时文中提出了一种新的编码思维,将车辆信息引入染色体中;在遗传算法终止后,利用模拟退火对每一辆车的路线分别进行优化。最后,对具体案例进行仿真实验,证明了文中算法是有效的。     

客户关系管理中的混合数据聚类应用研究

聚类分析是客户关系管理（CRM）中非常重要的工具之一．提出一种新的算法，k-centers，通过重新定义相似度衡量和聚类中心更新方法，能够有效处理混合类型的CRM数据。以解决经典算法比如k-means等只适用于数值类型数据的不足，实验分析说明k-tenters算法能够准确把握不同类型客户的特征，为个性化的市场营销提供有力支持。     

双层规划模型在供应链选址中的应用

建立了基于竞争的物流中心选址双层规划模型,设计了模型求解的遗传算法,将配送中心选址涉及到的两个具有明显不同目标的决策者——选址规划者和客户联系起来考虑,并将配送中心建成后遇到的竞争问题也纳入其中,使配送中心选址问题的量化模型更具有实际意义和指导作用。     

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。     

How effective are heuristic solutions for electricity planning in developing countries

Heuristic algorithms have been widely used to provide computationally feasible means of exploring the cost effective balance between grid versus off grid sources for universal electrification in developing countries. By definition in such algorithms however, global optimality is not guaranteed. We present a computationally intensive but globally optimal mixed integer non-linear programming (MINLP) model for electricity planning and use it in a Monte Carlo simulation procedure to test the relative performance of a widely used heuristic algorithm due to [28]. We show that the overall difference in cost is typically small suggesting that the heuristic algorithm is generally cost effective in many situations. However we find that the relative performance of the heuristic algorithm deteriorates with increasing degree of spatial dispersion of unelectrified settlements, as well as increasing spatial remoteness of the settlements from the grid network, suggesting that the effectiveness of the heuristic algorithm is context specific. Further, we find that allocation of off grid sources in the heuristic algorithm solution is often significantly greater than in the MINLP model suggesting that heuristic methods can overstate the role of off-grid solutions in certain situations.     

MPLS网络负载均衡的聚类算法研究

在分析了常用的几种QoS保障的算法基础上,给出了负载均衡模型,提出应用数据挖掘中的聚类算法求解MPLS网络负载均衡问题。该算法融入权重信息有效地提高了搜索效率。仿真结果证明算法是有效的,显著改善了传统MPLS网络负载均衡路由算法易于导致的网络流量分布不均衡的状况。     

面向对象的编程方式在网络神经元算法中的应用

网络神经元算法是一个建立非线性模型的算法,在自动化控制领域得到了较高的评价。但同时应用起来较为困难的算法。在建立一个实际的自动化控制模型时,必须根据控制对象采用合适的网络及合适训练方法,因此在研发过程中需要不断的调整程序和算法。在这个繁琐的过程中,一个好的设计和编程方法是非常重要的。该文章通过一个实践中网络神经元算法开发过程的案例,对比采用面向对象方法编程的过程,分析了这种编程方式的得失。     

基于量子粒子群算法求解供应链集成计划问题

随着全球化竞争的加剧和客户要求的不断提高、传统的生产管理方式使企业无法应对激烈竞争的挑战。量子粒子群算法是将量子计算理论和基本粒子群算法相结合的一种崭新的优化算法。将量子粒子群算法用于求解生产、采购集成决策问题。仿真结果证明了量子粒子群算法在供应链集成决策问题上的可行性、有效性和优越性。     

Location-allocation problem for intra-transportation system in a big company by using meta-heuristic algorithm

This paper presents the location-allocation problem of parking facilities in Mobarakeh Steel Company. The aim is to find the optimal location for the parking facilities and allocate travels between departments to each parking facility. To optimize the cost and facing the transportation demands of all departments, a mathematical model is designed and solved by a commercial software package. Also, the number of vehicles allocated to each parking facility is determined. A hybrid meta-heuristic algorithm combining a genetic algorithm with parallel simulated annealing is developed which can be used even in more complicated structure of the problem. The results show that this hybrid algorithm is highly efficient in solving this kind of problems.     

决策树分类算法ID3的应用研究

数据挖掘中的ID3算法是决策树中的重要算法,它适合于从海量信息中获取有益信息。通过一个实例对ID3算法进行了详细的分析论述,并将ID3算法应用于高校教学评价中。实验证明,ID3算法在高校教学改革中有重要的辅助指导作用．     

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。     

遗传算法在物流配送网点选址中的优势与实现

研究了遗传算法在物流系统配送网点的选址问题中的优势,并依据物流系统配送网点选址的实际情况给出了基于遗传算法的物流系统配送网点选址的具体实现过程和算例。     

Robust multivariate analysis for mixed-type data: Novel algorithm and its practical application in socio-economic research

We propose a novel method and algorithm for the analysis and clustering of mixed-type data using a hierarchical approach based on Forward Search. In our procedure, the identification of groups is based on the identification of similar trajectories and then linked to very intuitive two-dimensional maps. The proposed algorithm can use different measures for the calculation of distance in the case of mixed-type data, such as Gower’s metric and Related metric scaling. A key feature of our algorithm is its ability to discard redundant information from a given set of variables. The practical usefulness of the algorithm is illustrated through two applications of high relevance for empirical economic research. The first one focuses on comparing different indicators of environmental policy stringency in different countries. The second one applies our procedure to identify clusters of countries based on information regarding their institutional characteristics.     

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。