交通分配模型的仿射尺度内点解法

将路段无容董限制和路段有容量限制两类问题统一为形式一致的非线性规划问题，通过改进后的仿射尺度算法求解，给出了算法的实现过程，并通过一个实际交通分配问题算例，证明了算法是有效的、可行的，为解决平衡交通分配问题提供了简捷的求解方法。     

求解投资组合模型的遗传算法

针对投资组合模型的特点，研究了遗传算法的编码、算子和算子参数，设计出了一个能够求解投资组合模型的遗传算法．实证分析表明，在求解复杂的投资组合模型时，遗传算法的实算结果要优于梯度算法的实算结果．     

基于单亲遗传算法的集装箱码头岸桥作业调度

分析了单船装卸作业的岸桥调度问题,以船舶作业时间和岸桥闲置时间最短为目标函数,建立了面向单船的集装箱码头岸桥调度和装卸船任务分配问题的多目标混合整数规划优化模型。设计了一种基于矩阵编码的单亲遗传算法进行求解,将实验算例与相关文献进行比较,结果显示本研究提出的算法能得到更优解。     

考虑货物冲突关系的二维装箱问题研究

货物冲突及其处理方式直接影响货箱消耗量和货物装载成效, 通过构建冲突矩阵和“冲突货物不能放置同一货箱内”处理方式, 同时考虑负载安全因素, 建立了考虑货物冲突关系的二维装箱优化模型. 设计了改进的模拟退火算法, 其运用贪心算法对货物冲突预处理, 确保初始装箱序列为可行解; 提出了兼顾当前温度和适应度影响的动态随机扰动率 方程, 增强了邻域解的搜索能力, 改善了算法整体性能. 算例分析表明模型和算法有效. 120种货物冲突稀疏度[0.1,0.9]情景下, 货箱面积利用率均值为[0.342,0.732], 降低了装载单元使用数量, 提高了资源利用率. 不同样本量情景下, 改进算法的求解质量和运行效率表现良好.     

求解自融资投资组合模型的量子行为的粒子群优化算法

为有效求解自融资投资组合模型,基于粒子群优化(particle swarm optimization,PSO)算法,提出了一种改进的量子行为的粒子群优化算法(LDQPSO)。在算法的设计中,借助Levy飞行策略对粒子位置的迭代公式进行更新,用于提高算法的局部收敛精度和全局探索能力;针对迭代后期的早熟问题,引入了多样性的判定和增强的操作。算法性能测试结果表明,LDQPSO算法在收敛精度和鲁棒性上比已有的3种PSO改进算法有更好的表现。应用改进算法对自融资投资组合模型进行了求解。与传统的遗传算法、差分进化、粒子群优化算法和量子行为的粒子群优化算法相比,LDQPSO算法在实际应用中拥有更好的寻优能力。     

一个新的交通网络平衡设计模型及其算法

针对城市道路网络改造问题中，待改造道路和拟添加道路均具有等级选择的特点，提出了一种更加符合实际的新的网络平衡设计二层规划模型，设计了粒子群求解算法，并给出了一个简单的算例，实际算例表明该算法具有计算简单，收敛速度快的特点．     

基于自适应相位匹配量子计算的求核算法

在经典计算环境下,粗糙集的核属性求解只能逐个验证属性,而量子计算则提供了一种并行计算的可能。经分析,量子计算中的Grover算法适用于粗糙集的核属性求解,但经典Grover算法及Grover算法的一些变体都不能总以100%的概率获得目标分量。该研究首先提出一种将固定相位角度改为由目标分量占比决定的自适应匹配相位角度的改进策略;然后将改进策略应用于粗糙集的核属性求解,提出了一种基于自适应相位匹配量子计算的求核算法。通过理论证明和仿真实验,该算法总能以100%的概率得到粗糙集的核属性,其效率相较于传统求核算法有着平方根的加速。     

供应链协同生产作业调度优化研究

提出工序制造单元的概念,以供应商最小化加工流程时间为目标,建立了供应链协同生产作业调度模型,并运用双层编码遗传算法对模型进行了求解,最后通过算例仿真计算表明：提出的模型和算法可以获得满意解．通过对供应商生产作业调度的分析,调度结果既可以指导供应商合理的安排生产,同时可以作为核心制造商分配订单的参考依据．     

基于复合成本的集装箱码头泊位-岸桥联合调度优化方法

针对集装箱码头泊位与岸桥调度中的资源和成本问题,考虑不确定因素的影响,采用增添缓冲时间方式,以复合成本最低为目标建立泊位岸桥联合调度优化模型,设计改进的遗传算法对模型进行求解.在案例数据分析中,比较了港口和船公司在不同成本比率下的调度结果,验证了该方法能在保证客户满意度的同时不损害码头利益,对港口生产操作决策具有一定参考价值.     

双曲型方程激波捕捉的物理信息神经网络（PINN）算法

双曲型方程的数值求解算法研究一直是偏微分方程研究的热点,其中,双曲型方程的间断捕捉是难点。受物理信息神经网络（physics-informed neural networks,PINN）启发,构造了改进的PINN算法,近似求解双曲型方程的间断问题。将坐标构造的数据集作为神经网络的输入,将PINN算法中的损失函数作为训练输出值与参考解（基于细网格的熵相容格式数据）或准确解的误差值,通过网络优化,最小化损失函数,得到最优网络参数。最后用数值算例验证了算法的可行性,数值结果表明,本文算法能捕捉激波,分辨率高,且未产生伪振荡。     

基于Storm的城市智能交通规划方法

为了缓解城市交通拥堵,提高城市道路利用率,增强路径规划的实时性,提出基于Storm的城市智能交通规划方法。该方法在Storm框架的基础上,设计了城市实时动态路径规划模型(UR-MODE),将用户选择的静态目标和实时路况的动态目标相结合,实现城市交通路径的智能规划;针对城市交通数据实时性较强的特点,利用用户偏好值动态选择最优粒子,并结合自适应惯性权重策略和小规模扰动策略,提出改进的自适应粒子群优化(adaptive partner-particle swarm optimization,APPSO)算法,保证模型的高效求解;结合开源实时处理系统Storm,实现了海量实时交通数据处理。仿真实验结果表明,相较于现有路径规划算法,本文方法收敛速度更快、稳定性更强,能减少17%的车辆平均行驶时间,道路资源利用率平均提高58%,大大缓解了城市交通拥堵问题。     

基于l_p正则化图像去模糊的快速广义迭代收缩算法

将图像去模糊问题转化为求解l_p正则化的非凸优化问题,提出了一种求解l_p正则化问题的快速广义迭代收缩算法(FGISA,fast generalized iterative shrinkage thresholding algorithm).该算法通过对广义迭代收缩算法(GISA,generalized iterative shrinkage thresholding algorithm)的梯度项添加一个加权矩阵,并结合Nesterov梯度加速方法达到加快算法收敛速度的目的.由于加权矩阵仅仅与模糊矩阵有关,并且不随迭代过程变化,因此,与GISA相比FGISA并不增加算法的计算复杂度.文章给出了算法收敛性的理论分析.实验结果表明FGISA算法在收敛速度和图像恢复效果方面对GISA算法均有较大的改进.     

生物地理学优化算法中基于Zoutendijk可行方向法的变异算子设计

根据约束优化问题的全局收敛性要求,基于传统优化与智能优化,设计了一种基于Zoutendijk可行方向法的新型变异算子,并将其应用于生物地理学优化算法,构建了一种用混合优化算法求解优化问题的方法.通过算子设计策略的理论验证、智能算法的收敛性分析及6个不同类型算例的仿真试验,证明此自适应求解优化问题机制具有实效性.     

一类椭圆型变分不等式的修正代数多重网格解法及并行计算

提出了一种修正的代数多重网格解法,来求解具有对称二阶椭圆算子的变分不等式的有限元离散问题.该方法基于离散椭圆型变分不等方程的线性互补性,运用积极集策略,对Gauss-Sidel光滑迭代后的近似解进行一个后处理,以满足不等式约束,从而解决了标准代数多重网格法在求解自适应网格上的变分不等式时不收敛的问题.数值实验表明了该算法在一致网格和h-自适应网格上的计算有效性和健壮性.为了减少计算时间,根据该修正算法内在的并行度,提出了一个并行计算格式,数值结果给出了该并行的加速比和效率.     

面向中小企业集群的非满载车辆调度问题研究

基于中小企业集群的特点,给出最少配送车辆数的计算模型,从最少配送车辆数、最短距离、各路线里程平衡和时间窗等方面对集送一体化车辆调度问题建立模型,用改进的模拟退火算法求解该调度模型.通过仿真实例验证了该算法的可行性,且符合实时性的要求.     

改进的K最短路径算法在通信网络中的应用

经典的K最短路径算法是最短路径算法中一个重要分支,它在交通网络的实时路径选择中起到了很重要的作用,为了将经典的K最短路径算法应用于通信网络中,我们对经典的K最短路径算法进行了改进.在求解K最大期望容量路径算法时,先对其进行权重转换,然后使用MPS算法;在求解K最大容量路径算法时,选取每个弧段源点,终点和弧段对应3个容量值最大的来进行标号;在求解K最大期望容量路径时,建立一系列的子网络,在每个子网络中先求出K最大可靠路径,对其容量进行排序,选出最小的,将大于该最小容量的所有弧集构成的网络定义为它的子网络,以此类推直到源点到目标点没有路径为止,对每个子网络中选取的K最大期望容量路径进行统一排序得到原网络中的K最大期望路径.通过网络通信实例,验证了算法的正确性和可行性.     

高斯骨架差分进化算法与回声状态网络的结合应用

针对回声状态网络(ESN)对于不同时间序列的学习上无法有效地确定储备池参数的问题,提出一种新型预测模型。利用改进的高斯骨架差分进化算法(DE)来优化回声状态网络。在DE算法中引入了变异策略选择因子,并将选择因子随个体共同参与进化,使每个个体执行当前最适合的变异策略。改善了原始DE算法进化过程中的盲目性,同时选择因子的动态自适应特性保持了骨架算法近似无参数的优点,最后为避免算法早熟加入停滞扰动策略改善算法的寻优性能。为验证模型的有效性,对Mackey-Glass时间序列、赣州月平均气温数据集进行仿真实验。由实验结果可知,该模型可以提高时间序列的预测精度,且具有良好的泛化能力及实际应用价值。     

基于library-free映射的电路面积快速优化算法

针对library-free映射过程中常用的动态规划算法在求解大电路时覆盖时间过长的问题,提出了一种将动态规划与遗传算法相结合的混合优化算法,用于平衡求解速度和求解质量,并利用“与/或/非”图和逻辑努力实现基于MOS晶体管的电路的面积估算.MCNC电路的测试结果显示,相较于动态规划,混合算法求得的最优解在面积平均增加不到1%的情况下,求解时间可节省35%以上.     

求解广义鞍点问题的SOR类型迭代算法

研究一类广义鞍点问题的数值求解方法。基于矩阵的SOR型分裂,给出了求解广义鞍点问题的一个数值求解算法,同时研究了新算法的收敛性。最后,给出了几个数值算例,数值实验结果显示出新方法比现有的PIU算法更有效。     

并行Adaboost-BP算法及其在海量图像分类中的应用

为解决基于单节点架构的传统分类算法存在的时间效率差、分类准确率低等问题,提出了一种基于并行Adaboost-BP神经网络的海量图像分类方法.将BP神经网络作为弱分类器,由Adaboost算法组合15个BP神经网络的输出,构建了强分类器;充分利用了Hadoop平台下Map Reduce并行编程模型,提出了海量图像的自动分类模型,设计了并行Adaboost-BP神经网络算法的Map和Reduce任务.多组实验表明,相对于传统的AdaboostBP神经网络算法,提出的算法在Pascal VOC2007数据集和Caltech256数据集上的平均分类准确率分别提高了14.5%和26.0%,而且算法运行耗时少,系统加速比随集群节点个数增加而增加,在图像规模增加到20 000时,加速比几乎呈线性增长趋势.实验结果充分证明,提出的方法适合海量图像的自动分类和预测.