改进粒子群算法优化灰色神经网络预测模型及其应用

文章针对神经网络存在局部最优、收敛速度慢以及大样本等缺点,将改进的粒子群算法、灰色模型和神经网络模型有机结合,构建了改进粒子群优化灰色神经网络预测模型(IPSO-GMNN).并与其他预测模型进行比较,实证结果表明:IPSO-GMNN预测模型能够克服神经网络预测模型的不足,更好地识别时间序列的非线性和突变性特征.在对我国专利授权数量的预测应用中,新模型对非线性时间数据预测表现出更好的预测精度和稳定性.     

项目调度中的离散时间-费用平衡问题探讨

文章针对属强NP-hard的离散时间-费用平衡问题,对其进行分类研究,第一类是确定型网络的时间-费用平衡;第二类是随机型网络的时间-费用平衡.在此基础上,重点研究了近年来用元启发式算法求解离散时间-费用平衡问题的研究进展.最后,指出了该问题需进一步研究的方向.     

基于化学反应算法的鲜活农产品配送路径优化

文章通过引入时间价格因子考虑在鲜活农产品配送过程的损耗并结合运输成本和惩罚成本构建数学模型.从实际的运用环境出发,考虑到未在期望获得时间内达到运输地点的成本消耗,并且随着时间的推移,鲜活农产品本身也有成本损耗构建目标函数.根据该模型的特点设计化学反应的最小单元分子结构和算法步骤.运用化学反应算法可以很好地解决模型算法过早收敛于局部最优问题.通过实例验证了模型和算法的有效性和科学性.     

指数-威布尔分布参数贝叶斯估计的混合Gibbs算法

文章利用混合Gibbs算法分别在分组数据和定数截尾场合给出了指数-威布尔分布参数的贝叶斯估计,并进行了Monte-Carlo模拟.结果表明:在两种不完全数据场合,用混合Gibbs算法求指数-威布尔分布参数的贝叶斯估计,结果令人满意,该算法可行、稳定且精度高.     

非线性面板数据聚类方法研究

对于一类变量非线性相关的面板数据,现有的基于线性算法的面板数据聚类方法并不能准确地度量样本间的相似性,且聚类结果的可解释性低。综合考虑变量非线性相关问题及聚类结果可解释性问题,提出一种非线性面板数据的聚类方法,通过非线性核主成分算法实现对样本相似性的测度,并基于混合高斯模型进行样本概率聚类,实证表明该方法的有效性及其对聚类结果的可解释性有所提高。     

混合再生散度模型的参数估计

随着社会信息化的发展数据的种类越来越多样化,在实际的数据分析中相对于同质总体,异质总体更具有普遍性,所以混合回归模型是最重要的统计数据分析工具之一。再生散度模型是一种比指数族分布更加广泛的分布,适用性更强。基于此,提出混合再生散度模型,对方位参数进行建模,并通过EM算法研究该模型参数的极大似然估计。同时,通过随机模拟和实例研究说明该模型和方法是有效和有用的。     

蚂蚁和大鸟

一只蚂蚁在河边喝水,不小心掉进了河里。它用尽全身力气想靠近岸边,但没一会儿就游不动了,在原地打起了转转,小蚂蚁绝望地挣扎着。     

大样本数据聚类的改进方法

K-means算法是处理大样本数据的聚类分析的常用算法之一.该算法的不足之处是聚类的数目k必须事先给定.文章提出应用黄金分割法来度量有关该聚类的有效性,该方法能自动优化确定最佳的聚类个数,以此实现大样本数据的有效聚类:并采用实际数据说明了方法的合理性和有效性.     

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.     

FIR数字滤波器的优化设计

数字滤波器(DF,Digital Filter)是数字信号处理的一个重要分支。所谓数字滤波器,实质是指用有限精度算法实现的离散时间线性时不变系统(Discrete Time LinearTime Invariant System),以完成对信号进行滤波处理的功能。数字滤波器具有可靠性好、精度高、灵活、体积小、重量轻等优点。