基于改进的NSGA2算法考虑病患公平性及医院运作成本的病床配置优化研究

针对目前医院病床调度存在运营成本较大以及医患关系之间公平性的问题,提出一个考虑医院运作成本和病患公平性下单科室病床分配的多目标随机规划模型。首先,根据基于医院的相关政策,提出一个考虑响应性与准入性的权重测度指标来反映医患关系的公平性,并考虑医院的运作成本建立多目标随机规划模型;其次,为方便算法求解,引入线性化方法将复杂模型处理成混合整数线性模型;最后,采用改进后的NSGA2算法对多目标问题求解,并对算例进行不同的数值实验。通过调整不同的参数进行相对应的灵敏度分析,改进后的算法提升了算法的收敛性与多样性,实验结果验证了模型的有效性和适用性。     

结合Bi-2DPCA与CNN的美式手语识别

针对现有美式手语（ASL）识别算法准确率低和模型训练时间长的问题,提出一种结合双向二维主成分分析（Bi-2DPCA）与卷积神经网络（CNN）并基于贝叶斯优化的识别算法。利用Bi-2DPCA算法对原始图像做数据降维处理,提取行、列方向的特征图,使用卷积神经网络对特征图进行训练分类,同时采用贝叶斯优化算法对模型超参数进行自动调参。在24分类ASL数据集上的实验结果表明,该算法的识别准确率达到99.15%,训练时间相比传统CNN算法减少90.3%。     

双层规划下考虑环境侵害的垃圾分拣中心选址研究

针对含有害垃圾分拣任务的垃圾分拣中心选址主从博弈问题,提出具有上层奖励机制的双层规划选址方案。首先,将收集点与有害垃圾处理企业作为回收物流发起方构建上层模型,将分拣中心与回收点作为接收方构建下层模型;其次,上下层均引入因有害垃圾存在而带来的环境侵害成本,考虑奖励等级为决策方案使上下层成本相互制约。最后以遗传算法求解算例,通过与单层双目标模型比较,讨论该双层成本模型的设计机制在成本控制上的优势与不足。     

基于遗传算法的误差因子粗糙集模型

粗糙集方法是数据挖掘的重要方法之一.针对当前粗糙集属性约简启发式方法的不足,本文提出了一个基于遗传算法的误差因子粗糙集模型.通过融合遗传算法,消除属性简约中约简属性相对集中的问题.通过引入误差因子,消除噪声数据的影响.利用关系型数据库的关系演算实现了算法,克服了基于文本方法的不足.通过一个舍有噪声的决策表实验,表明该模型是一个有效的算法改进.     

基于多代理的个性化推荐学习系统

针对现有学习系统存在信息过载、缺乏个性化服务能力、不能提供检索服务的问题,提出基于多代理构建个性化推荐学习系统。该系统利用JADE设计学习者Agent与推荐Agent,采用Lucene设计带有个性化能力的搜索引擎支持推荐,并融合3种推荐方法发挥多Agent间协商与协作的优势。实验结果表明,相比单一推荐方法,该系统具有较好的推荐效果和效率。     

数据挖掘技术在教学中的应用研究

论文基于数据挖掘的理论背景,着重阐述了其中关联规则和决策树两种方法,并将其应用到教学工作中。通过研究分析,使用关联规则方法,能更好地进行教学情况预测和教学效果评估;决策树方法能在毕业论文、课程选择等方面进行分析指导。最后,指出数据挖掘方法在教学中应用的发展前景。     

考虑故障相关与外部冲击的风电机组机会维护策略研究

针对风电机组子系统在运行期间,内部子系统间存在耦合作用和外部受到环境冲击两种情况同时存在的问题,提出了考虑故障相关与外部冲击的风电机组机会维护策略。首先,基于退化过程之间的相关关系考虑风电机组子系统间的故障相关性,得到子系统内部退化量,并结合风电机组受到的不同程度的冲击损伤,得到二阶段退化模型。其次,根据外部随机冲击在不同退化阶段对风电机组子系统的影响及维护阈值决定各子系统的维护方式。最后,从不同的维护概率出发,以检测间隔期和机会维护阈值作为决策变量建立期望维护费用率模型。通过算例分析,验证了模型的有效性。     

基于组合赋权-云模型的装配式建筑施工风险评价研究

随着现代建筑技术的迅猛发展,装配式建筑日益受到关注。然而,这种建筑方式也带来了一系列的施工风险。首先,从环境、管理、作业人员、技术、材料/设备5个方面对装配式建筑施工风险因素进行归纳总结,识别出22个施工风险因素,建立装配式建筑施工风险评价指标体系;其次,采用层次分析法确定各指标主观权重,采用熵权法确定各指标客观权重,并进行组合赋权;最后,以云模型为基础,构建装配式建筑施工风险云评价模型,通过案例分析识别施工风险等级和重要风险因素,验证装配式建筑施工风险评价模型的科学性和适用性,为装配式建筑施工风险管理提供参考。     

利用量子粒子群算法求解单级多资源约束生产批量计划问题

针对单级多资源约束生产批量计划问题,提出了基于量子粒子群算法求解该问题的方法。此算法将量子强大的领域搜索能力和基本粒子群算法(PSO)通过跟踪极值更新粒子的功能结合,能够改善粒子群算法后期搜索速度慢的问题。通过对其他文献的实例进行计算与比较,结果表明,在求解单级多资源约束生产批量计划问题时,量子粒子群算法(QP-SO)要优于退火惩罚混合遗传算法和传统的遗传算法。     

分时电价下多目标绿色可重入混合流水车间调度

针对多目标绿色可重入混合流水车间调度问题（RHFSP）的特点,在机器分配和工序排序的基础上引入分时电价机制,构建了以最小化最大完工时间、总能耗成本和碳排放为目标的绿色调度优化模型,提出了一种改进的多目标文化基因算法（MOMA）来求解该问题,通过数值实验验证了所设计的MOMA算法的可行性。实验结果表明MOMA算法在非劣解的收敛性、多样性和支配性指标方面都显著优于多目标蚁狮优化算法(MOALO)、多目标粒子群优化算法（MOPSO）和带精英策略的非支配排序遗传算法（NSGA-Ⅱ）,四种算法的分布性指标无显著差异。所提出的模型能够使企业有效避开高电价时段作业,合理转移用电负荷,达到降低总用电成本和碳排放的目的。