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.     

An ant colony algorithm for solving budget constrained and unconstrained dynamic facility layout problems

The main characteristic of today's manufacturing environments is volatility. Under a volatile environment, demand is not stable. It changes from one production period to another. To operate efficiently under such environments, the facilities must be adaptive to changing production requirements. From a layout point of view, this situation requires the solution of the dynamic layout problem (DLP). DLP is a computationally complex combinatorial optimization problem for which optimal solutions can only be found for small size problems. It is known that classical optimization procedures are not adequate for this problem. Therefore, several heuristics including taboo search, simulated annealing and genetic algorithm are applied to this problem to find a good solution. This work makes use of the ant colony optimization (ACO) algorithm to solve the DLP by considering the budget constraints. The paper makes the first attempt to show how the ACO can be applied to DLP with the budget constraints. In the paper, example applications are presented and computational experiments are performed to present suitability of the ACO to solve the DLP problems. Promising results are obtained from the solution of several test problems.     

蚂蚁算法在组合优化中的应用

蚂蚁算法是近年来新出现的一种随机型搜索寻优算法 ,自从在 TSP等著名问题中得到富有成效的应用之后 ,已引起越来越多的关注和重视 .本文进一步将这种新型的生物优化思想扩展到其他一些组合优化难题 ,包括目前尚缺乏有效求解手段的多目标组合优化问题 ,从实验上探索了蚂蚁算法的优化能力 ,获得了满意的效果     

一种差异工件单机批调度问题的蚁群优化算法

由于在利用蚁群算法构建差异工件(即工件有尺寸差异)单机批调度问题的解时,批的加工时间是不确定的.从而不能类似于经典调度问题的蚁群算法把批加工时间的倒数作为蚁群算法中的启发式信息,引入批的利用率和批的负载均衡率作为蚁群算法中的启发式信息,提出了JACO(ant colony optimization based a job sequence)和BACO(ant colony optimization based a batch sequence)两种蚁群优化算法.在算法JACO中,解的编码为工件序列,它对应着用BF(best fit)分批规则生成的调度方案,信息素代表工件间的排列顺序;在算法BACO中,解的编码为批序列,信息素代表工件间的批相关性,由此信息素通过中间信息素量来构造相应的解,并引入特定的局部优化策略,提高了算法的搜索效率.实验表明,与以往文献中的SA(simula-ted annealing)、GA(genetic algorithm)算法以及FFLPT(first-fit longest processing time)、BFLPT (best-fit longest processing time)启发式规则相比,算法JACO和BACO明显优于它们,且BACO算法比JACO算法效果更好.     

基于最小二乘蒙特卡洛简化算法的保险公司经济资本度量研究

对最小二乘蒙特卡洛方法(LSMC)在保险公司经济资本度量中的简化进行了研究,探讨了该方法在实施过程中的模型处理以及对于嵌套随机模拟的简化效果与效率提升。在此基础上,针对变额年金产品,在不同预测期限下,借助最小二乘蒙特卡洛方法对经济资本进行了度量,并与完整嵌套随机模拟进行了效果比较。研究结果表明,最小二乘蒙特卡洛方法在经济资本度量中起到了良好的简化作用,对于风险损失的尾部拟合具有良好效果。同时相比于经济资本度量中常用的嵌套随机模拟,大大提高了运算效率。     

基于流程视角的创业研究框架构建

创业研究是国内外学术界关注的焦点之一,对当前我国国有企业改革和民营经济发展具有重要的意义.但对创业研究的框架一直存在争议.通过分析美国百森大学(Babson College)<创业研究中心创业研究前沿>(frontiers of entrepreneurship research,FER)中1995年-2002年的1 042篇学术会议论文和中国期刊网上1995-2004年的400篇有关创业研究的学术文章,回顾国内外创业研究的状况.提出创业研究应建立在企业寿命周期的基础上,基于流程视角展开,建立创业研究的一个新的分析框架.通过创业流程的维度分析已有的创业研究成果,便于建立创业研究的系统框架,发现当前研究的不足之处,指出未来可能的研究领域.     

基于全球经济一体化的当前通货紧缩研究①

自从1997年下半年以来,我国物价指数增幅连续二十多个月为负数.这一建国后罕见的物价低迷现象引出了一场关于通货紧缩的热烈讨论.在这些讨论中,认为我国正处于通货紧缩的论点占绝对主导地位.本文认为,由于全球经济的一体化浪潮,国家与国家之间经济边界的淡化以及经济系统边界的扩大,经济系统中突现出许多本质不同的性质和特征,这些变化不仅导致各国经济变化存在很大相关性,甚至连政策变化也存在一定相关性,因此基于孤立的一个国家视角的通货紧缩理论具有很大的局限性.本文立足于全球经济一体化的观点和"一篮子货币”思想,通过选择不同的参照系,考虑人民币/美元汇率,以及考虑其它重要经济因素--日元/美元汇率,世界原油价格,有色金属价格以及东南亚金融危机的影响,定量地考察了我国近年物价变化的实质原因,从而阐明了我国近两年的物价下跌基本上是正常的物价回落,同时也证明了近两年国家刺激经济增长的财政政策和货币政策已经发挥了巨大的作用.最后,本文从几个重要经济指标的走势变化指出了全球经济形势的新变化,运用世界经济和我国经济滞后影响原理,提出了目前应该进入仔细观察和深入定量分析国际和国内经济形势,谨慎出台刺激物价上涨政策的阶段,以便寻求一系列更适合和安全的政策.     

基于信息化建设的项目群管理模式研究

本文从项目群管理理论和企业管理信息系统入手,结合项目管理能力提升的需求,剖析了蓝巢项目群管理的实质-以企业信息管理系统为平台,建立计划和资源调度指挥平台,从而达到项目群管理的高效统一协调和效益最大化。     

基于全球经济一体化的当前通货紧缩研究

自从 1 997年下半年以来 ,我国物价指数增幅连续二十多个月为负数 .这一建国后罕见的物价低迷现象引出了一场关于通货紧缩的热烈讨论 .在这些讨论中 ,认为我国正处于通货紧缩的论点占绝对主导地位 .本文认为 ,由于全球经济的一体化浪潮 ,国家与国家之间经济边界的淡化以及经济系统边界的扩大 ,经济系统中突现出许多本质不同的性质和特征 ,这些变化不仅导致各国经济变化存在很大相关性 ,甚至连政策变化也存在一定相关性 ,因此基于孤立的一个国家视角的通货紧缩理论具有很大的局限性 .本文立足于全球经济一体化的观点和“一篮子货币”思想 ,通过选择不同的参照系 ,考虑人民币 /美元汇率 ,以及考虑其它重要经济因素——日元 /美元汇率 ,世界原油价格 ,有色金属价格以及东南亚金融危机的影响 ,定量地考察了我国近年物价变化的实质原因 ,从而阐明了我国近两年的物价下跌基本上是正常的物价回落 ,同时也证明了近两年国家刺激经济增长的财政政策和货币政策已经发挥了巨大的作用 .最后 ,本文从几个重要经济指标的走势变化指出了全球经济形势的新变化 ,运用世界经济和我国经济滞后影响原理 ,提出了目前应该进入仔细观察和深入定量分析国际和国内经济形,谨慎出台刺激物价上涨政策的阶段,以便寻求一系列更适合和安全的政策．     

面向客户个性化需求的交互式遗传算法

针对交互式遗传算法(IGA)中的评价噪声问题,提出犹豫度的概念,建立犹豫度调整机制,并使用删除策略和修改策略来处理形成初始种群以及交叉、变异过程中产生的约束不满足个体.通过对汽车操控台的概念设计问题进行建模,建立人性化交互界面用以验证本论文提出的方法体系的先进性和合理性.实验表明,此求解算法能够有效的降低评价噪声,加速收敛,降低疲劳度,提高结果的满意度.     

基于系统动力学的CCS产业化模型及稳态研究

在CO2价值链分析的基础上,设计了CCS(碳捕捉与封存技术)的商业化推广系统,并针对系统中发电企业、CCS运营商和CO2存储地的经济特性构建了该系统的总体均衡模型(GEM).依据GEM模型,本文进一步构建了CCS产业化复杂系统的动力学因果图及流图,并运用Vensim软件对该流图进行了系统仿真及敏感性分析.结果证明:按照GEM模型确定的商业规则运行的CCS推广系统存在均衡状态;而电力企业的采集系数和政府补助则成为保持该均衡状态的稳定性的敏感性因素.     

融资代建制─公共工程项目建设管理新模式

本文明确了融资代建制的概念,将公共工程项目–项目融资–代建制联系起来,构建了公共工程项目融资代建制模式框架为:二个层次、三种管理和三项保证。进一步指出融资代建制是有中国特色的PFI,是公共工程项目建设管理的创新模式。     

融资代建制-公共工程项目建设管理新模式

本文明确了融资代建制的概念,将公共工程项目-项目融资-代建制联系起来,构建了公共工程项目融资代建制模式框架为二个层次、三种管理和三项保证.进一步指出融资代建制是有中国特色的PFI,是公共工程项目建设管理的创新模式.     

基于时间价值的交通出行方式选择行为研究

通勤出行是城市居民最基本和最重要的出行目的,通勤出行时间价值是评价通勤出行者对交通方式选择的重要参数之一,以累积前景理论为基础,将通勤出行时间价值引入广义出行成本函数中,以权重函数和改进的广义出行成本函数作为交通方式选择模型的依据,并在模型中自定义广义出行成本参考点,选择累积前景值最大的前景作为出行者最优决策。分别基于“期望效用最大化理论”和“累积前景理论”对通勤出行者在三种不同出行场景下进行仿真模拟,研究最优交通方式选择行为。研究结果表明:期望效用理论框架下,通勤出行者的交通方式选择行为不受出行场景的影响,累积前景理论更适用于出行方式选择行为的研究。构建以通勤出行时间价值为核心变量的交通方式选择模型,可帮助通勤出行者选择合理的交通方式,并为政府及相关部门制定交通管理规划和实施缓解交通拥堵政策提供依据。     

面向电子商务的基本遗传算法的Agent 谈判模型

探讨Agent 技术和遗传算法在电子商务网上谈判中的应用,为网上谈判的开展提供定量 和优化模型. 首先对三种基于Agent 的主流谈判模型进行比较研究;其次,从三个角度对谈判 模型进行分类,并确定基于Agent 技术的谈判系统的目标和特征;进一步研究基于遗传算法的 Agent 谈判模型,并对模型进行仿真实验,以证明模型的有效性. 该模型的特点是Agent 能在谈 判过程中学习和发展新的谈判策略.     

A modified firefly algorithm based on light intensity difference

Firefly algorithm (FA) is a swarm-intelligence-based, meta-heuristic algorithm and has been widely applied since its establishment in 2009. In this paper, a modified FA based on light intensity difference (LFA) is proposed. The light intensity of a firefly is determined by the landscape of the objective function in FA. The modifications are established in consideration of the variation trend of light intensity differences. As the light intensity differences vary with movements of fireflies, the parameter settings could be adjusted pertinently and self-adaptively at any moment for different problems. The applications to numeric experiments show that, LFA is well adaptive and efficient for different problems, and can make a trade-off between global exploration and local exploitation so as to decrease the risk of premature convergence effectively.     

基于粗糙集理论的项目评价方法研究

项目评价是项目管理中非常重要的一个环节,传统的评价方法或者带有太多的专家经验(主观的先验信息),或者对海量且含有噪音的数据缺乏有效的处理方法,从而导致对项目的评价在客观性和准确性方面存在不尽人意。粗糙集理论是波兰数学家Z.Pawlak在1982年提出的一种处理不完整数据、不精确知识的方法,现已在众多领域得到应用[6]。本文利用粗糙集理论的方法来对项目进行评价,不依靠主观推断,完全由数据驱动推理的机理来获得客观真实的结论。最后通过例子说明了该方法的有效性。     

The falling tide algorithm: A new multi-objective approach for complex workforce scheduling

We present a hybrid approach of goal programming and meta-heuristic search to find compromise solutions for a difficult employee scheduling problem, i.e. nurse rostering with many hard and soft constraints. By employing a goal programming model with different parameter settings in its objective function, we can easily obtain a coarse solution where only the system constraints (i.e. hard constraints) are satisfied and an ideal objective-value vector where each single goal (i.e. each soft constraint) reaches its optimal value. The coarse solution is generally unusable in practise, but it can act as an initial point for the subsequent meta-heuristic search to speed up the convergence. Also, the ideal objective-value vector is, of course, usually unachievable, but it can help a multi-criteria search method (i.e. compromise programming) to evaluate the fitness of obtained solutions more efficiently. By incorporating three distance metrics with changing weight vectors, we propose a new time-predefined meta-heuristic approach, which we call the falling tide algorithm, and apply it under a multi-objective framework to find various compromise solutions. By this approach, not only can we achieve a trade off between the computational time and the solution quality, but also we can achieve a trade off between the conflicting objectives to enable better decision-making.     

Improvement of path analysis algorithm in social networks based on HBase

When social network has reached hundreds of million users, the analysis of data in social network services becomes very important. Understanding how nodes interconnect in large graphs is an essential problem in many fields. In order to find connecting nodes between two nodes or two groups of source nodes in huge graphs, we propose a parallelized data-mining algorithm to get the shortest path between nodes in a social network based on HBase distributed key/value store. Our algorithm can achieve the shortest path among different nodes in network under the parallel environment. We analyze the social network model by this algorithm first, and then optimize the output from cloud platform by using the intermediary degrees and degree central algorithm. Finally, with a simulated social network, we validate the efficiency of the proposed algorithm. The experiment results indicate that our algorithm can improve the efficiency of parallel breath-first search (BSF).