基于改进K-均值算法的零部件拣选聚类模型

针对零部件多种少量拣选问题,在多人协同拣选模式下,任务分配不合理、拣选时长相差大,拣选环节易超时,构建以最短拣选时长为目标的多人协同拣选模型,并用改进K-均值算法及遗传算法对模型进行求解。针对传统K-均值算法聚类结果各簇所包含拣选点数量相差巨大的缺点,采用各簇拣选时间为指标,对拣选点所归属簇变换,并利用遗传算法对聚类结果进行路径规划、拣选时长计算,得到最优聚类结果。以某安防设备生产企业的零部件拣选环节为研究对象,与简单分批得到的拣选时间进行对比,验证了该算法的有效性。

基于K-means与GRNN的高原山区高速公路短时交通流预测

为了研究可适用于高原山区高速公路短时交通流的预测方法,以及预测方法思路对绩效的影响,提出基于广义回归神经网络(General Regression Neural Network,GRNN),构建K均值聚类算法(K-means clustering algorithm,K-means)与GRNN混合预测方法思路,即通过K-means和绩效指标判断GRNN模型参数最佳值,进而建立最佳预测模型。与传统上通过经验或一定指标判断模型参数值的思路相比,采用K-means和GRNN混合预测思路得出的模型参数值更佳,且模型RMSE、MAE最高可分别改善45.92%、45.05%,则构建的混合预测方法思路是科学有效的,可为高原山区交通流预测方法优化提供借鉴。

基于K-means聚类算法的电站煤场来煤堆放优化研究

为有效应对复杂的电力和煤炭市场,加强燃料智慧管理成为火电厂管理的重要组成部分。针对某燃煤电厂的煤场占地面积小、来煤煤种复杂和燃煤堆放混乱的问题,通过提取历史来煤的煤质信息,使用K-means和DBSCAN 2种聚类算法对来煤低位发热量、挥发分、硫分进行聚类分析,从轮廓系数、聚类稳定性和样本划分精细度3个方面对2种聚类算法进行对比,最终选择聚类效果更好的K-means聚类算法作为煤质划分的计算方法。K-means聚类算法将选取的历史煤质信息数据集划分为4类,轮廓系数为0.587,且划分后的同一类别内煤质成分相近。统计不同聚类标签下的来煤频率和来煤质量比例,对煤场进行了相应的比例划分,每一分区堆放相同分类的来煤,并以此为基础设计了数字化煤场平台中的来煤堆放指导及信息存储流程,对提高堆场空间利用率和煤场管理效率具有重要的意义。

基于深度强化学习和历史轨迹的船舶路径规划

为减少船舶在航行过程中人为操作不当或者没有及时对障碍风险做出反应而造成的船舶碰撞事故,增加船舶航行的安全性,提出一种船舶路径规划方法。将船舶历史的船舶自动识别系统(AIS)数据进行相应的预处理后,运用K-means聚类算法对相应数据进行聚类,得到的一条特征轨迹,并将其作为船舶在该区域的全局静态路径规划轨迹。设计一种基于深度确定性策略梯度(DDPG)算法的局部路径避碰方法和基于深度强化学习(DQN)的局部路径回归方法,使船舶可对局部动态风险做出有效的反应。分析全局静态路径的效果,并对局部动态路径规划方法做了仿真验证,结果表明:该方法可得到一条较为安全的全局路径,并且可规避航行时的局部动态风险,为船舶安全航行提供一定的参考。

基于概率路由的出租车共乘调度算法

针对现有的拼车方案大多服务在线乘客请求,而忽略了离线乘客请求,导致出租车资源无法得到充分利用这一问题,提出了一种基于挖掘历史出行轨迹数据的概率路由拼车优化算法。该算法根据乘客请求的历史时空数据计算出区域概率转移矩阵,并使用该矩阵优化平台为出租车推荐拼车路径,提供了历史数据和拼车问题相融合的一种解决方案,可以有效提高出租车的载客量。在保障离线乘客接载率、在线乘客忍耐度的同时,使用松弛时间的度量指标,可以在O(n)内对整条路径的乘客忍耐时间进行评估预测,并用迪杰斯特拉算法对绕行区域进行路径规划,让出租车的绕行距离最短。使用滴滴GAIA真实数据集对算法有效性进行验证,结果显示,该算法在服务请求数量上高于基准算法12%。

基于加权k-均值聚类与粒子群优化的多航迹规划

针对复杂环境下的无人机多航迹规划问题,提出了将粒子群优化(particle swarm optimization,PSO)算法与加权k-均值聚类算法相结合的规划方法。每个粒子表示一条航迹,采用加权k-均值聚类算法对粒子进行分类,得到多个粒子子群,在每个子群内部进行一条可行航迹的优化,最终得到多条不同的可行航迹。对传统k-均值聚类算法进行改进,采用排挤机制产生初始聚类中心,针对实际环境中突发威胁的分布不均性,在聚类过程中,对航迹节点按照所在区域突发威胁的出现概率进行加权,提出了加权k-均值聚类算法。仿真实验表明,所提出的方法能够有效地得到无人机的多条可行航迹。

基于扩展图规划的Top-K服务组合方法研究

自动服务组合是目前云计算中的关键技术与研究热点.为大规模用户提供多个满足个性化需求的组合服务是当前云环境下自动服务组合中急需解决的问题.提出了基于扩展图规划的Top-K服务组合方法,借助服务索引和增加图规划中的辅助节点,使得经过一次规划搜索即可找到Top-K个满足用户QoS要求的组合服务.实验表明,该方法能够有效提高服务组合的效率,并保证服务组合结果的正确性,更加适用于云计算环境下海量网络服务及大规模用户个性化需求的自动服务组合问题.

自由时差定理与k阶次关键路线的求法

针对项目进度计划管理中如何寻找CPM网络图中任意阶次关键路线等问题,在分析了自由时差概念和特性的基础上提出了k级标准工序、k级特征值和k级标准路线等新概念,推导出自由时差定理和特征值定理,进而利用这些概念和定理给出k阶次关键路线的求法——最小特征值法,分析了算法的正确性,并且得出该算法的计算复杂度为O(n2).证明了该算法可以通过局部寻优实现全局寻优.最后结合应用举例论述了该方法的应用范围及特点.

美国401(k)计划的经验分析及对中国的启示

美国401(K)计划实施过程中,既有税收、激励、规模、灵活等方面的优势,又面临投资、操作、监管及道德风险。通过总结美国的经验,我国在企业年金发展方面应注意立法保障企业年金的发展,明确税收优惠,以DC模式为主建立养老保障"第二支柱",加快发展资本市场,努力促进信托行业,着重培育企业年金的灵活性以及注意监管适宜。

基于改进K-means聚类的城市配网组团规划方法

针对快速发展城市配电网规划所面临的负荷密度快速增长、用地矛盾突出等新问题,提出了一种配电网组团规划新方法。该方法以改进的K-means聚类算法为工具,结合变电站的等效圆形供电范围和变电站间的界间距,将供电范围较大的供电区域划分为若干个组团。以组团为单位分区供电,组团内部电网紧密相连,组团间互为备用,可有效控制短路电流,减小电气计算的计算量,提高电网运行灵活性。该组团规划方法在某一实际配电网中得到应用,验证了该组团规划方法的可行性。

基于模糊K均值聚类和Sarsa(λ)算法的自适应爬壁机器人路径规划

针对现有爬壁机器人规划算法难以实现在线自适应高效规划的问题,设计了一种基于模糊K-Means算法和经典Sarsa(λ)算法自适应爬壁机器人规划算法;首先,对爬壁机器人的动力学模型进行了建模和分析,然后,对爬壁机器人规划中的状态进行自适应聚集从而实现值函数的近似,设计了K值可变的改进模糊K均值聚类算法对状态进行自适应地在线聚类,将聚类中心对应的值函数作为整个聚类所有数据对象的值函数的近似值,最后,对基于模糊K均值聚类算法和Sarsa(λ)算法的爬壁机器人在线规划算法进行了定义和描述,在MATLAB环境下对简单障碍物场景和复杂障碍物场景分别仿真实验,实验结果表明文中方法能有效地进行路径规划,随着情节数的增加,规划结果逐渐收敛到最优值,同时在环境变化时,收敛效果不受影响,具有较好的稳定性,是一种高效地实现爬壁机器人在线规划的方法。

美国401(k)计划的历史演进与政策变化

美国企业年金计划的税收和退休政策的变化,导致401(k)计划的形成与发展。本文从企业年金计划的发展历程和政策变化的视角,探讨美国401(k)计划发展与政策变化的内在本质。

基于K-S检验法的机场流量调整模型应用仿真

针对目前方法未能获取机场进离场的流量分布特性,导致无法有效检测出机场的跑道容量曲线,模型占用比高、抗干扰能力差等问题,提出京津冀区域机场进离场流量动态规划模型设计方法。利用K-S检验法获取机场进离场的流量分布特性,将获取的流量分布特性与动态规划方法相结合,完成对航班队列的过程演化,获取机场航道与航空器之间安全距离。最后将队列演化结果与获取的安全距离进行整合,构建京津冀区域机场进离场流量动态规划模型。实验结果表明,运用上述方法构建的动态规划模型,可以有效检测出机场跑道容量曲线,模型占用比低,抗干扰能力好。

可再生能源富集区域计及条件风险价值的储能优化规划

新型电力系统双碳目标建设背景下,可再生能源富集区域与负荷中心在时空分布上的不均衡加剧了电网侧储能配置需求。针对可再生能源富集且规模化外送地区的储能优化配置问题,计及可再生能源出力、负荷不确定性导致的可再生能源外送通道利用率不足以及储能投资风险,建立储能选址定容优化规划模型。模型采用K-MILP场景聚类的条件风险价值度量上述不确定性导致的风险成本,表征系统净投资成本超过某一置信水平条件的尾部风险,并计及网架约束对可再生能源就地消纳及外送的影响;最后,将该模型转化为混合整数线性规划模型。算例结果表明,在储能优化规划中计及对储能投资风险的合理度量,有利于减少可再生能源出力极端场景导致的储能投资尾部风险,经济提升可再生能源本地和外送消纳能力。

基于K-Means和SEM的消费者互联网保险购买意愿研究——以TPB和TAM为分析框架

"互联网+"正颠覆和重塑着中国经济格局,互联网保险借势兴起并酝酿一场"现象级"热潮。消费者的购买意愿是进一步挖掘互联网保险市场潜力的直接推动因素,以消费者的视角研究互联网保险,合理引导消费者作出购买决策对于互联网保险的发展具有十分重要的意义。以ZH财险的互联网车险客户数据和问卷调查数据进行实证分析,运用K-Means聚类技术完成客户细分,并综合TPB和TAM理论构建消费者互联网保险购买意愿新模型,运用结构方程验证该模型。基于研究结论,为互联网保险经营发展提出针对性建议。

黄河水沙监测数据分析模型

为研究黄河小浪底水库下游某水文站水沙通量的变化规律和“调水调沙”效果,以2016-2022年水位、水流量与含沙量的实际监测数据为依据,估算出年均径流量325亿立方米,年均排沙量2亿吨.分别使用双对数回归分析、M-K检验、小波分析、R/S分析对水沙通量的敏感性、突变性、周期性、趋势性进行了分析,得出结论:水位每增加1%,含沙量就增加37.63%,含沙量关于水位非常敏感;水沙通量均在2018年3月发生了突变;水沙通量均以18月为主周期振荡;水通量、沙通量在未来2年分别是增长趋势和下降趋势.使用傅里叶级数叠加线性函数预测未来2年的水沙通量,并建立了0-1规划模型对今后2年的监测方案进行了优化.通过比较“调水调沙”前后水沙通量、河底高程的变化,证明了“调水调沙”效果非常显著.

我国年金制度与美国401(k)计划现状比较分析

文章运用比较分析的方法,综合考虑社会原因、性质和运作方式等因素,选取美国401(k)计划作为考察与借鉴的对象,结合我国企业年金发展的现状,分析了美国401(k)计划与我国企业年金的内在联系,从而引出对两种企业年金制度在相关的法律、法规制度建设,操作运营机制和税收优惠三方面的具体比较。探讨我国现行年金制度中存在的一些问题,对我国年金制度的发展成熟具有现实意义。

求解K最短路径的改进Dijkstra算法

本文首先从轨道交通和常规交通的衔接规划的视角，阐述了求解K最短路径问题在公交线网优化中的意义。然后在Dijkstra最短路算法的基础上，创造性地引入了多个P标和多个T标来记录起点到该节点的K短路径及其上界，使改进后的算法成功求解K最短路径。最后用C语言对算法进行实现，并随机产生测试数据进行算法测试，测试结果表明了该算法的计算效率和应用前景。

k-Shifts算法在一类批量计划编制中的应用

分析了冶金行业常见的一类批量计划编制问题,给出了这类组合优化问题的数学模型;分析并证明了传统k-Opt算法不适合这类非对称性组合优化问题,提出将1-Shift算法扩展为k-Shifts算法,为求得近优解提供保证;缩小了k-Shifts算法的搜索空间,大大降低了k-Shift算法时间复杂度;改进了优化目标评价函数,大幅度提高求解性能。改进后的算法成功地解决了这一类NP问题,实验证明了在多项式时间复杂度内可以求出近似于问题全局最优值的解。

基于K-均值聚类多场景时序特性分析的分布式电源多目标规划

若不考虑分布式电源出力及负荷需求的波动性及不确定性,可能导致分布式电源规划容量偏大或系统电压改善程度降低。深入分析分布式电源出力时序波动特性,并引入K-均值聚类多场景概率分析方法,以降低上述波动性及不确定性对配电网的影响;以最大化年寿命周期收益率和电压分布改善率作为目标函数,建立分布式电源多目标规划模型,并采用多目标复合微分进化算法对其求解和基于最短归一化距离法实现多目标总体最优解决策。以IEEE33节点配电系统为例进行分布式电源多目标规划,验证了所提方法的有效性和优越性。