关系型数据库性能调优

在企业进行生产的过程中,作为企业使用的大型业务系统,DB2和Oracle两种关系型数据库的使用越来越广泛,两种数据库都占有比较高的市场份额。本文主要是以DB2数据库为例,来提供DB2数据库性能调整与优化的几种途劲。主要从数据库优化的目标,数据库内存参数的调整,索引的设计与优化,应用程序的调整这几个方面来具体的介绍。文中涉及到数据库调优的一些原则,是笔者在参入福建中烟营销系统项目开发过程中,经过大量的测试和实践,并加以归纳总结,得出的相关心得和体会。通过这几个方面的调优,确实可以使用数据库的性能得到很好的优化。     

数字化仓储中货位优化分配的研究

货位分配数字化仓储的关键环节,合理的货位分配能够大大地提高出入库效率,降低仓储系统成本。传统的仓库管理系统根据基于经验的固定货物出入库频率设计货位分配策略,而企业的发展和市场的变化导致货物出库频率是一个动态变化的过程。市场的变化导致传统仓库管理系统的货位分配方案无法满足要求的现实情况,提出把RFID技术运用到数字化仓库结合相关算法中对产品入库货位进行动态优化来提高仓库的周转效率。     

基于结构图像先验与ASM能量的服装图像去噪

服装图像在采集和传输过程中会受到噪声不同程度的影响,为更有效地去除服装图像中的噪声,本文提出了一种基于ASM图像能量的深度学习图像去噪方法.该方法基于结构图像先验理论,以随机向量作为卷积神经网络的输入,含噪声的服装图像作为目标输出.网络通过反向传播进行迭代,根据噪声与自然图像对于网络的阻抗不同,迭代至输出图像的ASM能量极大值处进行截断,截断处的输出图像即为去噪后的服装图像.实验结果表明,该方法对服装图像去噪后的PSNR达到29.91,比NLM去噪提高了 0.74,比guided去噪提高了 1.97.与传统的图像滤波去噪算法相比,该方法能更有效地去除图像中的噪声,保留服装图像的纹理细节.     

距离约束的网格曲面曲线设计方法

针对现有网格曲面曲线设计方法鲁棒性差、收敛慢、适用范围窄等不足,提出一种基于距离约束的新方法.该方法将复杂的流形约束转化为距离约束,并与光滑、插值（逼近）约束共同描述成优化问题.求解时,用切平面逼近局部曲面,并将距离约束松弛成用点到切平面的距离.由于计算距离所用的曲线上的点与其对应的切点相互依赖,采用“整体-局部”交替迭代的策略,并运用Gauss-Newton法的思想控制其收敛行为：整体阶段,通过距离近似将其松弛成凸优化问题求解迭代步长;局部阶段,采用鲁棒高效的投影法将优化后的曲线映射到曲面以更新切平面;最后,利用切割平面法将所有处于松弛状态的折线映射到网格曲面.实验结果表明：该方法与现有方法相比,在效率、鲁棒性、可控性、应用范围等方面均表现出优势.     

动态物流中多源多点最佳路径算法研究

多源多点环境下,动态物流中涉及货物装载和产品配送的路径优化是一个非常复杂的问题.针对现实配送过程中存在的货物需求多样化以及多车配送空载率过高的路径寻优问题,本文提出了一种新的调度配送方式.通过建立车辆装载配送路径模型,以多源多点,重量修正,路径最佳等为约束条件,使用模拟细胞分裂的新方式产生下一代,改进现有的遗传算法进行求解,优化了初始种群的产生,可以快速得到全局最优解,跳出遗传早熟收敛,取得最佳路径,从而降低配送成本,提高配送效率.     

基于全域市场数据感知的终端客户推荐

终端客户推荐系统是大型制造商终端营销的一种有效工具.如何在互联网+环境下通过采集全域市场数据,设计一个寻找最佳目标客户的推荐方法成为了一项挑战.为解决这一问题,本文提出一种基于全域市场数据感知的终端客户推荐方法（GMF）.即采用全域分析的思想对全国范围内的客户数据进行预处理,建立全方位,多角度的评估指标,得到目标客户价值.然后通过域子空间分解的方法,在域子空间中对数据进行分解分析,得到某一区域内的客户评价标准,将二者分析结果进行有效融合,通过计算耦合对象相似度,并筛选出最相似的TopN个数据作为最佳目标客户结果集.在大型制造商营销活动所生成的数据集上的实验结果表明：本文提出的推荐算法其性能明显优于当前主流的协同过滤算法.     

基于多智能体的生鲜农产品多级库存成本控制模型

针对生鲜农产品多级库存成本控制问题，运用多智能强化学习思想，从供应链视角抽象出批发商与零售商智能体，引入三参数Weibull函数描述生鲜农产品的损腐特征，使用深度双Q网络算法构建基于多智能体的生鲜农产品多级库存成本控制模型。该模型基于智能体间相互合作，优化订货并控制多级库存成本。实验结果表明，基于多智能体的库存成本控制模型能够在一定程度上减轻供应链多级库存中的牛鞭效应，有效降低各级库存成本，减少生鲜损腐。     

基于划分工作方式的中央空调达标时间预测

为了同时满足中央空调温湿度控制工艺要求和企业节能降耗要求,解决中央空调达标时间预测问题,提出了一种在划分空调工作方式基础上的组合预测模型. 在加温加湿工作方式下,采用随机森林算法构建分类预测模型,用深度特征提取后的高级特征作为模型输入,解决了小样本分类预测的过拟合问题. 为进一步降低算法时间复杂度,利用改进粒子群方法对模型参数寻优. 在降温除湿工作方式下,使用K近邻算法动态划分类别区间,并利用密度峰值改进SMOTE算法解决类别不平衡问题,采用极限梯度提升算法构建分类模型. 考虑到空调延迟开启或提前开启对企业效益造成的损失不同,采用多角度综合评价方法对模型进行评估. 通过与支持向量机(现用模型)等多种预测模型的对比实验,验证了组合模型的有效性和实用性. 实验表明组合模型平均绝对误差为3.2 min,与现用模型相比,组合模型折标能耗降低了14.71%.     

结合商圈位置区域模型的商品推荐算法

为解决电子商务冲击下线下销售萎靡及互联网"信息爆炸"下用户挑选商品时耗时耗力等问题，本文引入商圈位置区域模型，即基于圆形过滤方法与改进的基于分区的DBSCAN密度聚类算法对浙江省某一行业全域范围下25万商户订单数据进行地理位置特征分析，并结合时间衰减参数进行传统推荐算法改进，提出了面向商圈流行度的商品推荐算法与面向商圈相似度的协同过滤算法.实验结果表明，算法在推荐准确率上明显优于传统推荐算法，且一定程度上缓解了冷启动和推荐商品惊喜度不足的问题，有其实用价值与研究意义.