全渠道零售场景下配送车辆路径问题

为研究全渠道零售的配送系统对企业物流成本的影响,综合考虑时间窗、车型选择等因素,以运输成本最低为目标,建立高度协同的全渠道零售场景下的物流配送模型。该模型采用自适应遗传算法求解,利用MATLAB进行算例分析。结果显示:全渠道零售模式下的车辆调度方案能迅速响应消费者需求,与一般配送模式相比可以减少物流成本,优化车辆配置。与粒子群优化算法相比,自适应遗传算法的运行时间更短、优化结果更好,这验证了模型和算法的可行性和有效性。     

基于DE-SVM的船舶航迹预测模型

为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。     

基于单链接聚类过滤法的均值方差模型

为了消除由于估计收益率数据的时间序列的有限性而导致马克威茨均值-方差模型的统计不确定性,采用基于单链接聚类过滤法的均值-方差修正模型.选取上证50成分股2004~2007年的日数据,对修正前后的模型进行了实证对比分析发现:(1)修正后模型投资组合的可靠性系数比修正前模型的平均低0.067;(2)修正后模型投资组合估计风险和预测风险分别比修正前模型投资组合平均低0.096和3.329;(3)修正前模型投资组合的有效大小比修正后模型投资组合小0.0321,表明其风险分散程度更低.这在某种程度上表明:修正后模型要优于修正前模型的投资组合.     

基于关联规则挖掘的食品安全信息预警模型

针对食品生产加工的安全问题,建立了基于关联规则挖掘的食品安全信息预警模型,此模型从数据挖掘视角以食品生产加工的检测数据为处理对象,分析数据异常情况,采用改进的关联规则挖掘APTPPA算法,生成关联路径树、寻找频繁项集、最大频繁项和最大关联规则,进而抽取报警关联规则,挖掘导致食品安全问题的因素并进行诊断和预警,最后通过实验验证了预警挖掘模型的正确性和算法的有效性。     

一种新的定压边界处理方法

依据SIMPLE算法中边界压力的外推格式,结合定压边界条件重新推导了邻近边界内节点的压力计算公式.根据NEUMANN特性给出了新的定压边界速度计算公式,用IDEAL算法来处理压力和速度的耦合.讨论了定压边界流动传热问题的求解步骤.通过几个经典算例将本方法与文献方法进行了对比,结果表明本方法提高了定压边界问题数值解的精度,加快了迭代过程的收敛.     

连续时间的网络截流选址模型与算法——以防御性醉酒驾驶的拦截问题为例

首先提出了连续时间的网络截流选址问题,并以保护整个道路交通网络为目标,建立了防御性醉酒驾驶拦截问题的模型。根据问题的特征,分别设计了基于时间的迭代改进算法和离散选址问题的拉格朗日启发式算法,并通过随机实例对算法进行了测试。结果表明:连续时间的同步拦截问题可以通过分离连续的时间变量和离散的选址变量的方法,多次求解覆盖问题而有效解决,并且迭代改进算法对时间的搜索性更强,从而能够用较少的迭代次数解决原问题。     

MINRES法和有限元法解奇摄动反应扩散方程

讨论奇摄动反应扩散方程 的数值逼近求解问题, 及 均为正实数. 利用有限元方法并结合最小残量法, 给出求解该问题的一个新方 法, 该方法修正了单纯采用有限元方法求解时在边界附近呈现出的非正常扰动的 现象, 避免了因为 过小所引起的解的变异, 从而得到更加精确的数值结果.     

蚁群算法及其在TSP中的应用

根据蚂蚁生态学提出的蚁群算法是一种新颖的用于求解复杂组合优化问题的模拟进化算法,具有典型的群体智能特征,表现出较强的学习能力和适应能力。阐述了该算法的基本原理、算法模型和在旅行商问题中的具体应用过程,并对算法进行了总结和展望。     

关联规则中一种负增量更新算法的探讨

针对关联规则负增量更新的挖掘问题,提出了一种高效的关联规则负增量更新算法,即NIUA。该算法充分利用原数据库中已有的频繁项集、所有1-项集来生成最小非频繁项集;并采用选样等策略求出删减数据后的频繁项集。整个算法只需扫描删减后的事务数据库一遍,从而提高了关联规则的更新效率。     

一种基于聚类与关联规则算法的DDoS攻击检测模型

分布式拒绝服务（Distribute Denial of Service）攻击是当前主要的网络安全威胁之一．本文分析了DDoS攻击的本质特征,提出了一种基于数据挖掘算法的DDoS攻击检测模型．该模型使用聚类算法与关联规则对网络流量与网络数据包连接状态分别建立特征模型,并确定DDoS攻击的检测阈值．实验表明,该检测模型能够实时有效的检测DDoS攻击．