基于稳定匹配的电子中介匹配研究

介绍了稳定性双边匹配的概念,概括了Gale-Sharply和H-R算法求解1-1和1-k的计算过程.考虑商品的多属性,给出了交易者按综合满意程度对满足自己约束对方的排序计算方法.将Gale-Sharply和H-R算法从理论上扩展到"p-k"情况,用来解决电子中介处理稳定的多对多双边匹配问题.最后证明了扩展算法所得结果的稳定性,并给出了算例.     

引入梯度下降的蚁群算法求解多约束服务质量路由

针对目前多数改进蚁群算法求解多约束服务质量路由（QoSR）存在收敛速度慢、易陷入局部最优从而效率不高的问题,提出一种引入梯度下降的蚁群算法（ACAGD）。该算法将梯度下降法引入到蚁群的局部搜索中,结合残余信息素,综合决定蚂蚁的下一跳选择策略。蚁群不仅以一定概率按照信息素浓度搜索下一跳,还将以一定概率按照梯度下降法搜索下一跳,从而降低传统蚁群算法容易陷入局部最优的可能性。利用Waxman网络模型随机生成不同路由节点数量的网络拓扑进行仿真实验。实验结果表明,ACAGD相比其他改进蚁群算法,能够在收敛速度不受影响的情况下,取得综合代价相对较低的路由,且算法的稳定性较好。     

电子中介中的多属性匹配研究

研究了电子中介处理个人之间单件物品交易时的多属性匹配问题。建立了多目标匹配模型,推导了用理想点法求解该模型时,求解其一次距离最小等价于求解原各目标相应系数直接相加所得的单目标指派问题。用有指导随机搜索算法求解了距理想点的二次距离最小。仿真实验表明,变量规模小于65时可以求二次距离最小并得到满意解;而大于65时求一次距离最小更为合适。     

基于合成邻域的蚁群算法求解无委托板坯匹配问题

无委托板坯是指炼钢工序剩余的暂时没有合同对象的板坯. 无委托板坯匹配问题是研究如何将这些板坯合理分配给热轧计划中的合同. 针对实际问题, 建立了多目标优化的0-1整数规划模型. 鉴于其NP-hard特性, 采用蚁群算法(Ant colony optimization, ACO)获得近似解. 根据问题特点, 提出钢级分解策略, 并加入随机扰动策略, 构造了合成邻域以改进算法性能. 目前, 以该算法为核心的决策支持系统已在企业通过应用验证, 与人工匹配相比, 日匹配板坯量平均提高了52.42%, 百吨板坯匹配切损量平均降低了11.36%.     

考虑直觉模糊的多指标人岗双边匹配决策方法

针对现实生活中人岗双边匹配决策问题的特点,基于直觉模糊理论,构建了一种具有不同信息类型的人岗双向选择的多指标评价双边匹配决策模型,并提出了相应的决策方法。通过构造人岗双方匹配满意度计算规则,将包含直觉模糊偏好信息的人岗双边主体评价信息转化为匹配满意度;通过对所有标准下的满意度矩阵的集结,构造人岗双方的满意度矩阵。在此基础上,以人岗双方主体可接受最低水平为约束,构建了一个使双方主体满意度最大为目标的人岗双边匹配多目标决策优化模型。通过一个人岗双边匹配问题的案例证明了该方法的合理性。     

共享经济背景下共享单车数据库的分析与研究

当前,共享单车通过互联网技术、移动支付方式以及运营模式的创新,让单车走出"车棚",实现"共享,其满足了大量短距离出行需求,有效缓解了交通拥堵、环境污染等城市顽疾,使得"共享单车"热迅速风靡到了一二线城市.但在用户量大量增加的同时,其数据库服务器确是问题重重,主要以ofo、摩拜为例,分析了当前共享单车行业的软件层面出现的问题,给出了数据库维护与升级的对策.     

考虑匹配可行性的长期合乘问题建模与求解*

车辆合乘对于减少碳排放、停车位需求以及缓解交通压力具有重要意义。针对长期车辆合乘问题(LTCPP),构建了带有车容量和时间窗约束的多目标优化模型。该模型以最小化用户行驶总距离、用户合乘产生的额外驾驶时间、用户实际启程到达时间与用户期望时间的差距以及最大化匹配可行性为目标。LTCPP是聚类和路由问题的组合,基于该特点,提出了一种分布式聚类蚁群算法(DCAC)求解LTCPP。该算法在蚂蚁行进中基于启发式信息与偏好值产生合乘组,继而采用枚举方法确定用户的最佳行驶路径。最后,在Apache Spark分布式计算框架中进行分布式实现。实验结果表明,该算法能为LTCPP提供高质量的解,并且在处理大规模LTCPP问题上具有明显优势。     

考虑心理期望与感知的多属性匹配决策方法

针对考虑匹配主体心理期望与感知的双边匹配决策问题,提出多属性匹配决策方法.首先,描述匹配主体对另一方匹配主体进行满意度评价时存在心理期望的情形;然后,在此基础上,以匹配主体对各属性的期望作为参考点,获得一方匹配主体对另一方相对于参考点的损益决策矩阵,依据前景理论分别计算出匹配主体之间满意度的综合前景值,并进一步构建双目标优化模型;最后,通过实例分析表明了所提出方法的可行性和有效性.     

多型异构数据下准则具有优先级别的双边匹配决策方法

针对多型异构数据下准则之间具有优先级别的双边匹配决策问题,提出了一种基于集对分析二元联系数和优先集结算子的双边匹配决策方法。首先,给出了一种将多型异构数据同构化为二元联系数的方法;其次,定义了二元联系数优先加权几何平均(BCNPWG)算子;然后,基于BCNPWG算子,提出了一种准则值为多型异构数据且准则之间具有优先级别的双边匹配决策方法。该方法先将多型异构数据匹配满意度矩阵转化为二元联系数匹配满意度矩阵,然后利用BCNPWG算子集结得到双方主体的综合匹配满意度矩阵;进一步地,以双方主体的综合匹配满意度总和最大为目标,构建二元联系数多目标匹配优化模型,并利用线性加权法及二元联系数的期望值和均方差将其转化为单目标匹配优化模型,进而通过求解该模型得到双边匹配结果。最后,通过一个算例说明了所提出匹配决策方法的可行性和有效性。     

基于多价值链协同资源的配件共享供需匹配模型

汽车后市场是目前汽车产业链中稳定增长的发展领域,代理商是汽车后市场的核心,但其普遍存在着库存积压与配件急缺问题,进而极易发展库存与资金周转问题。针对这一现象,进行深入的需求分析设计了面向多代理商的配件跨链共享系统,为代理商提供库存处理及缺件求购的方法途径,并基于加权修正的逼近理想解排序法逼近理想解排序法（Technique for Order Preference by Similarity to an Ideal Solution,TOPSIS）进行配件供需匹配,对平台共享信息进行实时监控与信息流通的促进,从而很大程度上打破代理商间的信息孤岛,促进库存周转。     

一种求解0-1背包问题的快速蚁群算法

0-1背包问题是典型的NP完全问题,且蚁群算法已成功地解决了许多组合优化的难题。因此,文中介绍一种基于蚁群算法求解0-1背包问题的算法,并对此算法进行优化,提出一种求解0-1背包问题的快速蚁群算法。它大大减少了蚁群算法的搜索时间,有效改善了蚁群算法易于过早地收敛于非最优解的缺陷,当物品数较大时,也取得了较好的求解质量。仿真实验取得了较好的结果。     

求解图着色问题的最大最小蚁群搜索算法

针对图着色问题在传统的启发式蚁群算法的基础上提出了一种最大最小蚂蚁系统搜索算法,最大最小蚁群系统将正反馈、分布式计算特点与启发式算法思想有效的结合起来,可以改进信息素更新策略和引入了信息素平滑机制,使得加快了求解的收敛速度,又有效的避免了启发式算法易陷入局部最优。通过给中国地图着色的仿真实验结果表明,方法对图着色问题的求解是可行、有效的;并通过大量的实验证明了算法在求解的效率和求解的稳定性方面优于传统的蚁群算法。     

超视距多目标攻击排序问题的蚁群算法

针对现代超视距空战的指挥决策问题,提出一种基于蚁群算法思想的超视距多目标攻击的优化排序方法。该方法利用蚁群算法的并行计算和全局快速搜索能力,使超视距多目标攻击排序算法能够在限定时间内获得满意解,并给出应用该方法的具体实现步骤。仿真实验说明了该算法的有效性,特别当问题规模较大时,该算法具有较快的收敛速度和较高的精度。     

求解多车辆装载问题的启发式改进蚁群算法设计

针对启发式优化算法不能较理想地对多车辆大规模装载问题进行优化的局限性,文章设计了一种启发式改进蚁群算法,该算法将单车辆的启发式装载与多车辆装载时的蚁群优化算法有机结合,较好地解决了多车辆大规模装载问题。经过实例验证,该算法具有较高的计算效率和较好的收敛特性。     

蚁群算法求解装配线平衡第一类问题

装配线平衡问题是生产管理中重要且较难解决的问题,其中第一类问题是装配线平衡问题的关键问题。本文通过对装配线平衡问题的分析与建模,提出了利用蚁群算法这种人工智能优化算法求解一般装配线平衡第一类问题的步骤和算法。采用启发式的方法构造分配方案的生成策略,并对信息素的更新采用局部更新与全局更新相结合的规则,从而使得该算法具有较好的目的性,大大提高了获得最优解的效率。通过该蚁群算法能得到装配线平衡第一类问题质量较优的解,且有速度快、鲁棒性、通用性等优势。     

一种求解TSP问题的改进蚁群算法

针对基本蚁群算法存在收敛速度慢,易陷于局部最优解等缺点,提出了一种求解旅行商(TSP)问题的改进蚁群算法。通过在基本蚁群算法中提出保留最优解和引入个体差异策略的改进方法,有效地抑制了算法收敛过程中的停滞现象,提高了全局搜索能力和解的质量。TSPLIB的实例验证了该改进算法的有效性。     

基于改进型蚁群算法求解车辆路径优化问题的研究

针对蚁群算法在求解路径优化问题中存在收敛速度慢、易陷于局部最优路径等缺点进行了局部改进和优化,通过建立最近邻配送点矩阵来降低蚁群搜索空间,提高收敛速度。实验结果表明,改进型蚁群算法性能显著提高,能在较短时间内求得车辆路径问题较为满意的最优解。     

基于蚁群算法车辆导航系统路由选择问题的研究

利用蚁群运动的遍历性、随机性和规律性特点,分析了车辆导航系统路由选择问题的蚁群优化算法,仿真结果 表明该方法是一种简单有效的算法。     

蚁群算法求解旅行商问题综述*

蚁群优化是一种元启发式的随机搜索技术,是目前解决组合优化问题最有效的工具之一。旅行商问题（TSP）是一个典型的组合优化问题,易于描述却难于求解。在介绍了求解旅行商问题的三种经典的蚁群算法的基本原理后,着重分析了蚁群算法的发展现状,总结出蚁群算法发展的五个方向,即基于局部优化算法的蚁群算法、对路径上的信息素更新方法进行改进、蚁群算法与其他算法的融合、对蚁群算法的控制参数进行优化和并行蚁群算法。而且这五个方向有相互融合的趋势。