【摘 要】
:
针对粮油配送中干扰现象引起的服务水平下降的问题,充分考虑成本、时间等约束条件的前提下,以对原方案偏差最小为目标,建立了基于干扰管理的车辆路径选择模型,并利用局部搜索优化的粒子群优化算法对模型求解。结合仿真实例,运用该算法对模型进行了求解及比较分析,结果验证了模型的有效性。
【机 构】
:
华中科技大学控制系,河南工业大学信息科学与工程学院
论文部分内容阅读
针对粮油配送中干扰现象引起的服务水平下降的问题,充分考虑成本、时间等约束条件的前提下,以对原方案偏差最小为目标,建立了基于干扰管理的车辆路径选择模型,并利用局部搜索优化的粒子群优化算法对模型求解。结合仿真实例,运用该算法对模型进行了求解及比较分析,结果验证了模型的有效性。
其他文献
针对传统的蚁群算法在求解大规模旅行商问题时容易导致搜索时间过长或陷入停滞的问题,提出了一种基于改进信息素的蚁群算法。通过蚁群算法的改进,使得每轮搜索之后的信息素都能更好地反映解的质量。实验仿真结果表明,改进后的蚁群算法能获得比传统的蚁群算法更优的解,同时具有更快的收敛速度和较好的稳定性。
传统的建模方法比较难实现网构软件系统的动态演化和自适应性,基于决策驱动的网构软件动态建模方法研究已经成为一个热点。从决策抽象和问题分解角度,提出一个决策驱动的网构软件动态演化模型。首先使用松弛原子算法来分解问题与动态组合决策;然后采用累加累减算法建立网构软件动态演化模型;最后设计相关的网构软件系统来验证该模型。性能分析表明,相比传统模型,该模型有良好的动态演化效果。
利用软件修复的局部性和针对性,将行为观察序列相似性度量与软件修复过程本身相关联,引入相对相似性评价指标,建立软件修复相对相似性评价模型。该模型将修复验证问题转换为修复后行为相似性度量问题,克服了现有修复技术缺乏有效评价的缺点。在实验中分别对补丁和动态修复进行研究,对比了地址对序列、系统调用序列以及混杂序列,说明评价模型的工作方式,实验表明了该模型的有效性,同时说明了混杂序列具有更强的表达能力。
目前基于结构相似性的图像质量评价算法均是对图像进行整体质量分析,但人类视觉系统对图像中不同部分的敏感程度不同,而对图像进行整体质量分析无法有效反映出这些差异。鉴于此,提出了一种基于内容划分的图像质量评价算法,根据图像不同区域的梯度将图像分为四个部分,分别进行质量评价。之后,采用基于运动补偿的帧加权方式将上述方法扩展为视频质量评价。实验证明,所述算法与目前比较流行的几个算法相比具有较高的评价准确性。
在蛋白质空间结构预测中,二硫键的确定可以大大减少蛋白质构象的搜索空间。为提高二硫键预测的准确率,对形成二硫键的半胱氨酸及其周围的氨基酸残基在蛋白质二级结构形成上的偏性进行了分析,并提出将蛋白质二级结构信息加入到BP神经网络预测模型的输入编码信息中。研究对象为从Swiss-Prot数据库中选取的252条蛋白质序列,随机均分四组,对预测准确率进行4交-叉验证,各项准确率均比未加入蛋白质二级结构信息前有
考虑物联网以任务为导向、节点之间相关联等特点,提出一种用户需求信息相关性查询策略,通过分析用户行为特征,存储相关性节点信息,实现信息共享,从而减少网络中的通信量。仿真表明,与常规的方法相比,该策略能够改善网络的通信量。
在认知无线电网络中,MAC协议用于信道感知、选择和接入控制。以单网卡多信道MAC(MMAC)协议为基础,依据IEEE 802.22标准定义的静默期管理的两阶段感知策略,提出一种认知无线电网络分布式多信道MAC(CR-MMAC)协议。将两阶段感知机制和分布式协商融入MMAC协议,利用空闲频谱进行数据传输,并在MMAC协议ATIM窗的数据信道协商阶段引入预约机制,以避免选择同一信道的认知节点对在后续数
由于作业车间调度问题的目标函数目前还无法用换位矩阵的元素以数学公式的形式表示,无法保证求出全局最优解。首先对换位矩阵表示方法进行了改进,给出新的带有目标函数的能量函数表达式,然后提出改进的Hopfield神经网络作业车间调度方法,并将模拟退火应用于Hopfield神经网络求解,避免了陷入局部极值。仿真结果表明,该方法具有全局搜索能力,并能够保证神经网络的稳态输出为全局最优或近似全局最优。
提出在传感器网络分簇条件下将覆盖性和连通性结合起来,即计算簇头和与它能保持连通的节点的共同覆盖面积——簇面积,并给出了在无线遮蔽环境中,簇面积的计算公式,进一步完善了覆盖性和连通性的研究。还分析了在遮蔽环境中为保证连通性,节点的发射功率所应遵循的条件。通过模拟实验,验证了该分析的正确性。
对象角色建模方法是一种完全面向交流的面向事实概念建模方法,目前已发展到2.0版,已应用于本体论工程,因此需要对其进行形式化以分析其本体表达能力。Halpin定义了一种知识表达语言KL,并使用KL形式化分析了早期版本的ORM。借鉴Halpin的研究成果,采用经典的一阶逻辑语言L全面地分析了ORM 2.0的形式化语义。