从《城市微旅行》看微博自媒体营销

《城市微旅行》之所以选择电影摄影师曹郁做导演,除了他本身所具备的实力以外,另一个方面也就是影片宣传的需求。当《城市微旅行》在优酷、爱奇艺上线后,“微博女王”姚晨的微博也鼎力推荐了这部影片。作为曹郁妻子的姚晨在自己微博上宣传了曹郁导演的影片再正常不过了,看上去很普通又很合情理的微博让微博平台运营商又气又恨,但这从行业内的营销来看却是一次擦边球的商业运作。     

组合优化算法中摆脱局部极小值的几种策略

局部搜索算法是一种非常有效的求解组合优化问题的算法,它具有通用、灵活等特点。但是,由于搜索空间和目标函数的复杂性,目标函数在搜索空间中有许多局部极小值点,使算法在这些局部极小值点处被“卡住”,大大影响算法的效果。对于此问题,笔查阅了大量献资料,结合自己的研究实践,总结出几种跳出局部极小“陷井”的策略,使用这些策略,有望使算法更加完善,在求解组合优化问题过程中更能发挥其作用。     

携手同程--ctrip四位创立者

在我们认识携程的四位创立者之前,先让我们了解一下ctrip的经营理念吧. 我们说的是ctrip的经营理念,先剖析一下这5个英语字母,C:Customer以客户为中心的经营理念;T:Teamwork紧密无缝的团队机制;R:Respect一丝不苟的敬业精神;I:Integrity真实诚信的合作概念;P:Partner伙伴式的合作关系.     

旅行商问题的一种模拟退火算法求解

旅行商问题(TSP)是组合优化领域里的一个典型的、易于描述却难以处理的NP难题,其可能的路径数目与城市数目是呈指数型增长的,求解非常困难。首先介绍了旅行商问题,模拟退火算法原理及其算法实现。应用模拟退火算法对TSP进行研究,给出解决TSP的一种比较精确的算法并用Matlab实现了算法。最后用该算法对TSP进行了仿真,验证了该算法的有效性。     

改进遗传算法解决TSP问题

针对基本遗传算法收敛速度慢,易早熟等问题,提出一种改进的遗传算法。新算法利用贪婪思想产生初始种群来加快寻优速度,用贪婪思想来引导交叉操作,在交叉操作之前,把当前较差的一半种群替换成随机种群,最后用改进的变异算子和进化逆转操作进行寻优,利用新的遗传算法求解基本的旅行商问题。仿真结果表明,改进的遗传算法具有全局搜索能力强、收敛速度快的特点,优化质量和寻优效率都较好。     

分层实体制造激光头切割路径的建模与优化

分层实体制造(LOM)技术中分层制造时间是由该层的切割速度与切割路径确定的，当切割工艺参数(如：切割功率、切割速度)确定之后，每一层制造的时间是由该层切割(扫描)路径确定的。因此优化切割(扫描)路径对提高成型效率有重要意义，而分层实体制造技术中激光切割路径优化的实质是空行程路径的优化。建立了切割路径空行程路径优化的数学模型。由于求解该模型的复杂性，采用了分级规划的两个分步算法：首先用改进的最近邻域算法求解轮廓边界线上的切割起点，然后当切割点确定后把路径优化问题归结为旅行售货员问题(TSP)，采用了高效的智能仿生算法一蚁群系统算法来求解。运行结果表明，该算法显著缩短了分层制造中的空行程，提高了快速原型制造的效率。     

改进遗传模拟退火算法求解TSP

遗传算法和模拟退火算法均是解决TSP的有效方法,分析2种算法各自的优缺点,在已有遗传模拟退火算法的基础上进行改进并用于求解TSP.引用部分最近插入法、部分随机产生初始种群,减小了群体多样性与收敛速度的矛盾.在遗传算法中,使用精英保留策略对选择操作进行改进,保证种群的质量;引入进化逆转算子,使子代继承亲代的较多信息,增强搜索能力.经过国际公认的TSPLIB实验数据仿真验证,改进后的遗传模拟退火算法搜索最优能力提高.     

基于路径选择的自适应蚁群算法研究

本文提出样本空间经过K-均值聚类算法聚类加工处理后,算法通过动态地调整选择路径概率,优化TSP求解过程中解的分布均衡性,可以在加速收敛和防止早熟、停滞现象之间取得很好的平衡。这种新的算法提供了在样本空间预处理情况下,动态自适应地解决TSP问题最优解的新方法。比起普通蚁群算法,此算法对大规模数据的最优解的求解更有显著效果。     

基于拥挤度因子的动态信息素更新策略蚁群算法

针对蚁群算法易陷入局部最优、收敛速度慢的问题,文中提出了一种基于拥挤度因子的动态信息素更新策略的蚁群算法(CFACS)。引入鱼群算法中拥挤度的思想,扩大种群中蚂蚁分布范围,使其探索更大的解空间,提高算法全局搜索能力;采用动态信息素更新策略,在每一次迭代中,自适应调整当前最优路径所释放的信息素浓度,保证蚁群前期的多样性,同时保证算法在后期的收敛性。求解TSP问题的仿真实验表明,改进算法求得解的质量和求解的收敛速度都明显优于传统蚁群算法,较好地平衡了种群多样性与收敛速度之间的矛盾。     

旅行商问题的混沌混合离散蝙蝠算法

针对现有离散蝙蝠算法在求解旅行商问题时存在的收敛速度较慢、收敛率不高等问题,提出了混沌混合离散蝙蝠算法．该算法采用混沌初始化策略提高算法的寻优能力,引入2-Opt技术增强算法的局部搜索能力、加快算法的收敛速度．大量的仿真实验表明：所提出的算法在求解小规模TSP时能快速收敛到已知最优解;在求解大规模TSP时能在较短的时间内收敛到偏差0．4％以内的最优解．