时间依赖的网络中最小时间路径算法

时间依赖的网络与传统网络模型相比更具有现实意义，具有广泛的应用领域，交通网络和通信网络可以抽象为时间依赖的网络模型，当模型中弧的工度是时间依赖的变量，最短路径问题的求解变得非常困难，早期的研究者通过具体的网络实例认识到传统最短路径算法在这种情况下是不正确的，因此给出限制性条件使得传统最短路径算法是有效的。该文从最短路径算法的理论基础入手，从理论上证明了传统最短路径算法，如Dijkstra算法和标号设置算法，在时间依赖的网络上不能有效地求解最短路径问题，并且，在没有任何限制性条件下，给出了时间依赖的网络模型，理论基础，求解最小时间路径的优化条件和SPTDN算法，从理论上证明了SPTDN算法的正确性，算法的实验结果是正确的，最后给出了时间依赖的网络应用实例。     

OAO-SVMs的训练时间性能分析及算法改进

支持向量机（SVM）算法是统计学习理论中最年轻的分支。结构风险最小化原则使其具有良好的学习推广性。但在实际应用中，训练速度慢一直是支持向量机理论几个亟待解决的问题之一，这一点在SVM向多类问题领域推广时表现的尤为明显。文中将从样本分布与类别数量两方面人手，对传统的SVM多分类OAO算法进行训练时间性能上的分析，并引入分层的思想，提出传统OAO—SVMs算法的改进模型H—OAO—SVMs。通过与其他常见多分类SVMs训练时间的比较表明：改进后的H—OAO—SVMs模型具有更优的训练时间性能。     

基于改进BP的GDP预测研究

GDP时间序列具有线性和非线性的双重特征,所以传统统计预测方法、神经网络方法和集成预测方法都在预测分析时准确性不高,误差较大。文章提出由GDP时间序列,找出只具有非线性特征的GDP年增量百分比序列,以此建立基于BP的预测模型,对我国的GDP进行预测,仿真实验表明,改进的BP模型预测准确率明显优于目前的ARIMA-BP集成模型及单一BP模型的预测准确率,从而证实了改进的BP模型用于GDP预测的有效性。     

基于梯度的深度网络剪枝算法

深度神经网络模型通常存在大量冗余的权重参数,计算深度网络模型需要占用大量的计算资源和存储空间,导致深度网络模型难以部署在一些边缘设备和嵌入式设备上。针对这一问题,提出了一种基于梯度的深度网络剪枝(GDP)算法。GDP算法核心思想是以梯度作为评判权值重要性的依据。首先,通过自适应的方法找出阈值进行权值参数的筛选;然后,剔除那些小于阈值的梯度所对应的权值;最后,重新训练剪枝后的深度网络模型来恢复网络精度。实验结果表明:在CIFAR-10数据集上,GDP算法在精度仅下降0.14个百分点的情况下,计算量减少了35.3个百分点;与当前流行的PFEC算法相比,GDP算法使网络模型精度提高了0.13个百分点,计算量下降了1.1个百分点,具有更优越的深度网络压缩与加速性能。     

一致性全局快照与稳定属性检测算法研究

文中首先介绍了分布式算法的相关概念和分布式算法的分类，然后根据同步模型和异步模型的特点，分别讨论了两种模型的研究方法，重点研究了异步网络模型中的一致性全局快照与稳定属性检测的问题，详细解释并改进了异步网络模型A算法的终止检测镜像算法，同时分析了算法的时间及通信复杂度。     

基于遗传算法的多目标的有时间窗的车辆调度

对传统有时间窗的车辆优化调度问题进行了分析，指出了其中存在的问题。提出了一个以最大的顾客满意度和最小的费用为目标的多目标模型，给出了具体的操作步骤。从遗传算法的角度分析了该模型在最坏和最好情况下的时间复杂度。仿真结果和在某物流公司的实际应用证明该算法是可行的，且有较好的时间和优化性能。     

周期时间特性的角色访问控制*

针对传统的RBAC模型不能表达时间特性安全访问控制约束的缺点,提出了一个带有周期时间特性的安全访问控制模型。在传统的RBAC模型的基础上定义了周期时间特性的角色访问控制,分析了模型的一致性状态,讨论了一致性状态维护问题,并针对周期时间约束问题提出的相应算法解决了时间授权约束和会话的状态,极大地提高了系统的访问控制能力。     

演化算法求解近似最大匹配问题的时间复杂性分析

虽然演化算法已经广泛地被用于求解不同的组合优化问题，但是对于其时间复杂性目前仍然了解得比较少。最近，在这方面有了一些初步的研究，然而迄今的结果大多局限于讨论一些简单的演化算法(如(1 1)类型的演化策略)和人造的模型问题(如二进制类型的示例问题)，很少涉及到使用种群、杂交操作演化算法和传统的组合优化问题。因此，理论上需要分析演化算法，求解一些典型的组合优化问题的时间复杂性。     

数据网格下基于时间戳的副本一致性模型研究

分析了目前数据网格环境下的副本一致性研究现状,提出一种基于时间戳的副本一致性模型（Replica Consistency Model Based on Timestamp,RCMTS）,克服了分布锁带来的时间延迟问题,并在模拟环境OptorSim下与其他几种传统的模型算法进行比较,实验结果表明该模型比传统算法更适合于网格环境中保持副本的一致性。     

一种基于效用最优的计算网格资源调度算法

针对具有时间和费用约束的网格资源调度问题，通过分析任务的执行时间和执行费用与用户效用函数的关系，建立了效用函数模型，在此基础上提出了一种针对task farming应用程序模式的基于效用函数最优的启发式调度算法——效用最优调度算法。实验表明，与费用 时间均衡调度算法相比，本算法能给用户带来更高的效用。     

基于主—从两级遗传算法的港口散货物流铲车调度

港口散货物流中,在考虑铲车能力约束条件下合理的铲车调度将提高整体的运作效率,并增强顾客满意度。通过分析货位上待服务的货车与有能力约束的铲车之间的关系,提出了利用主—从级遗传算法解决该类有能力约束的铲车调度问题。首先,建立了以缩短顾客停留时间为目标的数学模型。其次,设计了主、从递阶型式的两级遗传算法。算法中,主级求解铲车到货位的分配问题,从级求解主级所分配铲车能力约束下的货车服务次序及服务时间。另外,为避免非可行解产生,在主从级遗传算法的解码中均设计了启发式规则和惩罚函数。最后,通过一个应用实例的对比实验分析验证了此算法的有效性,并将最优解通过甘特图的形式展现出来。     

Operating room scheduling with Generalized Disjunctive Programming

This paper addresses the short-term scheduling problem involved in the selection of a subset of elective surgeries from a large waiting list. In order to overcome the combinatorial complexity, a decomposition algorithm is proposed that relies on two continuous-time Generalized Disjunctive Programming (GDP) models. More specifically, there is an upper-level planning model to select surgical assignments to operating rooms and a lower-level constrained scheduling model to synchronize surgeons operating in different rooms on a given day. The GDP models are reformulated using standard convex hull and big-M techniques so as to generate the most efficient set of integer or mixed-integer linear programming constraints. Through the solution of a set of real-life instances from the literature, we show that the new algorithm outperforms a full-space discrete-time formulation and a genetic algorithm, improving the total surgical time as well as the number of performed surgeries by 5%.     

基于特征向量的多用户检测

最优多用户检测具有指数级的计算复杂度,不能实际应用.为了缩短多用户检测时间,达到实时性的要求,提出一种将最优多用户检测的解转化成特征向量的方法,直接利用幂法计算特征向量.首先利用拉格朗日乘数法将具有约束条件的最优多用户检测优化模型转化为无约束的优化模型,然后将无约束的优化模型转化为一个代数方程组,最后对该代数方程进行同解变形,从而将最优多用户检测的解转化为特征向量.仿真结果表明,该方法能大大缩短检测时间,而在误码率、抗远近效应和增加系统容量方面的性能较之传统方法和粒子群算法也有一定的提高.     

汽车零部件Milk-run车辆调度优化模型和算法

为了寻求汽车零部件采用循环取货时车辆的最优路径,提出将每个供应商零部件循环、分批提取使车辆尽可能满载的建模思路,建立具有车辆容积、车辆到达时间窗、供应商供货动态时间窗、车辆最大行程约束的车辆调度优化模型,设计了用于求解该模型的改进启发式节约算法。最后通过算例验证了多重约束模型及算法的有效性。     

约束维特比译码的算法与在其二进制均衡信道中的性能研究

约束维特比算法是利用已知的正确信息，对维特比算法进行改进。本文针对约束维特比算法进行了探讨，并对其性能进行了仿真实验。仿真结果证明，在二进制均衡信道中当采用约束维特比算法时，性能得到了较大的提高。     

基于快速反射镜的自适应控制算法研究

捕获、跟踪和瞄准(ATP)系统是进行高速大容量激光通信的核心,在长距离激光通信中大气等外界扰动产生的光斑抖动严重影响了激光通信终端间的精确对准,大大降低了通信链路的稳定性和通信质量.为抑制光斑抖动造成的影响,提高对目标的跟踪精度,提出一种改进的快速反射镜(FSM)控制方法.分析了自适应控制和常规比例-积分-微分(PID)控制的特点,并论述了结合两种算法进行复合控制的优势,根据李雅普诺夫(Lyapunov)理论提出参考模型自适应PID控制算法,并对常规PID和参考模型自适应PID复合控制算法进行仿真分析和对实际光斑抖动的闭环跟踪实验.实验结果显示:自适应PID控制器获得的超调为2％,上升时间为3 ms,跟踪精度优于2μrad,全面优于常规PID控制算法.与传统PID控制相比,文中提出的控制算法对抑制光斑抖动具有更好的控制效果.     

供应链中二级分销网络优化设计的模糊机会约束规划模型

提出了供应链中二级分销网络优化设计的模糊机会约束规划模型. 模型中将各个需求地对产品的需求量以及各分厂的生产能力等难于确定的参数看成是模糊参数, 并进一步讨论了如何将模型中的机会约束清晰化. 文中还讨论了采用启发式算法同分枝定界法相结合以提高问题的求解速度.     

A PSO-BASED MULTIVARIABLE FUZZY DECISION-MAKING PREDICTIVE CONTROLLER FOR A ONCE-THROUGH 300-MW POWER PLANT

Model predictive control is an available method for controlling large-lag process in power plants, but conventional constrained predictive control cannot deal with the widely existent uncertainties and nonlinearities in power plants. With the help of the fuzzy set theory, this article proposes a new constrained predictive control algorithm based on Fuzzy Decision-Making Method (FDMPC). Compared with the other traditional constrained predictive control, this new algorithm replaces the conventional objective function with the appropriate fuzzy index function. As a result, it is easy to integrate the constraints into the fuzzy index function, which can greatly reduce the complexity of the optimization. Then a new evolutionary computation method named particle swarm optimization is firstly applied into the design of a model predictive controller. Moreover, this article also demonstrates that the conventional predictive control is actually a particular case of the proposed algorithm even though in the MIMO case, so this new algorithm is an extension of the traditional constrained predictive control strategy. At last, the proposed FDMPC has been applied into a real once-through power unit model, and the simulation results have validated the good control performance of the proposed FDMPC.     

Path-Based Dynamic User Equilibrium Model with Applications to Strategic Transportation Planning

Networks and Spatial Economics - This study proposes an analytical capacity constrained dynamic traffic assignment (DTA) model along with an efficient path-based algorithm. The model can be applied...     

Scheduling a single machine with concurrent jobs for the frozen food industry

This study examines the air blast freezing process of the frozen food industry, which processes multiple products with variable processing rates. The analysis depicts a new, single machine-scheduling problem in which the machine can process multiple jobs concurrently, within its capacity. The machine processes independent jobs arriving at various times while incurring interruption costs when allowing the jobs to enter or leave the machine. A mixed integer linear programming (MILP) model and a heuristic algorithm are developed for scheduling, the objectives of which are to minimize the costs associated with machine activities including that of waiting to load, waiting to unload and interruption time. The heuristic algorithm demonstrates the high potential of the computational time savings by obtaining the solution within one-fifth of the mathematical model computational time.