基于云计算神经网络物流车辆调度算法研究

研究了物流车辆调度优化问题。针对云计算下任务调度算法没有考虑调度的服务质量和用户满意度的问题,特别是在物流任务调度问题中存在复杂的计算网络,造成计算率降低,为了解决上述问题,提出了一种新的有关云计算和神经网络相结合的物流作业调度算法。算法充分考虑了调度的服务质量以及用户满意度,建立一个参数化的处理模型,计算用户在各个资源上的综合满意度,再将任务分配到满足用户需求和使系统资源达到均衡的资源上执行,最后采用改进的神经网络进行优化车辆调度。实验结果表明,改进算法不仅能满足用户的多种需求,提高了用户的满意度,同时也提高了资源调度率和系统资源的利用率。     

基于VMD与MOGOA-LSTM的短期负荷预测模型

为了提高短期负荷预测的准确度,降低非平稳信号对模型预测造成的影响,提出一种集数据挖掘和多目标优化网络于一体的短期负荷预测模型。该方法将电力负荷数据通过变分模态分解技术分解成若干个不同频率的模态分量,采用相间重构方法动态确定人工神经网络的训练测试比和神经元设置,采用长短期记忆神经网络对各分量进行模型搭建,并在长短期记忆神经网络的基础上加入多目标蝗虫智能优化算法来优化网络内部参数,累加所有分量模型预测的值,实现短期负荷预测。仿真结果表明,与统计学方和混合模型相比,本文提出的模型在短期预测方面的预测精度较高、泛化能力更强。     

人工智能在入侵检测系统中的应用

人工智能技术在滥用检测和异常检测中都起了重要作用。文章介绍了目前应用于入侵检测系统中的主要的人工智能技术即专家系统、人工神经网络、数据挖掘技术、人工免疫技术、自治Agent、数据融合等技术,可以相信入侵检测和人工智能的紧密结合必会极大地提高现有入侵检测系统的性能,同时促进更多人工智能算法的提出并应用于入侵检测这个新的领域。     

基于PCA和IFOA-BP神经网络的股价预测模型

针对基于BP神经网络的股票价格预测模型在价格预测时存在较大误差的问题,在BP神经网络方法的基础上引入了主成分分析方法(PCA)和改进的果蝇算法(IFOA),提出一种基于PCA-IFOA-BP神经网络的股票价格预测模型。通过PCA对股票历史数据进行降维,减少冗余信息;采用改进的果蝇算法优化BP神经网络的初始权值和阈值;建立基于PCA和IFOA-BP神经网络的股票价格预测模型。对上证指数股票价格数据进行仿真验证,仿真结果表明:在股票价格预测中,该模型比BP神经网络、PCA-BP和PCA-FOA-BP的预测精度更高,是一种有效可行的预测方法。     

基于人工蜂群算法的计算机网络DDoS攻击检测方法

计算机网络在DDoS入侵下容易出现停止服务、网络崩溃,为了提高网络安全性,提出基于人工蜂群算法的计算机网络DDoS攻击检测方法。根据特征样本之间的相关性构建计算机网络DDoS攻击的自适应的入侵检测信息分析模型,根据网络数据流与潜在空间之间的映射关系,结合测试样本和学习样本之间特征差异性进行DDoS攻击数据特征提取,在基站上设置入侵检测数据处理终端,采用人工蜂群算法实现对计算机网络攻击检测的个体最优值和全局最优值寻优,根据人工蜂群的动态寻优和组合优化结果,实现对组合网络流量数据间的攻击信息特征提取和聚类分析,解决计算机网络DDoS攻击检测过程中的连续多变量优化问题。仿真测试结果表明,采用该方法进行计算机网络DDoS攻击检测的寻优能力较好,精度和效率高于传统方法。     

一种改进的径向基神经网络预测算法

神经网络是数据挖掘的常用的方法之一,主成分分析方法是统计学多元分析中的一种分析多个变量间内在关系的方法。将主成分分析预处理方法与神经网络结合起来使用,可以分析原始变量间关系,将原始数据降维,减少数据规模。对神经网络算法和主成分分析相关理论进行了研究,在此基础上,结合大量的气象数据和北京的传染病数据,提出了一种改进的基于主成分分析预处理结合神经网络算法的数据挖掘方法。通过对比实验测试,本文提出的组合算法在收敛速度及预测准确性方面的性能有了很大程度提高。结合国家重大专项疾病预测项目,将该方法应用于其中的流行性传染病的预测上。     

Data mining approach for supply unbalance detection in induction motor

This paper describes an approach for detection of the supply unbalance condition in induction motors by using data mining process. Simulation results have shown that a good indicator of the fault is the amplitude of the second harmonic of the supply frequency component (2f) in the signal obtained by the differences in supply current zero crossing instants. In the study, linear regression (LR), pace regression (PR), sequential minimal optimization (SMO), M5 model tree, M5’Rules, KStar, additive regression and back propagation neural network (BPNN) models are applied within the data mining process for determining the condition of the motor supply voltage. All data mining algorithms were applied using WEKA software. The best result for the determination of the fault related dominant parameter was obtained by using the M5P algorithm model.     

基于神经网络的丙酮产品质量分类挖掘

针对丙酮精制过程的特点,提出一种基于神经网络的丙酮产品质最分类挖掘方法。首先,讨论了数据挖掘中自变量筛选的方法,包括相关性分析、Fisher指数分析、主成分回归分析以及偏最小二乘回归分析等,综合各种疗法分析的结果,对丙酮精制过程中众多的工艺影响因素进行了重要性排序并据此筛选出重要的自变量;以选入的变量作为输入变量,构造基于神经网络的产品质量分类器。实验结果表明,训练后的神经网络分类器在丙酮产品质量分类挖掘中取得了良好的效果。     

面向快递终端的物流配送服务系统设计

针对传统的物流配送服务系统存在物流路径开销大、配送效率较低等问题,提出一种面向快递终端的物流配送服务系统改进设计方法。结合路径优化控制进行物流路径规划,建立物流配送服务网络移动快递终端节点分布模型,采用智能路径规划方法,实现物流配送服务系统的快递路径规划优化。在算法设计基础上,结合C/S面向对象模型进行物流配送服务系统的软件开发设计,物流配送服务系统的软件包括数据库管理模块、信息集成处理模块、人机交互控制模块和终端服务模块等,结合RFID射频识别和APP技术,实现系统优化设计。测试结果表明,采用该方法进行物流配送服务系统设计,降低了物流路径开销,提高了物流配送的效率。     

物流服务供应商选择的双层规划模型及云遗传算法*

在物流服务供应链体系下,针对功能型物流服务供应商的选择问题,提出了使用双层规划模型分析方法。上层规划以集成物流服务供应商的外包业务成本最低为目标,下层规划以客户服务满意度最大为目标。其中,在下层规划中提出客户服务满意度指数模型,并借助熵权法对模型中的各外显指标进行赋权,进而得出客户服务满意度指数。最后,结合模型特点设计了云自适应遗传算法,并借助算例验证了模型和算法的有效性。     

基于改进GA的神经网络航班保障时间估计

准确估计航班保障服务时间可以极大提高地面航班保障服务效率。采用主成分分析(PCA)方法降低变量间的相关性,考虑到BP神经网络的网络结构难以确定,且网络初始权重、阈值随机,提出改进的遗传算法来优化BP神经网络的结构,初始权重、阈值,建立自适应多层遗传算法(AMGA)的BP神经网络航班保障服务时间估计模型。为验证所提AMGA-BP算法的性能,以国内某枢纽机场航班保障服务时间作为研究对象,与传统的GA-BP、BP两种算法做对比实验,进行航班保障服务时间估计,实验结果表明,AMGA-BP算法比BP算法和GA-BP算法精确度更高。     

基于改进的NSGA-II多目标优化方法研究*

针对传统多目标优化算法在其领域存在的多个子目标不能同时取优的问题,提出了一种基于改进的非支配排序遗传算法（Non-dominated Sorting Genetic Algorithm-II, NSGA-II）多目标优化方法,以多目标优化遗传算法为基础,多输入多输出的反向传播（Back-Propagation, BP）神经网络为适应度函数评价体系,保证算法快速收敛并搜索到全局最优解集,该算法在建模前对实验数据进行主成分分析,降低了运算时间和算法难度,通过在遗传进化过程中引进正态分布交叉算子（Normal Distribution Crossover, NDX）和改进的自适应调整变异算子,实现了多个目标同时取优,保证Pareto最优解集快速、准确地获取。仿真实验使用UCI数据集,通过与其他常用的多目标优化算法对比,验证了改进的NSGA-II算法精确度更高、收敛速度更快、稳定性更强。     

考虑碳排放的冷链物流轴幅式网络多目标优化

针对传统冷链网络优化模型忽视碳排放量的不足,基于绿色物流、共享经济的相关理念,在轴幅式理论下对多个区域的冷链配送进行资源整合后进行共同配送,提高冷链配送车辆的满载率。同时,构建考虑碳排放成本在内的总成本最小和最大化客户满意度的多目标优化模型,达到降低总成本和满足客户最大满意度的目的,实现经济效益和环境效益共赢的状态。以客户满意度来表示物流网络系统的可靠性和服务质量,并结合易腐品的新鲜度对时间的敏感性,引入货损成本。最后,设计粒子群算法对其进行求解。通过算例对比验证了模型与算法的有效性,有效解决冷链物流网络的网点布局和运输配送问题。     

基于改进神经网络的非满载车辆路线优化模型

货物流通过程中,目前流行的车辆调度方式--基于简单的神经网络模型设计,造成运输成本的浪费。提出了一种基于改进神经网络的非满载车辆路线优化挖掘模型,来解决运输过程中的非满载车辆调度优化问题。改进的模型通过对非满载车辆时域长度和空域概率的加权、对神经网络稳定状态进行约束、建立非满载车辆起点和终点函数方程生成改进算法配送模型,并通过对新模型进行时间窗加权,合成了改进神经网络非满载车辆挖掘模式。仿真结果表明,该挖掘模型与传统的神经网络计算方法相比,能够提高非满载车辆路线选择效率和正确性,取得了较好的效果。     

基于Adam-BNDNN的网络入侵检测模型

针对传统入侵检测算法检测精度低、误报率高等问题,提出了一种融合批量规范化和深度神经网络的网络入侵检测模型。该模型首先在深度神经网络隐藏层添加批量规范化层,优化隐藏层的输出结果,然后采用Adam自适应梯度下降优化算法对BNDNN参数进行自动优化,提高模型检测能力。并使用NSL-KDD数据集进行仿真实验,结果表明该模型的检测效果优于SNN、KNN、DNN等检测方法;整体检测率可达99.41%,整体误报率为0.59%,证明了模型的可行性。     

基于组件技术和遗传小波神经网络的智能建模系统研究

本文对已有的人工神经网络、小波分析、遗传算法的建模方法进行组合利用和加以改进,建立了智能信息处理器。该系统将大量的观测数据进行小波去噪等预处理后,作为小波神经网络模型的输入训练样本数据,网络训练中利用遗传算法动态修改网络结构和参数,并避免神经网络训练速度慢、容易陷入局部极值的缺点,从而完成数据挖掘和复杂的非线性建模功能;同时以智能信息处理器为基础,基于GIS平台利用组件技术建立扩展性强的智能建模系统。最后以某灌区水资源管理过程中的径流预报为例进行仿真实验,验证了方案的可行性和有效性。     

多等级蓄意攻击下的第三方物流可靠性网络设计

在考虑多等级蓄意攻击的情况下,研究第三方物流(3PL)可靠性网络设计问题.建立问题的多层优化模型:3PL网络设计模型在可靠性约束下通过开设不同安全等级的物流设施来最小化总物流成本;蓄意攻击模型选择不同等级的攻击策略使网络的服务水平最低;网络流决策模型可最大化网络受攻击后的服务能力.根据问题模型的特点,设计改进两层人工蜂群(ABC)算法,上层ABC算法求解3PL网络设计问题,下层ABC算法求解蓄意攻击优化问题.网络流决策问题则通过网络流算法进行求解.最后,通过仿真实验来验证所提出模型的合理性及算法的有效性.     

Prediction of service life of large centrifugal compressor remanufactured impeller based on clustering rough set and fuzzy Bandelet neural network

In order to predict the service life of large centrifugal compressor impeller correctly, the rough set and fuzzy Bandelet neural network are combined to construct the novel prediction model which can give full play to theirs advantages. The attribute reduction algorithm based rough set and clustering method is firstly designed to optimize the inputting variables of fuzzy Bandelet neural network. And then the prediction model based on fuzzy Bandelet neural network is proposed, the Bandelet function is used as the excitation function of hidden layer and is combined with fuzzy theory to improve the prediction effectiveness of the prediction model. The training algorithm of fuzzy Bandelet neural network is designed based on improved genetic algorithm, the improved genetic algorithm introduces the adaptive differential evolution method into the traditional genetic algorithm, which can effectively optimize the parameters of fuzzy Bandelet neural network. Finally, the original 30 input variables of fuzzy Bandelet neural network are reduced to 9 input nodes based on rough set using 500 remanufacturing impellers as research objects. The service life of remanufacturing impeller is predicted based on three prediction models, and simulation results show that the fuzzy Bandelet neural network optimized by improved genetic algorithm has highest prediction precision and efficiency, which can correctly predict the service life of remanufacturing impeller.     

用Scilab实现基于人工神经网络的数据分类

运用人工神经网络中的简单感知器模型和Widrow-Hoff学习法则，借助Scilab具体实现数据分类。通过对数据挖掘中数据分类的一个重要分类方法——人工神经网络方法的研究，证明了人工神经网络在数据分类中具有很大的潜力和优越性。     

模糊时间窗VRP的动态规划和禁忌搜索混合算法

为优化具有模糊时间窗的车辆路径问题,以物流配送成本和顾客平均满意度为目标,建立了多目标数学规划模型。基于Pareto占优的理论给出了求解多目标优化问题的并行多目标禁忌搜索算法,算法中嵌入同时优化顾客满意度的动态规划方法,运用阶段划分,把原问题分解为关于紧路径的优化子问题。对模糊时间窗为线性分段函数形式和非线性凹函数形式的隶属度函数,分别提出了次梯度有限迭代算法和次梯度中值迭代算法来优化顾客的最优开始服务时间。通过Solomon的标准算例,与次梯度投影算法的比较验证了动态规划方法优化服务水平的有效性,与主流的NSGA-II算法的对比实验表明了该研究提出的多目标禁忌搜索算法的优越性。