女权社会主义视域中的现代女性解放问题探论

在置换流水加工环境下,以最小化生产流程时间为目标制定的初始加工方案,由于新工件的到达变得不再最优或不可行,为了降低对原始加工方案的影响,在权衡生产成本和扰动成本的情况下,建立双目标重调度干扰管理模型,对初始最优方案进行调整。针对该模型的特点和问题复杂度,结合微粒群算法强大的全局搜索能力,以及非支配排序遗传算法（NSGA Ⅱ）获得的Pareto解优良的综合性能,提出了一种混合微粒群算法来对问题求解。通过求解经典文献中置换流水车间双目标问题和随机生成的置换流水车间新工件到达问题,结果表明混合算法要优于NSGA Ⅱ和多目标微粒群算法（MOPSO）,同时验证了求解置换流水车间干扰管理问题的有效性。     

两群替代微粒群优化算法及其应用

提出一种两群替代微粒群优化算法(TSSPSO),并对算法参数进行分析和对算法方程进行修正。该方法将微粒分成飞行方向不同的两分群,其中一分群微粒朝着最优微粒飞行,另一分群微粒朝着相反方向飞行;飞行时,每一微粒不仅受到微粒本身飞行经验和本分群最优微粒的影响,还受到全群最优微粒的影响。搜索时,每一次迭代均以一定的替代率用一分群中若干优势微粒取代另一分群中相同数目的劣势微粒。对4种常用函数的优化问题进行测试并进行比较,结果表明:两群替代微粒群优化算法比基本微粒群优化算法更容易找到全局最优解,优化效率和优化性能明显提高。将两群替代微粒群优化算法用于常压塔汽油干点软测量,建立基于两群替代微粒群优化算法的汽油干点神经网络软测量模型,通过与实际工业数据的比较,表明基于两群替代微粒群神经网络的软测量模型精度高、性能好。     

动态分群的微粒群优化算法

在分析基本微粒群优化算法的基础上,引进分群思想,提出了一种动态分群的微粒群优化算法(DPSO)。根据适应值的大小将微粒群分成两个或多个分群,然后,每个分群采用不同的策略分别搜索,得到输出最优值。将动态分群的微粒群优化算法用于一些常用测试函数的优化问题,实例计算表明:DPSO具有较强的全局寻优能力。将DPSO用于延迟焦化装置粗汽油干点软测量,所建模型的泛化性较好,模型具有较高的精度。     

微粒群算法在工程项目资源均衡优化中的应用

在工程项目管理的资源优化中应用微粒群算法,定义了微粒坐标是活动的实际开始时间的微粒群;建立了一个直接反映资源强度与活动实际开始时间之间关系的评价函数;以微粒群算法为基础,编码设计搜索最佳方案的活动实际开始时间。最后计算分析典型算例,初始方案结果比微粒群算法得到的结果高出3倍多,遗传算法的结果比微粒群算法的结果高出53.52%,由此证明了微粒群算法在工程项目管理的资源均衡优化中的可行性及有效性。     

一种新的求解离散型交通网络平衡设计问题的算法

本文提出了一种新的求解离散网络平衡设计二层规划模型的算法。模型求解中,上层问题采用粒子群算法,而下层问题则采用路径生成式logit非平衡交通分配算法。数值结果显示,本文提出的算法可以快速有效地求解这类网络平衡设计二层规划模型。     

基于遗传粒子群算法的供水系统优化调度

针对某城市供水系统,建立了大型供水系统的多目标混合离散变量的优化调度模型,采用遗传粒子群混合算法对调度模型进行了求解,实现了该供水系统的直接优化调度,并与传统遗传算法优化调度的过程及结果进行了对比,新算法在优化时间、优化结果及求解效率等方面都具有较强的优越性.     

电力系统无功优化的一种新算法

本文提出了一种应用新的粒子群优化(NPSO)算法求解电力系统无功优化的新方法。给出了适合无功优化问题的具体实现方法以及应用NPSO算法求解电力系统无功优化的步骤。对IEEE30节点测试系统进行了无功优化计算。并与粒子群优化(PSO)算法的测试结果进行了比较。仿真结果表明,与PSO算法相比,应用NPSO算法求解无功优化问题是有效的。     

改进粒子群算法在空压机联动控制中的应用

针对空压机控制系统中的节能减排、均衡调度和管网压力波动等问题,提出了空压机联动控制的多目标优化调 度模型,并以改进惯性权重的粒子群算法进行求解。以灰色系统理论中的灰色关联度作为改进粒子群算法的适应度函 数,对影响空压机联动系统的机组功耗、生产均衡调度和管网压力波动等多目标进行了优化求解。引入的非线性动态调 整惯性权重策略改进了算法的全局收敛能力,有效地提高了粒子搜索过程中的智能性。通过某饮料罐装车间的技术改 造,证明了本算法的有效性。     

基于遗传算法的利率期限结构实证分析

本文利用利率期限结构中的Svensson模型对上海证券交易所的国债市场进行实证研究,利用遗传算法对模型进行求解,意在寻求一种全新的计算方法。在利用遗传算法求解模型时,本文详细探讨了模型参数、遗传算子等不确定因素,根据模型的要求,对遗传算法的各个步骤进行考虑,设计出一套算法,从而在实际求解过程实现较高的效率和精度。     

非满载车辆路径问题的改进粒子群优化算法

将局部版粒子群算法应用于非满载车辆路径问题,设计了一种实数编码方案,线性调整惯性权值,改进粒子更新公式,建立了解决该问题的粒子群算法。用该算法求解了两个车辆路径问题的算例,并与遗传算法和标准粒子群算法进行了比较。结果表明:该算法提高了搜索最优路径的成功率,能更有效地求解非满载车辆路径问题。     

求解复杂旅行商问题的混合粒子群算法

针对粒子群算法在解决组合优化时存在早熟和易陷入局部最优的问题,提出一种求解旅行商问题( TSP)的混合 粒子群算法。将粒子群算法与遗传算法结合,引入遗传算法中的交叉和变异操作,通过个体极值和群体极值的交叉以及 粒子自身变异的方式增加种群的多样性,避免粒子陷入局部最优,提高算法的局部搜索能力。仿真结果表明,新的混合 粒子群算法在解决TSP问题时具有较好的收敛性及优化效果。     

房地产价格不确定性对土地交易效率的影响分析

文章建立了房地产开发商在土地交易中的基本报价模型,并通过对该模型的研究认为,房地产市场价格的不确定性会影响投标者对土地价值的估计,相应地影响投标者的报价行为。通过对不同效率的开发商分别以高报价和低报价中标的三种情形的分析认为,当将来房地产市场的价格水平或者其开发成本水平存在较大程度的不确定性时,市场交易机制有可能会失灵,形成所谓的“赢者诅咒”或者“输者诅咒”现象,从而降低土地交易机制的效率。为进一步有效地发挥市场机制在土地配置中的作用,建议应该维护房地产市场价格的稳定和可预期性,并针对房地产市场的价格变化情况考虑采取不同的土地交易机制。     

项目网络组织协同治理绩效影响因素分析

为了能够更加准确地判断结构损伤位置和程度,本文提出了基于粒子群优化支持向量机（PSO SVM）方法对斜拉桥主梁进行损伤识别的新方法。该方法以最敏感索张力指标作为损伤识别指标,利用粒子群（PSO）算法寻找支持向量机（SVM）最优参数,建立SVM预测模型,以不同位置、不同损伤程度下最敏感索的张力指标作为SVM的训练和测试输入,由SVM的输出确定损伤位置。通过对实验室的模型斜拉桥的主梁损伤进行了仿真验证,结果表明：采用PSO算法很好地解决了采用SVM方法进行损伤识别时的参数选择随机性难题,实现了对SVM模型参数     

房地产交易中的委托——代理行为研究

房地产交易目前是我国经济领域出现问题最频繁的市场行为之一 ,本文试图利用委托—代理理论对房地产交易中的一些问题在经济学的范畴内进行分析 ,并根据信号理论提出相关的措施。     

基于免疫量子粒子群优化的属性约简

受生物免疫系统启发,把疫苗提取和疫苗接种思想应用到量子粒子群算法,提出了免疫量子粒子群算法。免疫接种可以指导粒子朝着更优方向进化,提高了量子粒子群的收敛速度和寻优能力。分别采用Hu算法、粒子群算法、量子粒子群、免疫量子粒子群多种算法应用于粗糙集属性约简。实验结果表明,基于免疫量子粒子群优化的约简算法在收敛速度和寻优能力都取得了更好的效果。     

粒子群优化算法及其与遗传算法的比较

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。     

非依法律行为的不动产物权变动研究--以实质主义登记立法为背景

物权的取得与变动,应当通过可取信于社会公众的外部表现形式,就不动产而言,此种公示方法应为不动产物权登记。而且,为保护交易安全的需要,应当采取实质主义登记的立法模式。然而,由于社会生活的现实需要,有必要承认非依法律行为变动的不动产物权无需登记即可发生效力。在不牵涉第三人的情况下,新权利人可以享有对不动产的自由支配。但如果第三人的利益牵涉其中,不动产物权登记制度仍然应当发挥重要的作用。     

模拟退火并行粒子群优化算法程序设计与研究

针对粒子群优化算法后期收敛差和模拟退火算法全局优化能力强的特点,建立模拟退火并行粒子群优化算法(SA-PSO算法)模型。利用MATLAB语言开发SA-PSO算法工具箱,实现SA-PSO算法的程序设计,高效、稳定地提高算法全局寻优能力。     

预告登记制度刍议

预告登记制度具有保护买受人合法权益、保障不动产交易安全、维护不动产交易秩序稳定、培育房地产市场健康发展等重要社会价值。本文就预告登记的特征、性质、效力进行了分析，并从预告登记的立法完善、适用范围、发生条件和程序、登记效力等方面来探讨我国预告登记制度的完善问题。