求解组合优化问题的一种新的宏启发式算法：IBS

随着科学研究和工程技术的发展，许多科学研究领域和工程应用问题都涉及到了一些组合优化问题，而这些问题中存在着大量的NP难解(NP—hard)问题，所以NP难解问题的研究具有十分重要的理论意义和广泛的应用背景，而其研究成果对科学研究的发展以及国民经济的建设都起着极大的推动作用。     

启发式搜索问题研究

探讨了问题空间中的启发式搜索技术,给出了构造启发式函数的基本方法,指出提高启发能力的措施和影响启发式搜索效率的主要因素。     

基于启发式算法的集装箱配载问题的研究

集装箱配载是一个复杂的组合优化问题，属于NP完全问题，求解难度大．在考虑实际应用中的约束条件下，采用整体装填、空间分割、装载间隙合并等策略，提出了一种基于启发式算法的集装箱配载问题的解决方案．运用举例和对比分析验证了该算法的有效性，能够直接应用于物资的集装箱配载．     

集装箱堆场不确定提箱次序与卸船箱位分配

为优化卸船箱箱位分配,减少集装箱码头堆场卸船箱翻箱率,考虑客户提箱次序随机和不确定性,提出了利用箱组存箱时间构建客户提箱次序的方法,探讨了基于提箱次序的集装箱翻箱量求解,并建立了集装箱码头堆场卸船箱箱位整数规划模型,在堆场区段内为卸船箱分配箱位,降低提箱时的翻箱量.考虑到模型较优解箱组堆放特点,设计了求解模型的启发式算法.实验结果表明,提出的模型和启发式算法能反映决策者的风险态度,目标函数较参考算法有10%以上改善.     

启发式教学与创新能力的培养

在国家教育部发布的《关于深化教学改革、培养适应21世纪需要的高质量人才的意见》中指出：“在教与学的关系上，树立学生是教学活动的主体，更加重视学生独立学习能力和创新精神培养的思想。”因此．如何利用大学课堂这个主要阵地，培养学生的创新能力，成为每一个高校教师所共同关注的问题。     

农业类高校专业课程启发式教学新模式的探讨

概述了启发式教学模式的概念、发展历史及应用启发式教学方式的必要性,并对一种适用于农业类高校专业课程启发式教学新模式进行了分析,旨在为其在农业类高校人才培养及专业课教学提供依据.     

缓冲区有限的流水车间调度问题的启发式算法

针对缓冲区有限的流水车间调度问题,分析了目标函数的特征,及目标函数与工件空闲时间之间的关系,设计开发了启发式算法。算法将以Makespan为目标函数转化成以最小化机器空闲时间为目标函数,并以此为基础构造初始加工序列,再通过贪婪排序与插入寻优消除缓冲区受限约束并寻找问题的近优解。仿真实验结果表明,算法在求解质量和计算时间方面明显优于其他几种排序规则,并体现了目标函数表达式结构的特性及对解的适应性。     

基于类扩张矩阵的信息系统特征选取

特征选取是一个NP-Hard问题。为了快速完成信息系统的一个最小特征选取，引入了类扩张矩阵的定义。通过类扩张矩阵的元素表示对象的差异，并利用逻辑上包含关系，有效浓缩类扩张矩阵。最后，以类扩张矩阵的统计信息为启发式信息，在浓缩类扩张矩阵中实现一个最小特征子集的快速求解。通过理论分析和实验，证明了该特征选取方法的高效性。     

基于数据挖掘的启发式抽样方法研究

在数据挖掘中应用抽样技术,可以显著提高数据挖掘任务的效率.通过采用不同的抽样方法,使得数据挖掘算法可以针对比原始数据集小得多的样本数据集进行分析,从而大幅度提高性能.随之而来的问题就是,由于采用了抽样方法,在大幅提高性能的同时,对分析的精确性就会产生影响.如何选取合适的反映总体数据水平的样本成为数据挖掘中的关键问题.传统意义上的抽样大多采用单一的抽样方法,进行单一抽样,抽取的样本在一定程度上具有局限性.本文对传统抽样方法和样本容量的选取进行总结,对传统的分层抽样思想进行改进,提出了一种新的基于数据挖掘的启发式抽样思想,大大提高了抽取样本的精确性.