一类具有随机远程感染机制的SEIRS传播模型

提出了一类具有随机远程感染机制的SEIRS传播模型:在潜伏节点、感染节点分别以一定概率感染邻居节点的同时,分别以一定概率随机感染不存在边连接的陌生节点,且被感染的节点将进入潜伏状态.利用平均场理论得出了模型相对应的临界阈值,并对其进行仿真.理论分析和数值仿真结果表明,增大节点的随机感染密度将使临界阈值减小,网络中潜伏、感染节点的比例会显著增加,可有效地提高网络的传播效率.     

求解需求可拆分车辆路径问题的改进的金字塔演化策略

为了更加合理地求解需求可拆分的车辆路径问题（SDVRP）,克服传统先路径后优化两阶段的求解方法容易陷入局部最优的缺点,以及解决智能优化算法在优化阶段未能将竞争与协作有机地融合为一体的问题,以配送路径最短和配送车辆最少为优化目标,提出了一种改进的金字塔演化策略（IPES）。首先,以金字塔为基础,提出了求解SDVRP的编码、解码方式以及层级间的协作策略;其次,根据遗传算法的随机、“适者生存”的高度并行、自适应等特点,以及金字塔结构各层分工不同,设计了一种适合SDVRP的自适应邻域算子,使得算法能够快速收敛到最优;最后,得到最优解。相较于分段求解算法、聚类算法、粒子群算法、人工蜂群算法、禁忌搜索算法,四个仿真实验的结果表明,在求解各案例的最优路径时,所提IPES的求解精度分别至少提升了0.92%、0.35%、3.07%、9.40%,验证了在求解SDVRP时,IPES具有良好的性能。     

基于GEP的高速公路通行费预测方法研究

高速公路通行费未来收入状况的预测对于高速公路运营管理、建设规划有着重要的指导意义。然而,通行费收入水平的变化受到多方面因素的影响,具有较强的非线性和复杂性,传统预测模型无法准确表达通行费收入的发展规律。本文针对复杂的高速公路通行费预测问题,建立了基于基因表达式编程算法(GEP)的高速公路通行费预测模型。该模型利用GEP算法建立通行费当前收入与历史数据之间复杂的函数关系,准确地刻画通行费收入随时间的发展规律。此外,针对节假日期间通行费减免政策的影响,提出了有效的修正模型。最后,本文采集了浙江沪杭甬高速公路股份有限公司等12家公司通行费收入的历史数据进行仿真实验,对比传统的ARIMA以及神经网络预测模型,结果充分验证了本文算法的有效性和准确性。     

网络拓扑结构的数学模型及遗传算法

提出了网络拓扑结构的定义。 以ATM网络问题为例建立了优化问题的数学模型,并描述了用遗传算法并行求解该问题的方法。该方法较圆满地解决了既考虑经济效益又考虑需求的ATM网络问题。该问题的研究对实际应用及推动动态网络的研究有十分重要的意义。     

车辆导航系统的动态最优路径搜索模型及算法

根据车辆导航系统提供的周边交通信息来确定当前位置到达目的地的最优路径，是现代交通管理的一个热点难题。由于道路交通状况的时变性和不确定性以及道路状况的复杂性，使得求解此类最优路径十分困难。对于动态网络，传统算法往往存在着严重的不足，结合遗传算法的特点，建立求解动态最优路径模型及算法，实验结果表明，该方法可以有效地解决动态最优路径问题，具有理论参考价值和实际意义。     

演化计算中的种群隔离与自聚集

通过对局部最优吸引域的分析,说明了种群隔离的作用.以局部演化的方式,实现了种群间分离与种群内自聚集,使多峰函数优化问题转化为单峰函数优化问题.结合在单峰函数优化中收敛速度较快的、基于空间划分的（μ 1）演化方法作为基本的演化操作,提出了种群按照吸引域自动分离与聚集的演化算法.最后给出了运算实验的结果.     

基于动态压力控制算子的磷虾群算法

针对基础磷虾群（KH）算法在求解复杂函数优化问题时局部搜索能力差、求解精度低、收敛速度慢、容易陷入局部最优等问题,提出一种基于动态压力控制算子的磷虾群算法（DPCKH）。该算法将一种新的动态压力控制算子加入了标准磷虾群算法,使其处理复杂函数优化问题更有效。动态压力控制算子通过欧氏距离量化了多个不同优秀个体对目标个体的诱导效应,进而在优秀个体附近加速产生新磷虾个体,提高了磷虾个体的局部探索能力。通过比较蚁群算法（ACO）、差分进化算法（DE）、磷虾群算法（KH）、改进的磷虾群算法（KHLD）和粒子群算法（PSO）,DPCKH算法在7个测试函数上的结果表明,DPCKH算法与ACO算法、DE算法、KH算法、KHLD算法和PSO算法相比有着更强的局部勘测能力,其开采能力更强。     

基于GEP算法的高阶常微分方程预测模型

针对动态系统预测建模中建模效率低,无显式模型的缺陷。提出一种基于基因表达式编程（GEP）的高阶常微分方程预测模型（GEP-HODE）。将一维数据的变化特性使用高阶微分进行表示,通过GEP对高阶微分数据进行建模,得到显式模型。对高阶常微分方程模型进行降阶处理,使用数值方法进行求解,得到预测值。该方法利用了GEP算法“基因型-表现型”的编码特性,实现了模型建立与参数优化的同步,大幅度提升建模效率。以太阳黑子年平均数作为实验数据建模预测,结果表明,该方法相比GP混合建模方法有更高的效率,相比混合BP神经网络模型等方法有更好的精度。     

基于奇异值分解和Contourlet变换的图像压缩算法

随着互联网的飞速发展,产生大量的图像信息。为了减小存储并提高图像质量,故提出了一种基于奇异值分解和Contourlet变化结合的有损图像压缩算法。该算法先对图像进行奇异值分解,根据奇异值对图像信号的贡献,选取适当的奇异值,来实现图像压缩,再对图像进行Contourlet 变换和量化,实现图像二级压缩。将该算法和图像奇异值分解直接压缩算法、Contourlet变换压缩算法进行实验比较,试验结果表明,该算法比图像奇异值分解直接压缩算法、Contourlet变换压缩算法有更好的性能,在同样的压缩比的情况下能获得更高的峰值信噪比和SSIM。     

一种区域收缩及分类的车牌二值化方法

对车牌区域进行二值化一直是车牌识别系统的一个关键问题。针对车牌区域的特征,提出了一种基于分类思想的二值化方法。该算法从统计判别分析的思想出发,将二值化问题看成是一个分类问题。首先对区域进行收缩取样,然后进行分类。为了提高二值化精度,其中还使用了迭代分类技术。另外为了评价车牌二值化效果,从车牌二值化应用角度出发提出了粘连度、字符断裂度、噪声颗粒数、运行消耗时间的指标体系,用来评价车牌二值化的效果。有了这套指标体系,就可以方便地对各种车牌二值化技术进行评价。实验结果表明,该二值化算法简单有效。