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.     

基于改进多目标烟花算法的预制构件配送优化研究

在运输阶段,预制构件从生产工厂运送到施工工地,长距离、大体积、易损伤等因素导致其物流成本偏高,科学合理的配送方案有助于降低物流成本。本文基于运输成本、配送效率、配送时间等多维度的现场需求,建立了将运输成本作为第一目标,收货方的客户满意度作为第二目标,车队的平均实载率作为第三目标的混合车队配送模型。最后以预制构件生产工厂为算例,利用遗传算法的交叉变异过程对多目标烟花算法进行改进并对模型进行求解,从分析求解结果可以得出,该模型在有效降低了配送成本的同时,提高了客户满意度以及平均实载率,证明了模型的实用性与可行性。     

对平台经济三种数字竞争策略的辩证分析

平台经济主要采取三种数字竞争策略来提升竞争优势。一是通过亏损性发展策略打造“数字铁三角”提升数字生产力;二是依靠互联网打造平台生态系统的组织竞争策略建构“守门人”角色,跨界获得市场地位,并利用杠杆作用和拒斥来发展和巩固竞争优势;三是基于算法策略,使用动态定价、企业合谋形成定价层面的竞争优势。平台经济的数字竞争优势带来了负面社会效应。其中,亏损性发展策略降低了社会对平台经济不正当竞争的忍耐度,催生了社会反数字技术的意识形态氛围。依靠组织竞争策略打造的平台生态系统的跨界发展,冲击了旧经济业态,还带来了“大而不能倒”、无序扩张等问题。算法竞争策略导致了算法歧视、价格歧视,在西方还引发了政治冲击,形成了“算法陷阱”。在平台经济发展过程中,平台企业既要合理实施数字竞争策略,形成竞争优势,又要自觉应用、依赖政府和社会两方面的监管力量,及时消除数字竞争策略带来的负面社会效应。总之作为新经济业态的平台经济,要形成新竞争优势、取得高质量可持续的发展,需要平台企业、政府、社会和理论界共同努力,推进合作创新、合作共享和合作治理。     

一种求解双目标flow shop排序问题的进化算法

提出一种求解双目标flow shop排序的递进多目标进化算法.算法采用改进的精英复制策略,在实现精英保留的前提下降低了计算复杂性;通过递进进化模式增加群体多样性,改善了算法收敛性;通过群体进化过程中对非劣解集进行竞争型可变邻域启发式搜索,增强了算法局部搜索性能.采用新算法和参照算法NSGA-II对31个标准双目标flow shop算例进行优化.研究结果表明,新算法在所有算例的求解中均获得了优于NSGA-II的非劣解集,验证了算法的有效性.     

基于高维分步投影的多重分区聚类算法

数据分布密度划分的聚类算法是数据挖掘聚类算法的主要方法之一。针对传统密度划分聚类算法存在运算复杂、运行效率不高等缺陷，设计高维分步投影的多重分区聚类算法；以高维分布投影密度为依据，对数据集进行多重分区，产生数据集的子簇空间，并进行子簇合并，形成理想的聚类结果；依据该算法进行实验，结果证明该算法具有运算简单和运行效率高等优良性。     

计算机网络拥塞控制机制的研究

拥塞控制作为保障网络性能的一个重要组件得到许多学者的关注,不断有新的协议和算法提出,本文基于NS2仿真实现BLUE算法设计进行了研究探讨。     

胖兔子粥粥和猴猴乐活生活

胖兔子粥粥，插画工作者．也是国内“菲最著名”卡通品牌．胖兔子粥粥和老婆猴猴曾入选“中国和乐家庭榜样”。究其秘密，“乐活”二字．乐观、积极、健康、环保、公益。     

全球妇女峰会在北京召开

The Global Summit of Women （GSW）, considered ＂The Davos for Women.＂ under this year＇s theme Women at the Forefront of Change, opened at the Great Hall of the People, in Beijing, on May 20. More than L000 government officials, business executives and NGO leaders from 80 countries and regions attended. The event was the largest in the Summit＇s 20-year historY.     

浅析小学数学教学中的算理与算法

掌握算理、探究算法是一堂计算课的灵魂，小学数学算理与算法，这两者之间既有联系．又有区别。本文结合教学实践对小学数学中的算理和算法进行分析和讨论。     

混合学习法前向网络多属性储层参数预测

应用前向网络描述地震属性和储层参数间的非线性映射关系时，经典的误差反向传播算法存在收敛速度慢，易陷入局部极值等诸多不足。研究了融合粒子群优化算法和误差反向传播算法的混合学习法前向网络多属性储层参数预测技术。粒子群优化算法是一种群体随机搜索演化计算技术，具有较快的收敛速度和较强的全局搜寻能力；误差反向传播算法本质上是梯度下降算法，注重局部搜索。混合学习法为两种学习算法交替执行，首先以粒子群优化算法训练网络，当误差能量在规定的迭代次数内不再发生变化时，采用误差反向传播算法实现局部寻优。理论函数逼近测试和实际储层参数预测实验说明了混合学习法具有学习时间短、求解效率高、可靠性强的优点，具有良好的应用前景。