基于蚁群优化的多目标资源配置模型及应用

多目标资源配置问题就是将有限资源分配到不同事件来获得预期目标.为满足未来的特定要求,一般需同时对多个目标(如成本最小化或效率最大化)进行优化.为有效获取一组帕累托解,提出一种改进蚁群算法,该方法可通过增加蚂蚁的学习来提高求解效率.通过比较蚁群算法和混合遗传算法所得的实验结果,验证了改进蚁群算法的可行性、有效性及正确性.     

求解作业车间调度问题的改进蚁群算法

作业车间调度问题是一个典型的NP-HARD问题,也是一个前沿性的研究课题,已受到学术界和工业界的广泛关注.文章采用了一种改进蚁群算法来求解作业车间调度问题.首先应用蚁群算法获得一些作业车间调度问题的较优解(调度方案);然后这些调度方案中挖掘出一些有用的调度知识;最后应用这些调度知识来辅助蚁群算法完成后续的优化过程.通过将调度知识有效地融入到蚁群算法中,使得改进蚁群算法在优化效率上大大改进.     

蚁群算法求解路径时间随机的应急资源调度问题研究

在研究应急资源调度问题时常常需要考虑到多种不同的因数,其中路径时间的不确定性直接影响着应急活动的置信度和执行率。文章根据交通工具在道路上行驶的实际情况,采用正态分布的随机数对时间不确定性进行了描述,并设计时间满意度函数将调度时间最短问题转化为时间满意度最大问题;在此基础上加入路径费用最小的目标,建立了多目标的应急资源调度优化模型。采用改进后的蚁群算法对该模型进行求解,得到了问题的非劣解集并借助TOPSIS方法选取最优方案;最后通过算例对模型和算法进行了验证。     

再论需求周期性变化的应急资源选址与配置

文章针对需求周期性变化的应急资源选址与调配问题,指出文献[1]建立的非线性整数规划中存在的缺陷,结合原文中的算例求解过程与结果展开讨论与分析,进而引入新的决策变量重建了需求周期性变化的应急资源选址与调配模型,并用目标规划法求解.鉴于各时段资源放置总量及需求满足总量等重要决策变量的取值具有主观性,我们取不同参数将多次运行结果进行对比分析,为解决此类问题提供了实用方法.     

隶属云模型蚁群算法的新应用:生鲜食品多阶段动态定价

文章从收益管理与消费者购买行为的角度出发,建立了生鲜食品多阶段动态定价模型.力图使零售价格动态地跟踪生鲜食品的自身价值波动.为了更好地求解该模型,文章采用了一种基于隶属云模型的蚁群算法.通过对二阶段、三阶段的算例仿真分析,不仅表明该模型优于传统模型,而且所采用算法在收敛率与运行时间方面均优于遗传算法、蚁群算法、改进蚁群算法等.     

网络舆情突发事件的应急群决策方法

由于短时间内网络舆情事件信息收集不完备,决策者对网络舆情危机的应急决策往往会卷入网络舆情热度和突发事件影响力等直觉模糊决策指标.文章通过网络舆情突发事件指标的直觉信息熵来构建多指标应急决策模型,获取各决策指标的合理权重,进而通过直觉模糊集结算子集成计算各网络舆情突发事件的综合危机程度,根据直觉模糊危机值的得分和精度,可确定各网络舆情事件危机严重程度排序,辅助政府轻重缓急地应急处置各舆情危机.     

虚拟企业合作伙伴选择的改进蚁群算法

合作伙伴选择是虚拟企业组建阶段的关键问题,选择合适的合作伙伴关系到虚拟企业运作的成败.为了有效地实现虚拟企业运作过程中合作伙伴的选择与优化,文章对满足产品交货期约束和以最小化制造成本为目标的虚拟企业合作伙伴选择与优化数学模型进行了探讨;由于该模型目标函数非连续可微.文章提出了一个改进的蚁群算法对其进行求解.该算法通过引入遗传算法中的杂交算子来改善蚁群的搜索能力,使其对应的解更加优良;文章还通过案例分析验证了算法的有效性.     

基于蚁群算法与RBF神经网络模型的突发应急配送决策

文章根据大型突发事件的突发性和不确定性,以及食品在物流过程中极易腐损等特点,确立一个用于食品物流应急配送中心选址决策的评价指标体系,并在这基础上,将蚁群算法(ACA)和径向基神经网络(RBFNN)结合起来,建立一个选址决策模型.该模型既具有神经网络的广泛映射能力,又具有蚁群算法所带来的高效率、全局收敛、分布式计算等特点,能够在安全、可靠、高效的原则下,较好地解决大型突发事件中食品应急配送中心的选址决策问题,以便确保和加快灾区的食品供应.最后,通过模拟算例表明该模型的适用性.     

基于粒子群优化算法的应急资源调度研究

科学合理地开展应急资源调度,最大限度地发挥有限的应急资源的价值,是应急管理中的一项重要工作.文章构建了多种应急资源需求约束、应急时间约束、应急救援成本约束等多约束条件下的突发事件应急资源调度模型,并运用粒子群优化算法对模型进行求解,从而实现应急救援资源的高效利用与合理调度.     

基于遗传算法的柔性资源约束流水车间调度

文章提出了柔性资源约束流水车间调度(FRCFS)问题的假设条件,分析了问题求解的复杂性.针对FRcFS问题的强NP-难特性,提出了由基于混合遗传算法的作业调度模块、基于优先规则的工序开始时间决策模块和基于关键工序的柔性资源分配模块3部分组成的求解问题的改进算法(MA),计算机仿真实验的结果验证了MA算法求解FRCFS问题的有效性和鲁棒性;表明MA算法与其他启发式算法相比,求解的精度更高、质量更好;同时说明了考虑资源柔性的条件下对流水车间进行调度能很好地提高流水车间生产系统的绩效.     

基于蚁群算法的灰色模型参数估计法

灰色GM(1,1)预测模型中,发展系数和灰色作用均采用最小二乘方法得到,文章提出了一种采用蚁群算法估计发展系数和灰色作用的新方法,并给出蚁群算法的步骤,最后通过一个我国人口数量预测的实例,表明该方法具有较高的拟合和预测精度.     

一种求解资源受限项目调度问题的扩展串行调度方案

为提升资源受限项目调度问题的启发式算法求解效率,文章对调度方案进行了研究,采用右齐和左齐技术对传统串行调度方案进行改进,提出了一种扩展串行调度方案.     

基于熵权的改进TOPSIS法在多项目优先级评价中的应用

现代企业项目管理过程中,越来越多的面临多项目优先级评价的问题.文章采用熵权系数对TOPSIS法进行改进,建立多项目优先级评价模型,避免了传统评价方法中主观性强等弊端,并且使用该方法进行算法示例,详细说明各个计算步骤.为企业多项目优先级排序、资源优化配置提供了新方法.     

多资源多出救点组合应急调度模型

文章以多资源到达配套和缩减出救活动时间为目标,建立了相应的应急资源调度模型,进行了带有网络容量限制的动态路径选择,并用粒子群算法求解出多路径混合配流.数值算例验证了所建立模型的合理性及算法的可行和有效性.     

大数据背景下网络突发事件动态监测研究

通过互联网以及社交平台的数据监测社会突发异常事件是当前社交网络传播研究的热点问题,本文基于大数据背景,对网络突发事件动态监测算法进行了创新性研究.论文首先介绍了常用的几种网络动态监测算法,并指出了其在社交网络中应用的局限性,提出了基于Kleinberg的改进算法,最后用改进的算法进行了实证研究,研究结果显示:改进后的算法通过给定合理的调节参数,能迅速准确地监测到网络异常状况的发生,从而不仅避免了传统主观上直接通过突发事件出现的频次来划定临界值的不科学性和直接使用微博量排行榜方式所产生的时间上的滞后性,也避免了直接通过划定一个固定的微博增加量来判断是否有异常事件发生的不合理性.本文在大数据背景下为网络突变事件的动态监测提供了新的研究方法,为政府加强网络安全建设、优化网络监管模式、净化互联网环境具有一定的实践指导意义.     

企业危机信息预警模型构建与运用

文章构建了基于信息过滤的网络危机信息收集模型和基于案例推理的企业危机预警模型,据此运用信息过滤技术对危机成因征兆信息进行收集,以解决信息过滤涉及的文档表示问题、信息匹配问题和信息反馈问题,并运用基于案例推理的方法实施危机预警,进而提出了前阶段危机信息管理方案,为企业信号侦测和危机防范提供方案支持.     

企业人力资源类危机管理预警系统的构建

人力资源是企业最最宝贵的资源,对人力资源利用的好坏直接决定着企业的成败.企业人力资源类危机居于企业各类危机的核心,此类危机的解决,可有效防止企业其他类危机的出现.企业人力资源类危机本质是员工需求危机.企业人力资源类危机预警系统,包括企业员工需求管理系统、员工的工作满意度和忠诚度管理系统、员工工作满意度调查系统和员工的职业生涯管理系统四个部分.     

引发资源型企业安全危机的人为因素评估方法

文章首先概括了引发资源型企业安全危机的各类人为因素,采用多层模糊模型来评估引发安全危机的人为因素,同时用一个具体的算例进行了实证研究。提出的评估方法有助于建立开放的,多层的基于模糊技术的引发资源型企业安全危机的人为因素评估的计算机系统,从而提高对于引发危机的人为因素判断的准确性,使决策更加科学化。     

基于行程时间可靠性的车辆路径问题研究

文章考虑到路网交通流量随机变动,将路网可靠性理论引入到车辆路径问题,给出了基于行程时间可靠性的车辆路径问题的概念,分析了基于行程时间随路况的变化规律,提出一种解决车辆路径问题中行程时间可靠性问题的方法。结合蚁群算法求解行程时间可靠性的车辆路径问题。     

一种基于模糊识别应急效果评估方法及其算法实现

应急效果是各种模糊因素综合作用的结果,模糊数学理论是解决此类问题的重要手段,文章提出了一种基于模糊教学理论的方法,该方法对预期效果和实际效果相比较,得到预期效果对实际效果的隶属度,通过隶属度判断其应急效果,最后给出了实现算法.