摘要：软容量设施选址问题是NP-Hard问题之一,具有广泛的应用价值。为了求解软容量设施选址问题,提出一种基于数学性质的竞争决策算法。首先研究该问题的数学性质,运用这些数学性质不仅可以确定某些设施必定开设或关闭,还可以确定部分顾客由哪个设施提供服务,从而缩小问题的规模,加快求解速度。在此基础上设计了求解该问题的竞争决策算法,最后经过一个小规模的算例测试并与精确算法的结果比较,得出了最优解;针对大规模的问题快速地求出了可行解,得到了令人满意的结果。

摘要：无容量设施选址(UFL)问题是经典的优化问题,属于NP难题,易于描述却难于求解.首先,介绍了UFL问题的数学模型,并对UFL问题的特点进行深入分析,得到其最优解所具有的基本特征;其次,针对UFL问题的最优解所具有的基本特征,设计了两种局部搜索策略,并将其与基本蚁群算法相结合,提出了一种用于求解UFL问题的混合蚁群搜索算法;最后,为了测试该算法的性能,分别利用混合蚁群算法和基本蚁群算法求解UFL问题基准问题库中的16个测试算例.计算结果表明,混合蚁群算法有效改进了基本蚁群算法求解UFL问题时易陷入局部最优、收敛速度慢等不足,该算法对求解UFL问题具有明显的可行性和有效性.

摘要：为解决电控空气悬架(electric control air suspension,简称ECAS)车身高度切换过程中的振荡及"过充"、"过放"现象,以空气弹簧特性为媒介,与车辆动力学相结合,对车身高度调节系统的进行建模。通过遗传算法优化车身高度调节系统PID的控制参数,提出一种新的积分分离PID控制策略。采用Matlab/Simulink搭建模型并对控制前、后仿真结果进行了对比。结果证明,所设计的控制方法能有效解决以上问题,优化后的车身高度调节系统能显著减少汽车振荡及干扰,操纵稳定性得到改善。

摘要：为寻求与模型参数化紧密结合的特征识别方法,针对机械零件3D网格模型,提出了一种基于特征线的特征识别方法。通过二面角阈值的方式提取封闭特征线,计算每两条特征线的夹角并判断特征线形状;对特征线的凹凸性和每两条特征线的叉积进行计算,确定特征线性质:面特性、内外环;对模型进行区域分割处理,计算顶点曲率,判断区域的类型。依据特征线信息与机械零件特征的属性,识别出基本体和机械零件常见特征,如:孔特征、槽特征。通过实例验证了该特征识别方法的可行性,且该方法与模型参数化紧密结合起来,为实现机械零件自动特征识别和模型参数化提供一定的参考。

摘要：受Deshpande and Prabhu Ajgaonkar(1982)设计的思想启发,本文给出了一种新的n=2时的严格πps抽样设计.当辅助变量值满足Xi/X<1/2时,提出的新设计既容易实施,又容易计算一阶和二阶包含概率.同时,可以得到Horvitz-Thompson估计量的一个非负的方差估计.通过数值比较提出设计和经典πps抽样设计,说明提出方法具有潜在应用价值.

摘要：针对约束优化问题,提出一种适于约束优化的增强差异演化算法(enhanced differential evolution algorithm for constrained optimization,ECDE).在约束处理上采用不可行域与可行域更新规则的方法,避免了传统的惩罚函数方法中对惩罚因子的设置,使算法的实现变得简单.改进了DE算法的变异操作,对选择的3个父代个体进行操作遍历,产生6个候选解,取适应值最优的为变异操作的解,大大改善了算法的稳定性、鲁棒性和搜索性能.通过4个测试函数和1个设计实例仿真,表明所提出的算法具有较快的收敛速度和较好的稳定性和鲁棒性.

摘要：文章以汽车为研究对象,提出基于眼动实验与语义差分的造型意象认知方法。首先,采用Tobii T60眼动仪对汽车前脸、侧面、尾部、前侧和后侧5个不同视角的关注度进行考察,共有31名被试者参与实验。其次,通过对轨迹图、热点图和兴趣区数据展开分析,发现汽车前脸的关注度最高。该研究依据眼动实验的结果,优化了基于语义差分法的造型意象认知问卷设计,使意象认知过程更为客观和严谨。

摘要：为满足用户的情感需求,提出基于感性意象定位的汽车造型设计方法。首先通过收集、筛选和提炼感性词汇,完成产品感性意象定位;其次对感性词汇展开发散,确定符合意象定位的形态原点和造型特征;最后提取形态原点的关键特征,构建其与汽车各功能区之间的关联,将造型特征约束融入其中,完成汽车造型设计。产品意象产品意象是指用户凭借自身感官对产品造型所产生的直觉联想,通常可以用一系列的感性词汇来进行表达,如"精致的"、"

摘要：由于现有电子商务自动谈判模型在不断动态变化的网络环境中匹配慢、整体效用值低,结合人工蜂群算法的原理及求解流程,给出一种电子商务自动谈判模型。该模型基于多Agent多属性的自动谈判模式,融合符合实际的商务谈判方式,着重将电子商务自动谈判的Agent匹配与人工蜂群算法求解的过程相结合,以快速准确获得使整体利益最大的解。通过求解一个电子采购实例并与其他算法的求解效率进行对比,验证了该模型的有效性。

摘要：云计算是一种新兴的计算模式,倡导一切皆服务.云计算由于能够共享分布在世界各地的计算资源,在大规模计算和数据存储中越来越受到重视.云计算是当前IT工业界、学术界研究的热点领域,云环境中的资源可用性已成为云计算不可忽视的问题.对于云计算,当处理器的处理速度不同,不是一直可用于计算时,可用性成为设计和发展云计算系统的关键需求.根据并行任务图及树形云平台的结构特点,分别讨论了影响并行任务可用性需求和计算资源可用性保障的关键因素,给出一种可用性的量化计算公式.并且通过感知任务"可用性需求"和计算资源"可用性保障",实现可用性匹配,提出了两种可用性感知的调度算法Afsa和Agsa.模拟实验表明该算法能够改善云环境中资源可用性和可靠性,对提高任务调度的成功率具有实际意义.