摘要：着色旅行商问题(CTSP)是多旅行商问题(MTSP)与旅行商问题(TSP)的一种扩展,主要应用于含重复区域的多机工程系统(MES)等工程问题。CTSP是NP完全问题,尽管相关研究尝试采用遗传算法(GA)、模拟退火(SA)等方法求解该问题,但它们求解的问题尺度有限,且速度和求解质量上不尽人意。基于此,尝试采用一种基于均匀设计(UD)融合蚁群(ACO)算法和伊藤算法(IT?)的混合伊藤算法(UDHIT?)来求解该问题。UDHIT?采用UD来选择合适的参数组合,借助ACO的概率图模型来产生可行解,并利用伊藤算法的漂移和波动算子进行优化。实验的结果表明,UDHIT?求解多尺度CTSP的最优解和平均解比传统GA、ACO和IT?有所改善。

摘要：首先对TSP问题、遗传算法和蚁群算法做了简要介绍,然后给出了2种算法在求解TSP问题上基本的原理和步骤,并对该算法求解TSP问题进行设计分析与实验验证。结果表明：在实验条件下,种群数量定为5~15时,蚁群算法求解TSP问题的效果较好;种群数量定为城市数量的1~2.5倍时,遗传算法求解TSP问题的效果较优。

摘要：本文将地理信息系统(GIS)技术和相应的评估模型应用到淮河流域气象服务效益评估中,以淮河流域气象灾害和气象服务效益评估模型为重点研究对象,用矢量图形直观地展现出流域中水系、设施、人文等的分布情况,形成了可视化图文并貌的评估界面,并且把空间分析、专题图设计、模拟分析等功能引入其中,旨在提高气象服务效益评估的信息化水平和辅助决策能力。

摘要：本文采用VB和MapObjects进行组件式开发,将GIS应用于气象领域,以江苏省地图为背景,用矢量图形象直观地展现出城市、交通、景点等的分布情况,形成了可视化的图文查询界面,并把数据分析、空间分析引入其中,从而提高了气象服务的水平和效率。

摘要：精确地预测出租车需求,有助于缩短司机和乘客的等待时间,缓解交通拥堵状况。然而,目前的研究工作大都忽略了出租车历史流入量以及不同区域间潜在的空间依赖关系对出租车需求的影响。鉴于此,综合考虑多个影响出租车需求的因素,建立多因素时空图卷积网络模型(MFSTGCN),期望精确地预测出租车需求。具体地,MFSTGCN模型设计4个组件,分别建模出租车需求对临近时刻需求序列、日需求序列、出租车历史流入量序列的时间依赖性以及不同区域间的潜在空间依赖性。组件通过时空卷积块捕捉不同因素下的潜在时空表达。为了证明MFSTGCN模型的有效性,与交通预测常用的五种基准模型进行比较,并利用RMSE、MAE和MAPE三个指标进行评估。实验结果表明,融合多因素的MFSTGCN模型能够更精确地预测出租车需求。

摘要：数据挖掘是指从大型数据库或数据仓库中提取人们感兴趣的知识,这些知识是潜在有用信息。分类是数据挖掘重要研究方向之一,其目的就是分析输入数据,通过分析在训练集中的数据表现出来的特性,为每一个类找到一种准确的描述或者模型。怎样用科学合适的方式来解决分类问题,是数据挖掘研究领域的一个热点和难点。通过构造一种单层感知器神经网络的分类方法,对其进行设计分析和仿真实验,用图文并貌的界面形象直观地展示了分类效果,实验表明单层感知器神经网络可有效地进行数据挖掘分类。

摘要：为进一步提高销售预测的精度,针对指数加权移动平均法(Exponentially Weighted Moving Average,EWMA)在应用于显示趋势和季节性行为的预测数据时,其性能显著下降这一问题,提出了带有设计输入数据分配的EWMA,该方法将传统输入数据用作EWMA的实际输入之前对其进行重新设计。研究结果表明,与传统方法相比,带有设计输入数据分配的EWMA方法预测结果误差更小,预测精度更高。