考虑时变路网的多行程电动车辆路径问题研究

为了降低城市物流的电动车配送成本,考虑道路交通网络的时变性对电动车多行程配送活动进行研究。首先,以固定成本、充电成本和时间惩罚成本之和最小化为优化目标,构建时变路网下的多行程电动车辆路径问题模型;其次,利用自适应大规模邻域搜索算法对实际案例进行求解;最后,分别对出发时刻、路网时变性、充电策略和电价进行分析。结果表明:路网时变性在不同时刻下对成本和配送用时的影响不同,不同出发时刻有着不同的最优路线规划;电价的小范围波动对配送活动的影响很小;充电策略的选择对配送用时和成本的影响显著。

改进天鹰算法求解时间依赖型车辆路径问题

针对速度时变的时间依赖型车辆路径问题,分析时间依赖型路网的行程时间计算方法,提出了一种改进天鹰优化(improved Aquila optimizer,IAO)算法。设计了一种天鹰位置-顾客序列(Aquila-customer,A-C)编解码方式,结合天鹰狩猎的拓展勘探、缩小勘探范围、扩大开发范围以及缩小开发范围四种搜捕猎物的方式,重新定义其智能寻优行为,引入自适应大规模邻域搜索策略,设计多种邻域破坏算子与修复算子,并在算法中加入劣解接受准则,提出循环启发式扰动机制与精英解扰动机制两种停滞扰动策略。Solomon基准算例对比实验以及基于Figliozzi测试算例与遗传算法、粒子群算法、蚁群算法的仿真对比实验均验证了IAO算法的优化性能,同时实际案例的实验结果充分证明了IAO算法在收敛速度与求解质量上的优越性,表明其具备求解时间依赖型车辆路径问题的应用价值。

有禁飞区的时间依赖型车辆与无人机协同配送路径优化

本文针对有禁飞区的时间依赖型车辆与无人机协同配送路径问题,综合考虑分时段禁飞的无人机禁飞区域、车辆行驶速度连续变化、车辆及无人机能耗等因素,以车辆派遣成本、车辆能耗成本、无人机能耗成本之和最小为目标建立优化模型.根据问题特征,设计遗传变邻域搜索算法对其进行求解.针对遗传算法易早熟、局部搜索能力较差等缺陷,将变邻域搜索算法与其结合以增强算法的局部搜索能力,引入自适应邻域搜索次数以增强对种群的搜索深度,采用精英保留策略不断改进最优解.通过多组算例验证了算法的有效性,并分析了配送模式、禁飞区数量、车辆行驶速度变化对配送方案的影响,结果表明禁飞区及车辆速度等因素在很大程度上影响物流配送成本.研究成果不仅丰富了车辆与无人机协同配送的场景,拓展了VRP问题的研究,也为物流企业制定配送方案提供了依据.

基于邻域粗糙集的多标记分类特征选择算法

多标记学习是一类复杂的决策任务,同一个对象可能同时属于多个类别.此类任务在文本分类、图像识别、基因功能分析等领域广泛存在.多标记分类任务往往由高维特征描述,存在大量无关和冗余的信息.目前已经提出了大量的单标记特征选择算法以应对维数灾难问题,但对于多标记的属性约简和特征选择却鲜有研究.将粗糙集应用于多标记数据的特征选择中,针对多标记分类任务,重新定义了邻域粗糙集的下近似和依赖度计算方法,探讨了这一模型的性质,进而构造了基于邻域粗糙集的多标记分类任务的特征选择算法,并给出了在公开数据上的实验结果.实验分析证明算法的有效性.

基于邻域粗糙集组合度量的混合数据属性约简算法

属性约简是一种重要的数据挖掘方法。为了对混合型信息系统达到更好的属性约简性能,提出一种邻域组合度量的启发式属性约简算法。邻域依赖度是构造混合信息系统属性约简的常用方法,根据粒计算的视角,在混合信息系统中提出邻域知识粒度用于评估属性的粒化能力。将邻域依赖度与邻域知识粒度进行结合,提出混合信息系统下的邻域组合度量,并将该度量方法作为启发式函数,提出一种属性约简算法。实验分析表明,该算法比混合信息系统的其他相关属性约简算法具有更高的约简性能。

大规模邻域搜索算法求解时变车辆调度问题

对时变网络车辆调度问题提出一种满足先入先出准则的时变处理方法,并建立相应的数学模型,提出一种基于大规模邻域搜索技术的智能优化算法进行求解,算法顶层采用动态规划算法搜索环状交换邻域以得到每辆车的最佳服务顾客集合;底层设计动态搜索算法用以安排每辆车的最佳服务路线.在此基础上提出顶层加入虚拟顾客和底层嵌入insert两类改进策略.通过实验仿真比较,验证了所提算法的有效性.

基于模糊邻域粗糙集的启发式属性约简算法

属性约简是机器学习等领域中常用的数据预处理方法。在基于粗糙集理论的属性约简算法中,大多是根据单一的方法来度量属性重要度。为了从多角度对属性达到更为优越的评估效果,首先在已有的模糊邻域粗糙集模型中定义属性依赖度度量,然后根据粒计算理论中知识粒度的概念,在模糊邻域粗糙集模型下提出了模糊邻域粒度度量。由于属性依赖度和知识粒度代表了不同视角的属性评估方法,因此将这两种方法结合起来用于信息系统的属性重要度评估,最后给出一种启发式属性约简算法。实验结果表明,所提出的算法具有较好的属性约简性能。

基于马尔可夫链理论的隐写检测算法

基于马尔可夫链(Markov Chain,MC)理论,提出了一种新的通用隐写检测算法。根据图像邻域相关的性质构造马尔可夫链,提取其经验转移矩阵的对角线元素作为特征向量,构造了一个新的判决函数作为检测秘密信息是否存在的依据。基于Mat-lab7.0平台,对全局LSB、DCT和DWT的隐写进行了检测实验。根据实验结果对算法进行了改进,使检测效果更优。结果证明:该算法的综合性能优于普通的检测算法。

变邻域模拟退火算法求解速度时变的VRPTW问题

本文在经典的带时间窗的车辆路径问题(VRPTW)的基础上,考虑不同时间段车辆行驶速度不同的情况,研究速度时变的带时间窗车辆路径问题(TDVRPTW),使问题更具实际意义。本文用分段函数表示不同时间段下的车辆行驶速度,并解决了速度时变条件下行驶时间计算的问题。针对模拟退火算法(SA)在求解VRPTW问题时易陷入局部最优解,变邻域搜索算法(VNS)在求解VRPTW问题时收敛速度慢的问题,本文将模拟退火算法以一定概率接受非最优解的思想和变邻域搜索算法系统地改变当前解的邻域结构以拓展搜索范围的思想结合起来,提出了一种改进的算法--变邻域模拟退火算法(SAVN),使算法在退火过程中一陷入局部最优解就改变邻域结构,更换搜索范围,以此提升算法跳出局部最优解的能力,加快收敛速度。通过在仿真实验中将SAVN算法的求解结果与VNS算法、SA算法进行对比,验证了SAVN算法确实能显著提升算法跳出局部最优解的能力。

基于邻域粗糙模型的高维数据集快速约简算法

根据粒子群优化算法的思想,给出了求解高维邻域决策表的一个约简算法SPRA。通过采用固有维数的分析方法MLE等,将其估算的维数值作为SPRA算法的初始化参数,提出了高维数据集快速约简算法QSPRA。利用5个UCI标准数据集对该算法进行了验证,结果表明,该算法是有效的、可行的。详细分析了种群规模和迭代次数对结果产生的影响。实验表明,基于核的启发式添加算法思想已经不适合求解高维数据集。

基于邻域粗糙集和帝王蝶优化的特征选择算法

针对经典的帝王蝶优化(MBO)算法不能很好地处理连续型数据,以及粗糙集模型对于大规模、高维复杂的数据处理能力不足等问题,提出了基于邻域粗糙集(NRS)和MBO的特征选择算法。首先,将局部扰动和群体划分策略与MBO算法结合,并构建传输机制以形成一种二进制MBO(BMBO)算法;其次,引入突变算子增强算法的探索能力,设计了基于突变算子的BMBO(BMBOM)算法;然后,基于NRS的邻域度构造适应度函数,并对初始化的特征子集的适应度值进行评估并排序;最后,使用BMBOM算法通过不断迭代搜索出最优特征子集,并设计了一种元启发式特征选择算法。在基准函数上评估BMBOM算法的优化性能,并在UCI数据集上评价所提出的特征选择算法的分类能力。实验结果表明,在5个基准函数上,BMBOM算法的最优值、最差值、平均值以及标准差明显优于MBO和粒子群优化(PSO)算法;在UCI数据集上,与基于粗糙集的优化特征选择算法、结合粗糙集与优化算法的特征选择算法、结合NRS与优化算法的特征选择算法、基于二进制灰狼优化的特征选择算法相比,所提特征选择算法在分类精度、所选特征数和适应度值这3个指标上表现良好,能够选择特征数少且分类精度高的最优特征子集。

求解考虑顺序相关调整时间的双边装配线平衡问题的变邻域搜索算法

为有效解决带有顺序相关调整时间的双边装配线平衡问题,提出了一种简单高效的变邻域搜索算法。该算法通过将优先关系约束融入到交换、插入、交叉、变异等算子中,分别得到4个不同的邻域结构来保证搜索过程中解的可行性,避免过多重复邻域解的生成。4个邻域结构的搜索空间依次变大,以增强算法搜索能力。同时,结合装配线的特点,提出基于作业序列的编码和解码方式,在解码过程中,优先选择空闲时间较多的边,引入启发式目标加快算法收敛。分配结束后,对装配线末端的工作站组进行局部调整。通过将该算法先后用于求解无/有顺序相关调整时间的双边装配线平衡第一类问题,并与已有的算法进行对比,验证了所提的变邻域搜索算法的优越性和有效性。

北魏“宗主督护”制始行时间试探——兼论“宗主督护”制的社会影响

本文对魏晋南北朝时期的基层乡里组织“宗主督护”制进行了全面考察，指出“宗主督护”制产生的社会背景和历史条件是：一方面有大量的人口流移，使原有的乡里组织丧失控制居民的职能；另一方面是封建“荫附”关系迅速发展，依靠经济与宗族势力并建有坞、堡、垒、壁等军事自保组织的钨壁主大量涌现，众多的人口为逃避战乱而为钨壁主所控制。笔者认为，“宗主督护”制产生于西晋末年，而不是人们通常认为的北魏初期，这一制度实行了近两个世纪，并且在北魏孝文帝废“宗主督护”，行“三长制”之后，北方地区的“宗主”、“坞主”仍然以各种形式顽强地存在着，并继续在控制宗族权力、笼络荫附人口、把持地方政权等方面发挥其影响力。

一种改进的基于相干邻居亲近度的标签传播算法

【目的】提高现有的基于相干邻居亲近度(Coherence neighborhood propinquity)的标签传播算法(Label propagation algorithm,LPA)社区发现的准确性,并减少标签传播过程花费的时间。【方法】在CNP-LPA算法基础上,引入节点间依赖度,提出一种改进的CNP-LPA+算法,在预处理阶段结合相干邻居亲近度与节点间依赖度,将依赖度高的节点并入本区域内的核心节点,并在得到的核心CNP网络基础上传播标签,显著提高了社区发现的质量。选取CNP-LPA算法使用的6组社交网络数据集,采用模块度Q评估LPA、CNP-LPA、CNP-LPA+3种算法的划分结果。【结果】CNP-LPA+算法在所有数据集上均取得了最高的Q值,有效提高了算法的准确性,并减少了标签传播过程花费的时间。【结论】CNP-LPA+算法是有效的。

基于邻域关系模糊粗糙集的分类新方法

针对目前模糊等价关系所诱导的模糊粗糙集模型不能准确地反映模糊概念范畴中数值属性描述的决策问题,提出一种基于邻域关系的模糊粗糙集模型NR-FRS,给出了该粗糙集模型的相关定义,在讨论模型性质的基础上进行模糊化邻域近似空间上的推理,并分析特征子空间下的属性依赖性;最后在NR-FRS的基础上提出特征选择算法,构建使得模糊正域增益优于具体阈值的特征子集,进而剔除冗余特征,保留分类能力强的属性。采用UCI标准数据集进行分类实验,使用径向基核函数(RBF)支持向量机作为分类器。实验结果表明,同基于邻域粗糙集的快速前向特征选择方法以及核主成分分析方法(KPCA)相比,NR-FRS模型特征选择算法所得特征子集中特征数量依据参数变化更加平缓、稳定。同时平均分类准确率提升最好可以达到5.2%,且随特征选择参数呈现更加平稳的变化。

顾及空间多尺度邻域效应和时间依赖性的城市扩展模拟

在推进新型城镇化和实施新时代国土空间规划的战略背景下,城市扩展研究逐渐成为热点问题。当前基于元胞自动机(CA)的城市扩展模拟对城市空间多尺度邻域效应解析不足,且在转换规则中对城市长时间演变过程的时间依赖性影响表达不够完善,简化了城市扩展的时空依赖性,无法真实模拟推演未来规划实施情景以服务于国土空间规划。针对上述问题,本文构建一种兼顾空间多尺度邻域效应(3DCNN)和时间依赖性(ConvLSTM)的城市扩展深度学习CA模型(下文称“Deep-CA”)。首先通过组合普通卷积和空洞卷积的3DCNN来提取城市空间多尺度邻域效应,再利用ConvLSTM神经网络将历史信息同化,考虑长时间序列的时间依赖性,从而得到城市扩展的适宜性概率。北京市1995—2015年的土地利用数据及其驱动因素数据用于验证所提CA模型的科学性与适用性,1995—2010年数据用于模型训练,模拟2015年的城市范围。同时将模拟结果精度与ANN-CA、LR-CA和ME-CA 3种传统方法进行对比。与传统CA模型相比,Deep-CA的北京市2015年模拟FoM指数提高了4%左右,且对于城市全局和局部形态模拟效果较好,斑块破碎度低。试验结果表明,Deep-CA可以准确获取长期时空依赖关系,从而进一步提高城市扩展CA模型的模拟真实性。

基于系数相关性的小波变换红外图像去噪

提出了一种基于层内邻域相关性的正交小波变换红外图像去噪算法。首先对红外图像进行离散小波变换,分别对各个分解层的高频子带进行处理;考虑到小波系数的层内邻域相关性,通过基于最小均方误差算法的邻域小波系数向量估计小波系数,然后由估计的高频子带小波系数,通过小波反变换得到去噪图像。仿真结果表明,该红外图像去噪算法能有效去除图像噪声,在峰值信噪比和主观视觉质量等方面都有明显改善。

邻域粗糙集的加权依赖度及其启发式约简算法

邻域粗糙集是数值型属性数据处理的有效工具.基于邻域粗糙集,传统依赖度及其约简未考虑邻域覆盖的绝对结构,由此文中建立加权依赖度及其启发式约简算法.首先,提出加权依赖度并得到其度量改进性与粒化单调性,定义相关的属性约简.然后,分析邻域半径的自适应取值,构造基于加权依赖度的启发式约简算法(NWDR).最后,在UCI数据集上进行对比实验,验证加权依赖度的单调性与NWDR的有效性.实验证明,加权依赖度改进传统依赖度的不确定性表示能力,NWDR具有较高的分类准确率与较强的应用适应性.

模糊邻域粗糙集的决策熵不确定性度量

针对不确定性度量的强健构建与泛化推广,采用代数表示与信息表示的融合,提出模糊邻域粗糙集的决策熵。关于模糊决策概念,代数粗糙度的信息函数深入诱导出模糊邻域相对决策熵;关于模糊决策分类,决策类集成自然诱导出模糊邻域相对决策熵,融合依赖度改进出模糊邻域依赖决策熵。模糊邻域决策熵实施了代数与信息的复合构建,呈现关于属性与半径的双重粒化单调性,具有鲁棒的不确定性刻画能力,决策表实例与数据集实验验证了相关有效性。

红外图像WBC变换方向内和尺度间降噪

针对传统图像降噪算法不能很好处理含噪红外图像的问题,本文分析红外图像在WBC变换后邻域系数相关性将广义CB形态学应用于邻域系数降噪,并结合基于尺度间相关性的自适应阈值降噪,提出一种基于WBC变换邻域系数相关性和尺度间相关性的红外图像降噪算法。仿真结果表明,该方法相比Bayes估计降噪、WBC尺度间硬阈值降噪和WBC尺度间自适应降噪获得了更好的SNR提升,其SSIM值也更接近于1。