基于两阶段法的多车型卷烟配送路径优化研究

在烟草商业企业中,物流是其重要的环节,是连接客户与烟草企业间的纽带,其卷烟配送线路设计的合理与否直接影响到卷烟的配送效率和配送成本,就如何合理的规划线路成为卷烟配送的关键问题。文章以Q烟草公司为例,运用先分组后路线的两阶段法对问题进行求解,先利用K-means聚类算法对区域进行划分,再考虑工作量均衡的条件下引入遗传算法对区域进一步调整,最后利用混合遗传算法对各配送区域进行线路优化,通过实例从线路数、车辆数、空载率、配送里程及总成本等指标上可以看出两阶段法的配送效果更优。     

我国二氧化碳减排潜力研究

能源效率是影响碳排放的主要因素。本文选取了同行业不同地区的能源效率为自变量,以某行业最优能源效率地区的值为参照值,测算了我国2009年的行业二氧化碳减排潜力,结果发现：在我国现有的生产力水平下,各省市以行业能源效率最优省市的生产方式、能源结构和管理模型进行改进,完全有能力实现2020年单位 GDP二氧化碳减排40％-45％的减排承诺;但由于各省市地理条件、人文环境等的差异性,各省市的能源效率存在差异。总体上,我国尚处于弱退耦状态,说明我国的节能减排工作取得了一定的效果,但仍需要加大力度,巩固减排成果。     

基于内容查询的图像数据多层模型和快速检索研究

基于内容的图像搜索是目前搜索领域的研究热点,取得了较大的成果,在实际的开发中对于图像的数据库存储和检索的要求较高。本文通过对图像特征的研究,采用了面向对象的多层数据模型,并分析了索引空间中的多维索引降维、向量空间、度量空间等方法,引出了基于预分类和预计算相似度、树索引和二分快速检索图像数据的方法。接着通过分析其工作流程,从数据模型和检索方法上进行了论述,构造了基于内容的图像检索的工作架构。本文总结了此方案的创新点和适用范围,从而在理论证明了它的优秀的检索性能。最终提出了采用此方案进行基于内容的图像查询的可行途径。     

中国巨型区格局

市场一体化引发生产要素的空间聚集与集中,为我国实施扩大内需战略、保持经济长期较快增长提供了十分难得的机遇.依据我国市场一体化进程确定我国未来可能出现的大规模空间聚集与集中的区域.以城市间平均交通距离300km为标准,利用基于平均距离的空间网络聚类方法和城市消费市场数据,确定我国未来可能出现的10个规模比城市群更大的巨型区.这些巨型区是我国一体化程度和竞争力最强的地区,是我国扩大内需最有潜力的地区.建议我国实施面向2030年巨型区发展战略,优化和调整我国的城市化格局.     

基于聚类算法的电子商务信息集成研究

随着我国电子商务发展的不断深入,这种新型的商业模式提高了对互联网情报信息搜索量和质的要求;元搜索引擎技术的不断进步使信息检索量有了很大的提高,但检索响应时间和检索准确度成为制约该技术在电子商务领域应用的瓶颈;本文通过基于传统的k-means聚类算法,优化了其类别选择机制获得了信息检索的高准确度和快速响应;实证结果表明,优化的k-means聚类算法具有较高的聚类质量和算法弹性,是元搜索引擎技术的有利补充。     

系统聚类法及其应用研究

本论文在研究各类系统聚类法的基础上,并运用在实例中说明其方法在具体问题中的应用。即通过最短距离法、最长距离法、中间距离法、类平均法、重心法、离差平法和法等方法对新疆各地州生产总值进行分类,分析并找出分类质量最好的分类结果,提出其方法所体现的优缺点,以及在运用各类系统聚类算法时会存在的弊端等,再对最终研究结果依据相关领域实际情况进行解析,进而提出进一步提高各地州经济发展的对策建议。     

水文学中的模糊聚类问题的讨论与研究

对模糊聚类分析的产生,发展概况进行说明,简要介绍了进行模糊聚类分析的一般方法,以及目标函数法的基本过程,同时也对水文学中模糊聚类研究可能遇到的问题进行探讨。     

我国省级区域CO2排放配额估算及低碳经济模式研究

本文通过对我国30个省（市、自治区）在1990—2020年的实际CO2排放量与基于人均累积法应该得到的配额量情况进行对比研究,得出我国在2011—2020年各地区的CO2排放空间,同时将这些地区进行层次聚类划分,在排放空间的约束下,上海、北京、天津等省份剩空间不多,重庆、江苏、浙江、广东等省市需要零速增长或实现负增长,安徽、河南、贵州等省份可以按照目前的速度增长,针对不同的区域提出了实现低碳经济目标的研究策略及实现难易度。     

基于复杂网络的循环经济系统产业链分析

以复杂网络理论为基础,对循环经济系统产业链结构进行了复杂性分析,同时建立了循环经济系统产业链复杂网络评价模型,并对山西省两个不同的循环经济系统的产业链进行了实证研究,即西山煤电集团的古交循环经济园区和同煤集团的塔山循环经济园区。     

一种基于自适应相似矩阵的谱聚类算法

为了消除在构建谱聚类算法的相似矩阵时,高斯核函数中尺度参数的波动影响,构建了一种自适应相似矩阵,并应用到谱聚类算法中。自适应相似矩阵中数据点间的距离度量采用测地距离算法,相距较近的两点间的距离近似于欧氏距离,相距较远的两点则先根据欧氏距离得到每个数据点的k个近邻点,然后累加近邻点的测地距离,由此得到每对数据点间的最短距离。两点间的局部密度用共享近邻的定义来表示,更好地刻画了数据集的本征结构。在5个人工数据集和国际通用UCI数据库中的5个真实数据集上进行实验。实验结果表明,所提算法的聚类准确率高于对比算法的准确率,对复杂分布数据有很强的自适应能力。研究成果为数据挖掘及机器学习提供了思路和方法。