大连近代华商油坊业的初步考察

大连油坊业在日俄战争后迅速崛起,成为东北油坊业的中心,经历了最初的手工制作,达到“油坊之都”称号的“黄金时代”的鼎盛时期。但最终在日本殖民当局的统治垄断之下而走向衰落。分析研究其兴衰之原因与教训,对认识东北民族华商工业意义重大。     

ACOGA算法的多媒体网络QoS路由实现

针对传统的路由算法收敛速度慢且容易产生拥塞和路由振荡问题,提出了基于蚁群算法(ACO)和遗传算法(GAs)来实现动态QoS路由的新算法。分析了基本的ACO的正反馈性、协同性、并行性和鲁棒性等优点,同时利用GAs很强的自适应性和种群优化技术,通过对ACO算法使用遗传算法的交叉、变异达到对信息素进行调整,来自适应地调整路径选择概率的确定策略和信息量更新策略,从而扩大搜索范围。计算和仿真结果表明,该方法具有更好的路由收敛速度和稳定性,能更有效地解决拥塞现象和路由振荡问题。     

发挥综合优势构建畜牧产业集群——以内蒙古为例

通过运用计量经济学的时间序列等方法对内蒙古畜牧业在推动地区生产总值增长作用、主要畜牧产品对畜牧业增长作用及资源禀赋进行了实证分析,说明发展畜牧产业具有综合优势,构建绿色畜牧产业大集群化的增长模式是带动草原区域经济增长的良好路径.具体指出了大集群的模式,以及实现大集群模式的对策.     

群体动力学在企业安全管理中的应用探讨

文章结合企业中群体的特点,运用群体动力学理论分析群体行为、群体动力与企业安全管理的关系.提出了从树立良好的群体安全意识、建立良好的群体规范、提高群体内聚力、优化企业内部人际关系等六个方面着手,促进企业安全管理水平的提高.     

改进蚁群算法在海洋工程群项目资源调度中的应用

当今海洋工程群项目管理中的瓶颈之一是人力、资金、设备及材料等资源的合理、动态调度问题。针对此问题,引入了基于信息熵的改进蚁群算法。该方法将资源需在各个分项目中占用的时间与资源的急需程度与之比作为算法中的启发式信息进行处理。与传统调度方法的比较及海洋工程群项目资源动态调度工程实例表明,该方法可实现资源的合理、动态调度,为海洋工程及其他工程领域群项目管理提供了一较为有效的资源调度算法。     

基于粗糙集理论-神经网络-蜂群算法集成的客户流失研究

针对电信客户流失问题的复杂性,融合粗糙集理论、神经网络和蜂群算法的优势,提出了一种新的客户流失预测模型——基于粗糙集理论、神经网络和蜂群算法线性集成多分类器的客户流失预测模型。首先利用自组织神经网络(SOM)对连续属性值进行非监督离散化处理;接着使用粗糙集方法(RS)对离散属性进行约简;然后分别使用BP神经网络、RBF神经网络、ELMAN神经网络和广义回归神经网络(GRNN)在约简属性集上建立4个子分类器;最后使用模型集成法对4个子分类器进行线性集成,并采用人工蜂群(ABC)算法优化线性组合的权重。将该模型应用于某电信客户流失,实验结果表明该集成方法是可行且有效的。     

车辆路径问题的混合蚁群算法设计与实现

蚁群算法是一种新型的模拟进化算法,具有许多优良的性质,可以很好地解决TSP问题.在分析车辆路径问题(VRP)与TSP区别的基础上,论文将蚁群算法应用于VRP的求解,针对VRP的具体特点,构造了具有自适应功能的混合蚁群算法.该算法对基本规则作了进一步改进,并有机结合了爬山法、节约法等方法,以减少计算时间,避免算法停滞.指出可行解问题是蚁群算法的关键问题,提出了大蚂蚁数、近似解可行化等四个解决策略.计算机仿真结果表明,自适应混合蚁群算法性能优良,能够有效地求解VRP.     

基于混合蚁群算法的冷链物流配送路径优化研究

基于绿色物流发展理念，为企业寻求经济与环境达到双赢的局面，本研究将节能减排转化为绿色成本，融入路径优化问题中，建立以总成本最小为研究目标的冷链物流路径优化数学模型。针对蚁群算法初始阶段由于信息素不足导致收敛速度慢的问题，将A*算法与蚁群算法相结合，利用A*算法的全局收敛性和蚁群算法的正反馈性构造了一种混合蚁群算法。通过对实例进行仿真优化与对比分析，验证了模型和算法的有效性。     

时间窗口约束下基于改进蚁群算法的协同制造调度研究

与传统调度模式不同，协同制造模式下企业之间的调度模式极其复杂。协同企业间的加工工序路线并不固定，且不同类型产品具有不同的加工路线网络。为此本文针对平衡型、瓶颈型、跳跃型、混合型四类具有典型特点的协同制造网络G_p进行分析和设计；考虑制造企业同类产品合并加工策略，构建基于连续加工量的分段生产成本函数；通过设计合理的订单最早交货时间和最晚交货时间，对订单交货进行时间窗口约束，并在此基础上构建了由制造商生产成本W_c^m、订单等待W_s^k（Q_k， T'_k）和提前完工库存成本W_s^k（Q_k， T″_k）、延期惩罚成本构成W_l^k（Q_k， T'″_k）的目标函数。为求解该模型，创新性将蒙特卡洛思想引入蚁群算法，提高蚂蚁选择合理性，避免局部最优；同时，采用移动窗口[min， max]奖励机制，并且对信息素奖励乘以平衡系数k（N）提高奖励可信度，加快搜索速度并提高求解性能。仿真结果表明，本文构建调度模型合理，可以获得优化的调度结果；同时，本文提出的蚁群改进寻优算法具有良好的求解速度和收敛性，算法具有较好的稳定性。     

A novel discrete artificial bee colony algorithm for the hybrid flowshop scheduling problem with makespan minimisation

The hybrid flowshop scheduling (HFS) problem with the objective of minimising the makespan has important applications in a variety of industrial systems. This paper presents an effective discrete artificial bee colony (DABC) algorithm that has a hybrid representation and a combination of forward decoding and backward decoding methods for solving the problem. Based on the dispatching rules, the well-known NEH heuristic, and the two decoding methods, we first provide a total of 24 heuristics. Next, an initial population is generated with a high level of quality and diversity based on the presented heuristics. A new control parameter is introduced to conduct the search of employed bees and onlooker bees with the intention of balancing the global exploration and local exploitation, and an enhanced strategy is proposed for the scout bee phase to prevent the algorithm from searching in poor regions of the solution space. A problem-specific local refinement procedure is developed to search for solution space that is unexplored by the honey bees. Afterward, the parameters and operators of the proposed DABC are calibrated by means of a design of experiments approach. Finally, a comparative evaluation is conducted, with the best performing algorithms presented for the HFS problem under consideration, and with adaptations of some state-of-the-art metaheuristics that were originally designed for other HFS problems. The results show that the proposed DABC performs much better than the other algorithms in solving the HFS problem with the makespan criterion.