基于结构元理论的模糊最大流算法研究

运用结构元理论来求解模糊弧容量网络的最大流问题.先简要介绍模糊结构元及相关定理.之后证明了模糊网络最大流的判定定理,该定理表明:求模糊网络最大流等价求一经典网络最大流.最后,通过一个例子来说明求解过程。     

带模糊约束的最大流问题

首次提出带模糊约束的最大流问题,并根据网络中的弧容量限制是否带有模糊性,分别建立数学模型,给出求解这两个模型的相应算法和有关实例。     

网络最大流算法的性能分析

对网络最大流问题的求解算法进行性能分析和比较.结果表明,与经典的增载轨算法相比,基于动态规划思想的算法将最大流的求解过程看作一个动态调整过程,通过判断在各个动态阶段各节点允许通过的最大流量,从而能更快的得到网络的最大流值.同时文中的算法分析进一步为这一算法建立了严格的理论基础.     

最佳费用流

建立赋模糊数为费用权的容量－－费用网络中,据模糊决策来求解最佳费用流的网络模型,并给出这一模型的相应算法。     

网络消费者品牌选择的模糊LOGIT模型研究

针对多项LOGIT选择模型存在解释变量难以度量的问题,本文构建了网络消费者品牌选择的模糊LOGIT模型。采用三角模糊数来描述定性变量,并利用其均值、方差及模糊隶属度将模糊LOGIT模型转化为确定性模型进行求解。本文以手机品牌为例,通过问卷获取数据并对数据进行处理,以挖掘影响网络消费者品牌选择行为的关键因素并对模型参数进行估计。研究结果表明:消费者人口统计特征、品牌属性和网络环境变量一定程度上对网络消费者品牌选择有显著影响,并利用模糊LOGIT模型预测消费者选择各品牌的概率,为制定有效的网络营销策略提供理论依据和决策支持。     

最大利润流问题及算法

最大利润流是以运输利润最大为目标的网络优化问题 .一个利润可行流可分解为若干个路流和圈流 ,相应地该可行流的利润也等于这些路流和圈流的利润之和 .本文证明了一个可行流为最大利润流的充要条件是不存在利润增广路 ,并据此提出了求解算法 .文章最后给出了一个计算实例 .     

模糊数的正向和反向表述及模糊数运算的拓展

模糊数运算的存在不可逆等问题,主要在于传统(正向)区间数严格限定所致.因此,提出了"反向区间数"的概念,利用该概念,能够给经典模糊分解定理、扩张原理新的表达形式.之后,分别以正(反)向区间为基础,分析模糊数的结构元表达形式,得到正(反)向区间对应结构元理论中单调增(减)函数.定义了反向区间数和反向区间数加、乘运算法则,利用结构元理论,证明了正、反向模糊数的加、乘运算解析表达式,得到了模糊方程解的判断定理.在保持传统运算法则不变的同时,对模糊数概念进行正(反)向的表述,并定义了二者的运算法则,这拓展了传统模糊数解的空间,进而解决模糊方程求解、不可逆等问题.通过算例看出,这两种表述在实际的计算过程中具有明显的意义.     

带有模糊容量限制的网络中的最佳最小费用最大流

本文主要讨论当网络中的弧容量限制和最大流目标要求带有模糊性时的最小费用最大流问题，通过构造带费用的增量网络并设法寻找其中的最佳最小费用路，给出了求解这类模糊网络流问题的算法。     

求解网络最大流问题的一个算法

为了便于建立与网络最大流问题有关的决策支持系统，本给出一个求解网络最大流问题的数值算法。证明了算法的理论依据，并举例说明了算法的应用。该算法能求出网络最大流和最小截，并具有易于编程实现、收敛性好等优点，大量数值实验表明该算法非常实用有效。     

分配网络的一个最小费用流算法

分配网络流广泛应用于解决水源、电力的调度及工厂的产品运输、分配、合成等问题.本文提出一个分配网络流的最小费用流算法.     

An Incremental Algorithm for the Maximum Flow Problem

An incremental algorithm may yield an enormous computational time saving to solve a network flow problem. It updates the solution to an instance of a problem for a unit change in the input. In this paper we have proposed an efficient incremental implementation of maximum flow problem after inserting an edge in the network G. The algorithm has the time complexity of O((n)² m), where n is the number of affected vertices and m is the number of edges in the network. We have also discussed the incremental algorithm for deletion of an edge in the network G.     

基于犹豫模糊相似的网络正能量推荐算法研究

论文依据网络正能量模糊性和多规则的特点,借助语言犹豫模糊集和普通犹豫模糊集建立正能量事件的评价集,针对事件属性对正能量的影响效应确定各属性的模糊熵和权重,建立犹豫模糊推荐模型。借助TOPSIS的思想,从大数据中得到正能量事件的标准值,通过事件与标准值模糊相似度的计算确定推荐阈值以得到满意的正能量事件推荐结果。     

基于粒子群的模糊神经网络的短时交通流量组合预测

为了进一步提高短时交通流量预测的精度,提出了一种粒子群算法的模糊神经网络组合预测模型,模糊神经网络融合了神经网络的学习机制和模糊系统的语言推理能力等优点,弥补各自不足,将自回归求和滑动平均(ARIMA)和灰色Verhulst模型进行初步预测,并将两种初步预测的结果作为模糊神经网络的输入,构建基于改进模神经网络的组合预测模型,在此基础上进行训练和预测,其中模糊神经网络的相关参数由改进粒子群来优化,利用本方法来对南京市汉中路短时交通流量进行预测,结论表明:方法充分发挥了单一模型的优势,比单一的预测模型更加精确,是短时交通流量预测的一个有效方法。     

求解最大利润流问题的一个算法

为了便于建立与最大利润流问题有关的决策支持系统，本给出了一个交易网络中求最大利润流的数值算法，证明了算法的理论依据，并举例了说明算法的应用。该算法能求得问题的最优解，并具有易于编程实现、收敛性好等优点，大量数值实验表明该算法非常实用有效。     

粒子群优化模糊神经网络在语音识别中的应用

针对模糊神经网络训练采用BP算法比较依赖于网络的初始条件,训练时间较长,容易陷入局部极值的缺点,利用粒子群优化算法(PSO)的全局搜索性能,将PSO用于模糊神经网络的训练过程.由于基本PSO算法存在一定的早熟收敛问题,引入一种自适应动态改变惯性因子的PSO算法,使算法具有较强的全局搜索能力.将此算法训练的模糊神经网络应用于语音识别中,结果表明,与BP算法相比,粒子群优化的模糊神经网络具有较高的收敛速度和识别率.     

基于群决策模糊聚类和模糊神经网络的建筑分包商选择研究

把建筑分包商的选择分为两个阶段,包括预选择阶段和决策选择阶段,并分别建立了两个阶段的评价准则体系.然后,基于群决策模糊聚类、群决策模糊神经网络两种模型和方法,给出了建筑分包商预选择和决策选择的具体实施步骤.最后的实证分析表明,对于建筑分包商的选择,该选择过程是实用和有效的.