乘用车物流运输计划问题的建模研究

首先针对不同类型、数量乘用车的物流运输问题,构建整数线性规划模型,并对模型进行逐层优化求解,通过MATLAB编写通用程序实现计算;在此基础之上,为解决不同目的地的运输要求,采用启发式逐层优化算法进行求解;最后考虑多因素的实际问题,建立分层划分模型,提出构造型分层划分启发式算法求解.计算表明,所建模型计算结果良好,实现了对乘用车物流运输计划问题的优化.     

云环境下面向复杂资源需求的虚拟机能效部署研究

针对云环境下在线虚拟机部署这一矢量装箱问题进行了研究,提出了多维空间划分模型和在线虚拟机能效部署算法OEEVMP。多维空间划分模型可以引导虚拟机部署,避免多维资源的不均衡利用;基于此模型,提出的OEEVMP算法在物理机运行数量局部最优和全局最优之间取得均衡,从而提高虚拟机部署能效。通过仿真实验,将OEEVMP算法与MFFD算法进行了对比,实验结果验证了所提算法的可行性和有效性。最后,对控制模型的两个参数进行了分析,给出了最佳的参数组合。     

最小最大树划分的近似算法与最小和树划分的精确算法

本文研究把连通赋权图的点集划分成p个子集,要求每个点子集的导出子图都连通,并且使得所得到的p个子图的最小支撑树中权重最大者的权重达到最小(最小最大树划分问题),或者使得所得到的p个子图的最小支撑树权重之和达到最小(最小和树划分问题)．文中给出了最小最大树划分问题的强NP困难性证明,并给出了一个多项式时间算法,该算法是最小最大树划分问题的竞争比为p的近似算法,同时是最小和树划分问题的精确算法．     

模糊聚类最优划分判定的一种新模型

针对聚类分析的模糊模式未解决的问题:模糊划分空间中模糊最优划分的判定问题,提出一个新的判定模型。给出基于新的最优划分判定模型的应用例子,验证了模型算法应用的可行性。     

周期数据时段划分的双截断高斯混合模型及其EM算法

有限混合模型是多模态数据拟合和聚类的有力工具,本文针对具有多模态的周期数据提出了双截断高斯混合糢型,并推导出相应的EM算法,再通过BIC准則确定混合成分个数,该方法的优点是可以将相邻周期上距离较近的数据聚为一类.模拟研究显示,在具体参数设置下,EM算法和BIC准则是相合的。最后,该方法应用于车流量数据的时段划分,将一天划分为具有显著特征的6个时段,有助于交通部门采取相应策略,为优化交通灯信号配时提供参考依据.     

一种基于CS-FCM算法的模糊时间序列预测模型

为了发挥模糊理论在不确定性预测中的优势并保留模糊时间序列(FTS)预测模型的可解释性,本文针对目前应用广泛的模糊C均值聚类(FCM)算法进行改进,提出了一种基于布谷鸟搜索的FCM (CS-FCM)算法.将CS-FCM算法用于模糊时间序列模型的非均匀论域划分与数据的模糊化处理,建立一种基于CS-FCM算法的模糊时间序列预测模型.该算法可实现聚类中心的全局寻优,降低传统FCM算法易陷入局部极小值带来的误差,提高模型预测精度.实证分析结果表明, CS-FCM算法的适应度优于FCM算法,本文模型的预测误差小于经典模糊时间序列预测模型,验证了新预测模型的有效性.     

基于改进目标函数聚类法的模糊最优划分判定模型

针对聚类分析的Fuzzy模式未解决的问题:模糊划分空间中模糊最优划分的判定问题,以改进的目标函数聚类法为基础,建立与定义指标集对应的模糊最优划分判定模型,求解最优划分矩阵.     

关于正则图存在平衡划分的一些结果

一个图G的划分V(G)=V1∪V2,如果满足下列条件:(1)||V1|-|V2||≤1;(2)任给u ∈V(G),当u ∈V1时,满足dG[V1](u)-dG[V2∪{u}](u)≤1;当u ∈V2时,满足dG[V2](u)-dG[V1∪{u}](u)≤1.则称V(G)=V1 ∪ V2为G的一个平衡划分.Bollobas与Scott猜想任一图都存在平衡划分.文中证明了k-正则图存在平衡划分.其中k ∈{3,n-1,n-2,n-3,n-4).对于k=3或n-4的一个特殊情形,还给出了寻找k-正则图平衡划分的算法.     

一种连续的谱聚类优化模型

聚类与图的划分问题在大数据分析中有着重要的应用.这类问题一般被描述为组合优化问题,因此较难快速求解.本文设计了一种新的连续优化模型,并提出了一种块坐标下降算法,数值实验显示我们的新方法在求解聚类与图的划分问题上很有潜力.我们还更进一步分析了我们的连续优化模型和组合优化模型的关系.     

三维装箱问题的模型与改进遗传算法

三维装箱问题是一类NP-hard的组合优化问题,构建一个适当的数学模型并设计高效快速的算法具有重要的理论和现实意义.该文将箱子空间划分为立方体单元,依此构建三维装箱问题的混合整数规划模型,并通过改进遗传算法求解,剔除大量不可行解提高了收敛速度.实验结果表明此算法运算过程及结果稳定,具有较强的实际应用价值,能有效解决复杂的三维装箱问题.