服务差异二级选址路径问题及大邻域搜索算法

在电子商务背景下,物流公司为了实现及时交付并缓解交通拥堵,可按照客户不同的服务需求,将其分为自取型和配送型,进而选择开放自助点或配送点对客户进行服务。自助点和配送点作为二级物流设施,配送中心作为一级物流设施,由此形成了二级选址-路径问题。在配送车数量约束、自助点容量约束等限制下,兼顾客户点物品回收,以总物流成本最小为目标,建立考虑服务差异的二级选址-路径问题模型。设计自适应大邻域搜索算法进行求解,通过Nguyen的2E-LRP算例进行测试,更新了1个算例的全球最优解,其余算例达到或接近最优解,平均Gap值在1.22%以内,验证了算法的有效性及良好的收敛性。实际案例模拟分析验证了模型的有效性和适用性,可以为相关物流企业提供决策依据和参考。     

基于多尺度双邻域显著性的高分四号遥感图像运动船舶检测方法

静止轨道(GEO)的高分四号(GF-4)卫星具备对海上运动船舶进行连续观测的能力,由于轨道高,海面船舶在GF-4卫星遥感图像中比较弱小不易检测。该文分析海面运动船舶的尾迹特征,提出一种基于多尺度双邻域显著性(MDSM)的GF-4卫星遥感图像运动船舶检测方法。首先依据多尺度双邻域显著性模型计算显著度,生成显著图;然后使用自适应阈值分割提取运动船舶的位置;最后利用尾迹几何特征对候选目标的形状进行校验,进一步去除虚假目标。实验结果和分析表明,所提方法可以有效地检测GF-4卫星遥感图像中的多个运动船舶目标,相比目前主流的视觉显著性检测算法,该文所提算法具有更好的检测性能。     

一种邻域粒K均值聚类方法

K均值聚类,对于非凸、稀疏及模糊的非线性可分数据,其聚类效果不佳.针对此问题,通过引入粒计算理论,采用邻域粒化技术,提出一种邻域粒K均值聚类方法.样本在单特征上使用邻域粒化技术构造邻域粒子,在多特征上使用邻域粒化技术形成邻域粒向量;通过定义邻域粒与邻域粒向量的大小、度量和运算规则,提出两种邻域粒距离度量,并对所提出的邻域粒距离度量进行公理化证明.采用多个UCI数据集进行实验,将K均值聚类算法分别结合两种邻域粒距离度量,在邻域参数和距离度量两个方面与经典聚类算法进行比较,结果验证了所提出的邻域粒K均值聚类方法的可行性和有效性.     

基于宽度学习系统的短期电力负荷预测方法研究

电力负荷预测已成为电力调度的一项重要工作,也是评估电力企业是否实现现代化的重要指标之一。精准可靠的电力负荷预测数据对合理安排电力企业发电机组启停、降低电力损失、保障社会用电安全和提高电力企业经济效益等方面具有重要意义。短期电力负荷预测是针对短期负荷变化、甚至实时负荷变化,但由于短期负荷变化较为突然,预测难度大。为了提高短期电力负荷预测精确度,本文提出了一种基于宽度学习系统的短期电力负荷预测方法,通过采用邻域粗糙集分类算法,对输入参数进行特征提取,然后采用宽度学习系统对电力负荷历史数据进行离线训练,利用已训练完成的模型实现24h短期负荷预测。研究结果表明,使用本方法可以有效降低MAPE和RMSE,也有效减少了训练时间,提高了模型训练速度,具有优异的预测能力。     

改进 8 邻域节点搜索策略 A ∗ 算法的路径规划

针对传统 A ? 算法所规划路径存在易触碰障碍物,冗余节点过多等问题。 提出了一种改进 8 邻域节点搜素策略 A ? 算法 的路径规划。 首先,在 A ? 算法中改进节点搜索条件,使得获得的节点与周围障碍物节点保持一定安全距离;然后利用垂距限 值法剔除改进后路径上的冗余节点,并保留关键节点;最后,基于关键节点利用 B 样条曲线拟合出一条平滑路径。 在不同规模 的多障碍物地图环境下进行多次实验与对比,结果表明,相比于传统 A ? 算法,提出的改进 A ? 算法,获得的路径节点与障碍物 节点的安全距离平均保持在 0. 46,路径节点平均减少了 66. 8%,有效提升机器人的工作效率和安全性。     

基于相似度阈值模糊聚类的红外区域提取方法

针对输电线路电力设备红外图像热故障区域检测,提出采用一种基于相似度阈值的模糊聚类热故障区域提取方法。在该方法中,改进了传统模糊均值聚类算法的迭代求解方式,采用一种阈值化模糊聚类;其次,通过对目标区域局部邻域像素的相似度聚类分析,并结合其隶属度的计算,确保局部邻域像素在聚类上的相似性。同时,引入了最大相似度阈值准则简化均值的设置以及自高向低的迭代方式,从而提升区域提取效率。最后通过真实输电线路电气设备红外故障图像测试,验证了文中所提方法的有效性和适用性。     

具有同时服务需求的家庭护理人员调度研究北大核心CSSCI

家庭护理服务能有效缓解我国社会老龄化下的养老压力。针对护理人员日常调度问题,考虑服务时间窗、同时服务需求、医护人员等级与客户需求匹配等约束,以总运营成本最小为目标,建立数学模型。设计自适应大规模邻域搜索算法,采用多种移除和插入算法在可行和不可行解空间内进行邻域搜索,利用关系矩阵和时间调整策略加速求解,用模拟退火算法接受邻域解。最后进行数值实验和算法比较,验证算法的有效性。     

双边拆卸线平衡问题优化模型及算法研究北大核心CSSCI

分析大型产品在双边布局拆卸线上的作业情形,构建双边拆卸线平衡问题优化模型,并提出一种变邻域搜索遗传算法进行求解。所提算法针对任务可在左右两边工位并行分配的特点,设计了基于一维正负整数排列的染色体编码方式,以节省存储空间;在个体进化时采用变邻域搜索策略,以拓展搜索范围提高搜索质量;通过设置扰动阈值对个体实施干扰,以加快跳出局部最优。最后,采用不同规模算例验证所提算法的高效性。     

基于改进变邻域搜索算法的多批次协同任务规划

目的 对多批次协同任务进行分析与建模,并研究任务规划的求解算法。方法 以车载装备多批次协同执行任务为例,综合考虑时间协同、任务区域协同和补给区域协同约束,以暴露时间最短为目标函数建立模型,并提出一种改进变邻域搜索算法进行求解,该方法根据邻域的优化能力自动调整迭代时选择该邻域的概率。结果 仿真结果表明,改进策略在不降低最优解质量的情况下,能够避免标准变邻域搜索算法后期易出现某些邻域长时间无法寻找到最优解的情况,有效提高了算法的效率。结论 变邻域搜索算法可以解决多批次任务规划问题,改进后的算法减少了后期对优化能力不强的邻域的搜索次数,有效提升了算法效率。     

一种基于降维密度聚类的船舶异常轨迹识别方法

目的 有效分析和探索海洋船舶时空轨迹行为模式,提高船舶轨迹聚类的效率与质量,更好地检测真实船舶的异常行为。方法 针对当前船舶轨迹数据研究中存在的对多维特征信息利用不足、检测效率不高、检测精度较差等问题,提出一种精确度高、能自主识别分析多维特征的船舶异常轨迹识别方法。首先利用随机森林分类器评估多维特征重要性,构建轨迹特征的最优组合;然后提出一种降维密度聚类方法,将T–分布随机邻域嵌入(T–SNE)和自适应密度聚类(DBSCAN)模型结合,通过构建特征选择层和无监督聚类层实现对数据元素非线性关系的高效提取以及对聚类参数的智能选择;最后根据聚类结果构建类簇特征向量,计算距离阈值判别轨迹相似度,实现轨迹异常检测模型的构建。结果 以UCI数据集为例,降维密度聚类方法对4、13、30、64维特征数据集的F1分数能达到0.9 048、0.9 534、0.8 218、0.6 627,多个聚类指标均优于DBSCAN、K–Means等常见聚类算法的。结论 研究结果表明,降维密度聚类方法能有效提取数据多维特征结构,实现聚类参数自适应,弥补密度聚类中参数难以确定的问题,有效实现对多种类型船舶轨迹异常的识别。