蜂群算法在TSP问题上的应用及参数改进

在分析蜜蜂采蜜原理和蜂群算法模型的基础上,本文提出了一种适于组合优化问题应用的改进蜂群算法,将其应用在TSP问题的求解上,并对其重要参数limit的求解方法进行了改进。在TSP LIB上的仿真实验结果表明,改进算法全局搜索能力强,有较好的发现最优解的能力。     

蚁群优化算法的理论、改进及应用

蚁群优化算法是一种新型的模拟进化优化算法,为求解复杂的组合优化问题提供了一种新的思路。文章对蚁群优化算法理论及其收敛性进行了分析,并从选择策略、信息素更新、信息素浓度的变异等多方面对蚁群优化算法提出了改进,不仅使其跳出局部最优解的能力更强,而且能较快地收敛到全局最优解,在TSP问题上的应用表明改进算法具有良好的性能。     

浅析移动通信系统中的赋形权值优化算法

随着无线频谱资源的日益紧张,移动通信系统转向利用数字波束赋形技术来提高系统的容量。数字波束赋形技术的关键,是利用赋形权值优化算法对赋形权值进行寻优操作。常用的权值优化算法有遗传算法、粒子群优化算法和交叉熵算法。本文对三种优化算法应用时的关键步骤进行了总结,比较了三种算法的性能,最后对算法应用于时分移动通信系统存在的问题进行了分析。     

用于纤维增强复合材料纤维取向测量的椭圆检测算法

椭圆检测是模式识别领域的一个热点问题,在工程中具有重要作用.结合纤维增强复合材料截面图中椭圆为实心,并且椭圆之间没有交叉和嵌套的性质,提出了一种基于顺序扫描的椭圆检测算法.该算法首先找出椭圆的中心,然后采用一个快速确定短半轴端点的方法,计算出短半轴的长度和斜率,最后通过计算得出长轴的斜率和长度.实验证明,该算法能准确有效地检测到纤维增强复合材料截面图中的椭圆,因而可以用于复合材料中纤维取向的测量.     

一种基于混沌思想和邻域探测机制的PSO算法

在分析基本PSO算法早熟收敛原因的基础上,提出一种基于混沌思想和自适应邻域探测机制的粒子群优化算法（CANE-PSO）.该算法先引入混沌思想对粒子种群进行位置初始化,以提高初始种群的多样性,再引入随机的邻域探测机制,并引入全局极值变异算子,增强了算法的全局搜索能力.通过与其它三个改进算法比较,结果表明CANE-PSO优化效率有较大的提高,较有效地避免了早熟收敛问题.     

自动化码头起重机和自带提升功能的AGV的集成调度

为深入研究新工艺带来的自动化码头设备集成调度问题,针对自动化码头的一种自带提升功能的自动导引小车(L-AGV)和缓冲支架系统,提出新的设备集成调度框架。考虑不同设备之间的相互关联和制约的协同关系,将岸桥分配调度与L-AGV、场桥调度分开,合理定义两种任务(两个问题)的划分方式,建立两个多目标混合整数规划模型。设计一种具有内外层关联的适应度函数的双层遗传算法。相对传统联合调度算法,该算法平衡了计算复杂性与调度均衡性。最后的数值试验证明了模型和算法的有效性。从岸桥数量、任务规模、AGV数量和调度策略等对岸桥等待时间的影响上,对采用L-AGV的系统和采用传统AGV的系统进行比较,为自动化码头装卸作业调度提供决策支持。     

自动化集装箱码头自动导引小车与轨道式龙门起重机的协同调度

为解决自动导引小车(Automated Guided Vehicle,AGV)与轨道式龙门起重机(Rail-Mounted Gantry Crane,RMG)的协同调度问题,考虑AGV和RMG的任务分配约束,以卸船作业最小完工时间为目标,建立混合整数规划(Mixed Integer Programming,MIP)模型.改变AGV,岸桥和箱区数量的配置,得出不同条件下的完工时间.对该问题设计两组算例:小规模算例采用CPLEX软件和遗传算法(Genetic Algorithm,GA)分别进行求解,通过结果对比验证GA的有效性;大规模算例采用GA求解,给出自动化码头设备调度优化方案.分析结果表明,卸船完工时间随着卸船任务量的增加而增加,随着AGV,岸桥和箱区数量的增加而减少,且AGV和岸桥数量的增加对完工时间的影响大于箱区数量的增加时完工数量的影响.     

基于模式的并行程序设计方法的研究现状

并行程序设计是并行计算的难点之一,基于模式的并行程序设计方法为程序员提供了并行程序的框架,比使用并行库(PVM和MPI)具有更高的抽象程度和通用性。本文简单地介绍了目前国际上三种应用此方法所开发的模型或项目以及我们所研究的SRVRT模型,并做出了比较。     

基于加权关联规则挖掘的相关文献推荐*

研究利用数据挖掘中的关联规则挖掘分析及论文数据库，进行相关文献推荐，提出适用于进行相关文献推荐的改进的混合加权关联规则挖掘算法，并通过用户行为分析确定相关文献集和垂直权重，采用Google搜索引擎的PageRank算法确定水平权重，获得一些有意义的分析结果。     

基于EM算法的汉语自动分词方法

汉语自动分词是中文信息处理中的基础课题。本文首先对汉语分词的基本概念与应用 ,以及汉语分词的基本方法进行了概述。接着引出一种根据词的出现概率、基于极大似然原则构建的汉语自动分词的零阶马尔可夫模型 ,并重点剖析了EM(Expectation Maximization)算法 ,对实验结果进行了分析。最后对算法进行了总结与讨论。