震后伤员救援车辆两阶段规划模型及算法研究

不确定情景下的应急物资配送和车辆路径优化问题是目前国内研究的一大热点,其中 震后伤员运送车辆调度及路径优化问题随着近几年地震等自然灾害的频繁发生也逐渐引起人 们的重视． 本文采用聚合优化算法对灾区进行应急救援区域划分,建立了以总救援时间最短和 相对综合救援权重值最大为目标的救援车辆两阶段数学规划模型,设计了带三角函数变异的 离散型萤火虫优化算法进行求解,并与常规算法求解结果做了对比分析． 通过算例进行模拟实 验表明,所提出的模型和算法可以有效解决地震情景下的伤员救援车辆调度问题,且改进算法 的全局搜索性能更优．     

基于蚁群算法参数的最优选择问题研究

蚁群算法是受现实蚂蚁群体行为启发而得出的一类仿生算法。通过对蚁群算法中影响算法性能的参数进行分析和研究,并对蚁群算法中参数的最优选择问题进行实验分析,从而给出算法参数的最佳取值范围,以利于算法在实际问题中的应用和推广.     

基于改进的蚁群算法求解单点交叉口信号配时优化问题

蚁群算法是近几年优化领域中出现的一种启发式仿生类并行智能进化、通用型的随机优化算法,能够较好解决交通信号配时优化问题.由于交通信号分配不合理容易引发交通拥堵,基于传统的单点交叉口交通信号配时优化问题提出了改进的蚁群算法,即针对交通具有较强的实时性和动态性的特点,在蚁群算法更新的全局信息素中引入一个随着交叉口拥挤程度不同而变化的函数,并且在信息素变化量中引入一个交叉口通行能力权系数,从而提高算法对交通实时动态性的把控能力.通过实验仿真结果表明,该改进的蚁群算法优于传统的单点交叉口信号配时方法,从而为蚁群算法求解这类问题提供了一种可行有效的新方法.     

被遗忘权的制度缺失、发展困境与中国构建路径

数据时代面临的个人信息受到侵害、个人隐私泄露、算法歧视等一系列重大问题,应将以保护信息主体权利为目的的被遗忘权确立下来。欧美被遗忘权在隐私与自由之间存在的冲突背后所体现的是被遗忘权对于各国需求的重要性,我国现有法律制度中规定的删除权与欧盟所确立的被遗忘权是不能等同的。现行被遗忘权面临着调整对象的设定缺陷、权利内容的设定偏差、责任主体的设定不足三方面的发展困境。学者热议与实践需求在一定程度上表明我国应当引入被遗忘权,并应从调整对象的优化构建、权利内容的改造构建、责任承担的明确构建搭建起中国的路径选择,以解决网络信息社会的发展带给我们的新挑战。     

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。