基于改进粒子群算法的学习路径优化方法

提出一种改进粒子群算法求解在线学习系统中的学习路径优化问题.在建模时综合考虑了学习者的学习目标、知识掌握水平、学习成本和资源相关度等因素;在寻优时采用局部邻域搜索与禁忌搜索相结合的方式,以改进标准粒子群方法的寻优性能.实验结果表明,该方法具有较高的实用性和准确性,是学习路径优化问题的一种有效求解算法.     

旅行商问题的交叉粒子群优化算法

本文将粒子群优化算法(PSO)应用于求解旅行商问题(TSP),结合遗传算法的交叉算子,建立了求解此问题的交叉粒子群优化算法,数值模拟结果表明了该算法的有效性.     

超越方程的优化解法

针对粒子群算法局部搜索能力差,后期收敛速度慢等缺点,提出了一种改进的粒子群算法,该算法是在粒子群算法后期加入拟牛顿方法,充分发挥了粒子群算法的全局搜索性和拟牛顿法的局部精细搜索性,从而克服了粒子群算法的不足,把超越方程转化为函数优化的问题,利用该算法求解,数值实验结果表明,算法有较高的收敛速度和求解精度。     

改进的二进制粒子群算法求解车辆路径问题

设计了一种改进的二进制粒子群优化算法来求解车辆路径问题,算法基于粒子群算法的寻优模式充分考虑粒子之间的导向作用,改进二进制粒子群算法的位取值方式,减小了在进化过程中停滞于局部最优解的概率,并通过构造辅助函数处理优化问题的约束条件,基于分层次实现多个目标的思路来寻优,提高了算法的搜索效率和计算速度.实验测试结果验证了该算法对求解车辆路径问题的适用性和有效性.     

非线性约束优化问题的混合粒子群算法

把处理约束条件的一个外点方法和改进的粒子群优化算法相结合,提出了一种求解非线性约束优化问题的混合粒子群优化算法.该方法兼顾了粒子群优化和外点法的优点,对算法迭代过程中出现不可行粒子,利用外点法处理后产生可行粒子.数值实验表明了提出的新算法具有有效性、通用性和稳健性.     

求解旅行商问题的基于类Kruskal的混合粒子群算法

本文针对求解旅行商问题的标准粒子群算法所存在的早熟和低效的问题,提出一种基于Greedy Heuristic的初始解与粒子群相结合的混合粒子群算法(SKHPSO)。该算法通过本文给出的类Kruskal算法作为Greedy Heuristic的具体实现手段,产生一个较优的初始可行解,作为粒子群中的一员,然后再用改进的混合粒子群算法进行启发式搜索。SKHPSO的局部搜索借鉴了Lin-Kernighan邻域搜索,而全局搜索结合了遗传算法中的交叉及置换操作。应用该算法对TSPLIB中的典型算例进行了算法测试分析,结果表明:SKHPSO可明显提高求解的质量和效率。     

基于改进的粒子群算法求解供应链网络均衡问题

传统的供应链求解方法为投影法,针对其要对投影进行计算,十分复杂的缺点,提出用改进的粒子群算法求解供应链均衡问题,利用动态异步调整学习因子来有效的提高了算法搜索能力与精度。本文介绍了供应链网络均衡问题转变为无约束优化问题的方法,然后用改进的粒子群优化算法进行求解。通过四个数值算例,将实验结果与标准粒子群算法、蜂群算法、学习因子同步变化的粒子群算法进行比较,验证了改进的粒子群优化算法在解决供应链网络均衡问题中的有效性与优越性,为供应链网络求解提供了一种新的方法。     

基于遗传算子粒子群算法的拖轮动态调度

随着中国港口的发展,进出港口的船舶日益增多,使用拖轮的艘次逐渐增加.而当前极大部分港口所采用的基于人工经验的拖轮调度方案已难以保证船舶的顺利进出港口.如何根据复杂多变的进出港情况来制定合理的拖轮调度方案,已成为当前众多港口迫切需要解决的问题之一.通过分析港口拖轮作业过程与特点,建立了拖轮动态调度的数学模型,采用了基于动态遗传算子的改进粒子群优化算法对该模型进行求解.案例分析表明该拖轮动态调度模型是有效的.通过和传统粒子群算法对比分析,基于遗传算子的粒子群算法不仅在收敛速度上有明显的提高,而且求得的解更优.为港口拖轮动态调度的科学决策提供了依据.     

多层防御模式下武器目标分配决策的群体智能优化算法

武器目标分配(WTA)是军事运筹学中经典的NP完全问题,迄今为止未找到求精确解的多项式时间算法.针对武器数量、布防空间、运行维护成本以及人力资源等多约束下的多层防御WTA问题,采用粒子群优化(PSO)和蚁群优化(ACO)两种群体智能算法求解.给出了PSO和ACO算法实现方案,通过一个算例评估两个算法的性能.结果表明,两种算法都能给出高质量的近似最优解,对求解WTA问题是有效的.PSO在解的质量、算法鲁棒性和计算效率方面均优于ACO.     

基于乌鸦喝水的元启发式优化算法

启发式优化算法已成为求解复杂优化问题的一种有效方法,可用于解决传统的优化方法难以求解的问题.受乌鸦喝水寓言故事启发,提出一种新型元启发式优化算法—乌鸦喝水算法,首先建立了乌鸦喝水算法数学模型;其次,给出实现该算法的详细步骤;最后,将该算法用于基准函数优化,并将该算法与乌鸦搜索算法、粒子群优化算法、多元宇宙优化算法、花授粉算法、布谷鸟算法等群智能算法进行了比较.仿真实验结果表明,乌鸦喝水算法优于其他算法.     

More on cancellative semigroups on manifolds

Communicated by D.R.Brown     

Remarks on continuum cardinals on Boolean algebras

We give some results concerning various generalized continuum cardinals. The results answer some natural questions which have arisen in preparing a new edition of 5 . To make the paper self‐contained we define all of the cardinal functions that enter into the theorems here. There are many problems concerning these new functions, and we formulate some of the more important ones.     

基于学习—遗忘效应的生产率降低损失索赔研究

建设工程项目很多具有重复性施工的特点,本文利用这种特点将学习-遗忘效应应用到平衡作业线(LOB)方法中,分析因为工程中断造成生产率的降低的现象,认为因生产率降低而导致工程工期的延长实际上超过工程实际中断的时间,最后以一个工程案例来说明分析过程.     

Remark on the weierstrass points on curves

We give a treatment of the Weiertrass points of curves which is a little different from the treatment by Laksov. We introduce the notion of theith weight which makes the treatment easier and gives an algorithm for computing the gap sequence of an effective divisor and the weight at a point. Supported in part by NNSF of China.     

Remarks on normal operators on Banach spaces

Rendiconti del Circolo Matematico di Palermo Series 2 - A closed densely defined operatorT on a Banach spaceX is called normal, iff $$T \in [C^0 (\hat \not C)]$$ , i.e. there is a homomorphism...     

A note on pseudo-metrics on the plane

Every c-finite measure Μ on the set G of the lines on the plane such that $$(0){\text{ }}\mu {\text{(\{ g}} \in G:{\text{ }}P \in {\text{g\} ) = 0}}$$ for every point P?R ² generates a pseudo-metric F on the plane when one puts F P ₁, P ₂= \(\tfrac{1}{2}\) μ({g∈G:g separates the points P ₁ and P ₂}) The pseudo-metrics which are generated in this way possess the property of linear additivity, that is F(P ₁,P ₃)=F(P ₁,P ₂)+F(P ₂,P ₃) for P ₁,P ₂,P ₃ on a line, P ₂ between P ₁ and P ₃, and are continuous with respect to the Euclidean topology in R ² × R ². In this paper we prove the converse: every linear additive and continuous pseudo-metric F is generated as above by some c-finite measure Μ on G for which (0) holds. The method of proof shows that values of linearly additive and continuous pseudo-metric F inside every bounded convex polygon C are determined completely by the values of F on (δC)². The representation of pseudo-metrics by measures is useful in derivation of inequalities for the former.