基于企业危机管理的信息分析

分析了信息在企业危机管理中的重要作用,探讨了企业危机信息的内涵、表现形式及其特征,提出企业通过开展危机信息管理可以更加有效地预防、化解危机。     

阻塞流测定与动态调整算法

提出了基于深度优先搜索的阻塞流测定与动态调整的算法,精确测定有向流网络中的一个可行流是否为阻塞流,若一个可行流是阻塞流,可以通过动态调整,在流量不变的情况下使之变为一个非阻塞的可行流。本算法为解决网络阻塞和平衡网络负荷提供最佳方案,具有极强的实用性。     

输电网络危机事件动态演化模型

近年来国内外电力系统中大规模相继故障的频频发生,造成了重大的经济损失和社会影响,引起了电力业界和学者对电力系统安全运营问题的高度关注,促使人们理解和分析大停电和连锁故障传播机理.基于传染病模型中SEI模型的建模思想建立非线性微分方程组,探讨输电网络中危机事件动态演化特征,利用Routh-Hurwitz理论对模型进行稳定性分析,通过系统模拟仿真进一步说明输电网络灾害蔓延机理.     

模糊路径选择模型在交通配流中的应用研究

文章与Logit模型相结合,提出了一种基于模糊路径选择的模型,让出行者在非饱和的路网结构中,根据各路段行程所需的模糊时间进行路径选择,使整个路网中各路径上用户均衡。该模型也适用于大规模路网中交通流平衡分配,算例结果验证了该模型的有效性和可行性。     

地方政府公共危机中的信息管理

本文简要地阐述了公共危机的概念、特征及信息管理在公共危机中的作用,分析了目前投国地方政府公共危机信息管理中存在的问题及其成因：并结合现代信息发展趋势,地方政府实际情况,提出了加强公共危机中信息管理的具体措施.     

危机信息:管理、效用及成本

首先分析了危机信息管理的活动内容以及活动的具体实施标准,为企业对危机信息进行管理提供了一般性恩路;然后从沟通、处理两个不同的角度探讨了危机信息的效用及其实现的过程,并指出在危机信息效用实现过程中需要注意的几个问题,危机信息活动造成企业日常支出的增加,降低这些信息成本就成为企业必须面对的问题;最后又尝试着分析了危机信息所涉及到的成本问题。     

全球化视阈中的危机信息管理经验与启示

阐述了危机信息管理的重要性及国外在此领域的较为成功的作为,提出中国的危机信息管理应在科学的信息监测基础上,整合有效的危机信息传播体系,完善信息管理制度,提高媒介的应急联动能力。     

常用动态配气方案的浅析

本文通过对目前常用的动态配气方案的原理和相关主流设备进行分析对比,总结出各自优缺点,以方便在不同工作环境和配气要求下各配气方案的更好利用和不同情况下的方案比选。     

企业危机信息管理问题和对策研究——基于合肥市企业的调查分析

企业危机管理过程本质上是一个信息收集、分析、存储、传递和利用的信息管理过程，企业只有将危机管理与信息管理紧密地结合在一起，构建起全新的危机信息管理框架，实现以信息管理来连接、支撑、引导和控制整个危机管理过程，才能更有效地预防或化解危机，甚至变危机为转机。但在目前，我国企业在开展危机信息管理时还存在许多问题。以安徽省合肥市企业为研究对象，通过抽样调查分析，了解企业危机信息管理的现状，发现企业危机信息管理存在的问题，进而提出加强和改善企业危机信息管理的对策建议。     

基于自适应变异的动态粒子群优化算法

提出了一种新的基于自适应变异的动态粒子群优化算法。该算法除了采用动态惯性权重外,还引入了自适应学习因子和新的变异算子。该算法在运行过程中,根据群体适应度方差以及当前最优解的大小来确定当前最佳粒子的变异概率,采用新的变异算子变异增强了该算法跳出局部最优解的能力。对几种典型函数的测试结果表明：新算法具有很强的全局搜索能力。收敛速度和收敛精度也有所提高,并且能有效避免早熟收敛问题。     

基于粒子群算法的企业项目群进度优化模型研究

通过层次分析法,计算出项目群中各项目相对于项目群进度优化总目标的权重,进而计算出不同单位约束资源的使用在项目重要性权重约束下,对项目群整体相对进度优化值的影响。引入粒子群算法,设计算法流程,构建约束资源分配模型,对目标模型进行求解,从而实现项目群整体进度的优化。通过算例验证粒子群算法在解决项目群进度优化管理的可行性和有效性。     

基于改进微粒群算法的网格任务调度方法

任务调度是网格计算环境中影响性能的重要因素。提出了一种新的任务调度方法,该方法先对任务执行时间进行预测,然后运用改进微粒群算法进行任务调度,达到最小化任务执行时间的要求,最终实现网格资源的优化分配。通过仿真试验对算法的有效性和性能进行了验证,并比较了与遗传算法调度方案之间的性能差异。     

基于混沌序列的粒子群算法

对标准PSO算法进行分析的基础上,针对PSO算法中的早熟收敛问题,提出了一种基于混沌序列的PSO算法（CPSO）。CPSO算法能够保证粒子种群的多样性,使粒子能够有效进行全局搜索;并以典型的基准优化问题进行了仿真实验,验证了CPSO的有效性。     

量子粒子群算法优化网络拓扑结构技术

针对传统的量子粒子算法不能满足日新月异变化的网络拓扑结构,提出了一种从领域拓扑结构角度进行改进的PSO算法。仿真实验表明,PSO-DSF算法使得粒子在保证收敛速度的同时能够提高它避免陷入局部极值问题,能够高效地优化整个网络的拓扑结构。     

粒子群算法网络异常检测技术研究

提出了一种新的基于粒子群算法入侵检测方法模型。算法采用粒子群优化算法,有效地降低网络拓扑路径长度,通过优化算法来寻找聚类的中心。实验结果表明,提出的改进算法与传统的入侵检测算法相比,具有更好的入侵识别率和检测率。     

基于粒子群算法的自适应陷波器设计

传统的基于LMS算法的自适应陷波器,由于极易受到步长及其它参数的影响,学习曲线并不理想。文章在分析步长对基于LMS算法自适应陷波器的影响的基础上,将粒子群(PSO)算法应用到自适应陷波器的设计中。通过仿真结果显示,基于PSO算法的自适应陷波器收敛速度快、具有鲁棒性,优于传统的基于LMS的自适应陷波器,从而证明其有效性、可行性及工程价值。     

基于粒子群优化算法的中小企业竞争情报搜集系统模型

以粒子群优化算法为基本理论,结合我国中小企业目前对竞争情报的迫切需求和开展竞争情报工作的困难,利用跨学科分析法和仿真实验检验法,构建一个适用于中小企业的竞争情报"粒子搜索模型".该模型充分调用各粒子"经验"寻找全局最优解,用以为我国中小企业构建低成本、高收益、易组织管理的竞争情报搜集系统模型提供参考.     

基于粒子群重采样的网络流量解卷积测度提取

网络并发式流量特征具有信号时间可预测性,通过对网络流量的解卷积测度特征提取,提高对网络流量的预测性能。传统法方法采用粒子群优化算法实现对网络流量的特征测度盲解卷积分析,对原始信号的统计信息提取效果不好。提出一种基于粒子群退化重采样的网络流量解卷积测度提取算法,构建并发式网络流量序列采集模型,设计粒子退化重采样技术,将每个粒子的当前适应度值与其自身的个体最优值进行比较,如果优于个体最优值,得到粒子当前最优位置。仿真实验表明,采用该算法,收敛速度很快,在粒子群进化50代以内就可以实现成功收敛,对流量序列的测度特征提取结果准确,预测精度较高,展示了算法的优越性能。     

粒子群算法优化BP神经网络的指纹识别技术

指纹识别技术是当今应用最广泛的生物识别技术之一。在指纹识别过程中,图像处理、特征提取、匹配等过程数据量庞大,计算比较烦琐。BP神经网络具有良好的自学习能力、强大的分类能力和容错能力,将其应用到指纹识别中是可行的。为改进BP神经网络计算速度较慢,梯度下降法不能处理一些不可微传递函数的问题,采用粒子群算法对BP算法进行优化,提高了指纹识别的速度和准确度。