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。     

企业危机事件应急处理的蚁群优化模型

采用新兴信息技术研究企业危机事件应急管理问题已经成为国内外学者广为关注的焦点问题.文章提出了一种基于改进蚁群算法的企业危机事件应急资源调配模型、方法及其应用.在对应急资源调配问题进行标准化建模的基础上,提出了能高效求解该问题的改进蚁群算法.     

基于FARBF神经网络算法的资产评估统计模型

针对RBF神经网络算法因原始变量间强相关性带来的处理难度,与因子分析得分评估模型不能充分结合先验知识等缺陷,文章综合因子分析与RBF神经网络算法的各自优点,构建一种基于FARBF神经网络算法的企业资产质量评估模型,并给出了原始数据的同向化处理方法.实证案例分析与仿真试验结果表明该模型精度高于单纯的RBF网络算法,且该算法简化了神经网络结构,提高了网络训练速度与算法精度.     

基于蚁群聚类算法的省域物流发展评价

介绍了蚁群聚类算法的原理,建立了省域物流发展评价指标体系,同时结合黑龙江省的物流发展情况,应用蚁群算法进行实证研究,并对结果进行分析,从而为科学制定黑龙江省省域物流规划提供了依据。     

基于蚁群优化神经网络的支持向量机预测方法研究

本文利用蚂蚁算法训练神经网络的权值和阈值,蚁群优化神经网络克服了人工神经网络预测精度低的缺点,在取得最小拟合误差的同时可以得到最小的预测误差。在此基础上提出以支持向量机方法为主、多方法融合的智能预测系统,对电网负荷预测进行了动态预测。实际算例验证了这一智能预测系统的精确性。     

基于Vague集的群体应急决策优化模型

文章针对多因素、多主体、多方案的非常规突发事件的动态应急决策过程,建立基于Vague的群体应急决策优化模型.从应急决策机制分析入手,提炼应急决策的主要影响因素,并构建应急决策模型的评价指标体系;然后,确定在Vague决策环境下决策专家的权重,采用VIKOR方法甄选出最优方案或折中解集,并给出应急预案的优化路径;最后,用算例验证该模型的有效性和可行性.     

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.     

基于蚁群算法的生态工业园区环境效益评价

文章运用蚁群算法对与生态工业园区环境效益相关的分类指数公式和综合指数公式进行优化,并构建了环境效益评价模型。以中国平煤神马能源化工集团生态工业园区为例,借助MATLAB7.0软件分别从系统结构类、资源利用类、环境效果类以及经济效果类四个方面对其环境效益进行评价,确定了生态建设前后工业园区环境效益等级。     

基于灰色RBF神经网络的多因素财政收入预测模型

针对财政收入及其影响因素原始数据呈随机性、非线性变化,两者之间具有非线性相关关系的特点,文章在分析RBF神经网络和无偏GM(1,1)模型两者建模优点的基础上,结合回归分析思想,提出了基于灰色RBF神经网络的多因素财政收入预测模型;并以安徽省财政收入数据作为检验样本对所建模型进行检验.     

基于综合应急模型的道路突发事件应急预案的改进

文章以道路客运为例,分析我国道路运输企业在应对诸如恐怖袭击、自然灾害等突发事件时,可能遇到的一系列困难,基于道路客运综合应急模型,制定并完善应急预案体系,努力营造"和谐、公平、竞争"的道路运输市场环境。结合相关的理论知识,提出一系列应对措施,以供决策参考。     

基于RBF网络的汇率短期预测

现阶段人民币汇率机制比较富有弹性,以至于人民币汇率一直处于直线上升趋势.为了研究人民币汇率的发展趋势,文章以研究美元对人民币汇率作为媒介,利用Madab为工具平台,首先验证了RBF神经网络对人民币汇率进行短期预测的可能性,并利用其对人民币汇率趋势进行分析,并得出了政府必须加强对汇率控制力度,以稳定住人民币对美元的汇率.     

基于RBF神经网络的汇率预测研究

一、引言 汇率作为宏观经济中的一个十分重要的经济变量,对于国内国际经济的影响都是相当重要的。自2005年7月人民币汇率改革以来,人民币名义汇率改变了1995年以来的超稳定状态,呈现稳步升值,这不仅对国际经济贸易产生重要影响,而且也给本国的资本市场、实体经济及微观个体带来巨大变化。在当前复杂的经济环境下,人民币汇率的变动趋势非常受人关注,一直以来,许多学者也在利用各种方法对其进行研究和预测。     

基于云模型的混合量子神经网络算法及其仿真研究

在云模型、量子算法、神经网络算法等理论研究的基础上,设计了一种以量子比特神经元为信息处理单元的多层量子神经网络——基于云模型的混合量子神经网络算法。在标准数据集上进行的实验仿真表明:混合量子算法具有量子算法轨迹行为性能的优势;同时该混合算法可将提取的特征输入到量子神经网络中对数据集进行分类。该算法改进了量子神经网络的损失函数,提高了误差分析性能。最后,通过仿真实验验证了该混合量子算法在收敛速度和鲁棒性等方面均优于量子神经网络算法。     

基于差值灰色RBF网络模型股票指数预测

针对RBF神经网络的预测精度受样本数据随机性影响较大,而灰色理论能弱化数据随机性的特点,文章提出了差值结合法将灰色GM(1,1)模型和RBF神经网络模型有效地结合起来,构建了差值灰色RBF网络预测模型。将该预测模型运用于股票指数预测,实证结果表明:该模型预测精度高,平均预测误差为0.52%,与BP神经网络和RBF神经网络相比具有更好的泛化能力和更高的预测精度,在股票预测中具有一定的使用价值。     

应急定位-路径的模糊机会约束规划模型

文章针对需求量和运输费用不确定的应急定位-路径问题,以系统总成本和灾害损失成本之和最小为目标,构建了基于模糊机会约束规划的应急系统定位-路径模型,并设计了遗传算法对其进行求解。实例计算结果表明,该模型和算法可以有效地解决应急物流系统中定位-路径问题,从而为政府机构应对重大突发事件提供科学的决策参考。     

量子BP神经网络模型的理论算法与应用研究

文章提出一种量子BP网络模型及学习算法,模型基于量子学中一位相移门和两位受控非门的通用性,构造出一种量子神经元,由量子神经元构造出三层量子BP网络模型,基于梯度下降法构造了该模型学习算法.模拟油藏测井解释中测井曲线与水淹级别之间的映射关系计算时采用该模型及算法,实现了油藏测井解释中水淹层自动识别,实验结果表明该方法对解决水淹层识别问题具有良好的适应性和实用性.     

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.     

模糊理论在VRPTW问题上的蚁群算法研究

本文以模糊理论(fuzzy theory)为基础,将含时间窗限制车辆路径问题中的时间变量一一转换为模糊型态,并利用蚁群算法进行模糊运算,以寻求最小成本的最佳车辆路径.     

基于RBF模型和可公度法的股指时间窗口期研究

股指时间窗口期对投资者选择投资时点极为重要。本文以我国上证综合指数渡浪曲线底部和顶住时间窗口期为研究对象,利用可公度法和RBF神经网络模型分析自1991年以来的上证综合指数的特性并对其底部和顶住的时间窗口期进行预测。     

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.