多配送中心下生鲜农产品同步取送选址-路径优化

多配送中心下生鲜农产品配送工作中配送中心选址和车辆取送是两项最为重要的工作,故本文研究带同步取送的生鲜农产品选址-路径问题。首先,建立考虑车辆容量、货物作业时间、取送作业时间窗等约束条件的非线性规划模型,模型以各配送区域内产生的运输成本、惩罚费用、货损费用总和最小为目标函数。然后,根据模型特点设计融合中心评估指数和改进遗传算法的启发式算法,算法先利用中心评估指数确定配送中心和车辆的配送区域,将区域划分的信息传递给改进遗传算法进行各区域内的路径优化。最后,通过对比取送分离和同步取送两种配送方式验证本文提出的配送模式及模型是合理有效的,可为企业的生鲜农产品配送提供决策依据。

心脏病诊断系统中缺失数据填充方法

缺失值数据是目前研究数据分析的一个重要领域,随着智能医疗的迅速发展,如何充分利用海量数据挖掘出其中的重要信息,对隐藏的疾病做出预测并进行提早的干预治疗显得尤为重要.但在实际预测中,经常面对不完备数据集,从心脏病数据集出发,基于随机森林算法加以贝叶斯优化算法动态调参,提出心脏病缺失值补足算法.以准确率ACC作为算法的评判依据,通过精度和时间2个方面进行验证,4种算法对比实验结果表明,提出的算法具有更准确的填补效果.

面向学生成绩预测的组合优化算法

利用机器学习算法分析和预测学生成绩是大数据技术应用之一.将启发式算法与梯度提升算法相结合,提出组合优化算法预测模型.首先,通过采用动态对立学习增加种群初始化的多样性,引入非线性收敛因子和自适应权重等方法,得到增强鲸鱼算法,改进原来的全局搜索和局部开发能力.其次,基于XGboost模型加以增强鲸鱼算法的迭代,动态优化XGboost的超参数,提出组合算法预测模型.准确率ACC作为模型的评价标准,以学生数据集为研究对象,以学生成绩预测为目标,选用5种算法进行对比实验.实验结果表明,组合算法的预测准确度相对较高.

基于LightGBM模型的二手房房价预测研究

房价预测是典型的机器学习问题,可以选择多元线性回归方法进行分析.基于LightGBM算法,以二手房房价数据作为研究依据,建立房价预测模型进行统计推断.以拟合优度R2作为评判依据,该模型与其它常用机器学习模型进行预测结果比较.程序运行结果表明,此房价预测模型具有更准确的预测效果.

多调机环境下的树枝形铁路专用线作业车同步取送优化

围绕服务铁路枢纽地方货物流的小运转作业系统,研究一类多调机环境下的树枝形铁路专用线作业车同步取送优化问题。考虑取送顺序间隔、调机牵引能力等约束条件,以调机作业均衡为上层优化目标,以调机取送成本和货车停留成本最小化为下层优化目标建立双重目标规划模型。根据模型特点,提出融合综合关联度和异步启发式过程的两阶段融合求解方法。该方法首先基于聚类划分思想,引入综合关联度确定调机最佳数量,并对作业区进行划分,从而为调机指派作业范围。进而基于迭代寻优思路,设计异步循环启发式过程,该过程根据多调机取送车作业特点赋予循环体表述,设计循环体更新规则,引入遗传算法中的交叉与变异操作对循环体进行寻优,进而导入人工鱼群聚群行为实现循环体二次寻优,从而完成所有调机在各自作业区内取送顺序的逐步寻优过程。最后,设计实验场景对所提出的两阶段算法进行过程验证,并设计不同规模试验进行对比测试,结果表明了所提算法的有效性和较优性。