论文研究-基于灾情信息更新的应急物资配送多目标随机规划模型.pdf,  研究了多出救点、多受灾点、多物资、多车型的应急车辆选址、路径选择和物资配送问题. 考虑到灾害预测准确性和物流成本效率之间的悖反关系, 从多目标规划和随机规划的角度, 建立了应急物资配送的多目标随机规划模型. 建模中同时考虑需求和配送路径连通性的随机性, 以及出救点对受灾点的最大覆盖范围限制. 将统计决策与运筹规划相结合, 设计一个加权贝叶斯风险将多目标规划问题转化为单目标规划问题, 以及设计一个决定最优停止观测时刻的决策规则使原问题转化为最优停止问题. 通过Xpress软件编程求解. 最后, 算例分析表明了模型和软件的求解速率与精度, 并分别证明了两阶段随机规划和灾情信息更新的优势.

idea开发的ssm框架应急管理系统，前端jsp，后端java，数据库MySQL

BioMARL：基于生物启发式算法的多智能体强化学习算法 项目介绍： 多智能体系统（MAS）通过解决复杂任务的规模，可靠性和智能性，已被广泛的地面不同的应用领域，如计算机网络，机器人和智能电网等。和生产的重要因素。然而，以往的多代理通信研究主要是预先定义的通信协议或采用额外的决策模块进行通信调度，这将造成巨大的通信开销，并且不能直接推广到一个大型代理集合。了一个轻量级的通信框架：基于信息素协同机制的分布式深度Q网络算法（Pheromone协作深度Q网络，PCDQN） ，它结合了深度Q网络和stigmergy机制。我们证明了PCDQN框架的优越性，同时也将我们的模型转移到解决多代理路径搜索问题上。利用PCDQN框架，多代理编队能够学习适当的策略，成功地在雷区导航环境中获得最优路径。 实验环境 Windows10操作系统，8GB内存，2核Intel Core i7-6500U pytorch-

第4讲 多资源车间调度优先分配启发式算法 1 4.1 多资源车间调度概述 1 4.2 优先分配Giffler Thompson启发式算法及其流程 3 4.3 优先分配Giffler Thompson启发式算法Matlab实现 6 4.3.1 数据结构设计 6 4.3.2 Matlab程序实现 8 4.3.3 优先分配规则Matlab程序运行结果 9 4.4 优先分配Giffler Thompson启发式算法总结 11

数独 生成数独，用于求解算法和穷举搜索的启发式算法。 该应用程序允许您在数独集合上测试算法的运行时间。 演示 实现的算法 生成数独 this . generate = function ( cellEmptyInput ) { this . refreshSudoku ( ) ; for ( var i = 0 ; i < this . getRandomInt ( 1 , 9 ) ; i ++ ) { this . transposeRowBig ( this . getRandomInt ( 0 , 2 ) , this . getRandomInt ( 0 , 2 ) ) ; } for ( var i = 0 ; i < this . getRandomInt ( 1 , 9 ) ; i ++ ) { this

简单说明 使用多种基本启发式算法替代广义TSP问题。 所谓广义TSP，即一些城市可能卖的是同一类商品，在买这类商品时仅走这些城市其中一个即可。 目录： 图片-只是一些结果图片 代码** extendTSP.py 用于随机生成广义TSP实例，并提供一些通用函数（如生成广义TSP实例，生成距离等） SA.py模拟退火 tabu.py禁忌搜索 Genetic.py遗传算法 ACO.py蚁群算法 依赖：matplotlib + numpy，python3 可以通过extendTSP.py中的extendTSP_generate（）函数来生成实例 def extendTSP_generate ( city_num , goods_num , x_range = 20 , y_range = 20 ) ' '' city_num - 城市数量 goods_num - 商品种类数目 x_range

优化算法的经典教材,对启发式算法作了比较全面的介绍，涉及遗传算法、人工神经网络等经典内容。有数学基础的同学读起来还算比较容易。

ColorfulKCenter 这个纯Python存储库的想法是比较彩色k中心的不同算法。 它正在进行中。 指示： 确保您的python3的库满足requirements.txt中的要求克隆存储库并运行main.py

自私畜群优化器 (SHO) 是一种元启发式算法，它基于对受到某种形式的捕食风险的动物群中的个体所表现出的广泛观察到的自私畜群行为的模拟。 在 SHO 中，个体通过两种类型的搜索代理模拟猎物和捕食者之间的掠夺性互动：自私群体（猎物）的成员和一群饥饿的捕食者。 根据它们被分类为猎物还是捕食者的不同，每个人都是由受这种猎物—捕食者关系启发的一组独特的进化算子来进行的。 这些独特的特性使 SHO 能够在不改变种群规模的情况下改善探索和开发之间的平衡。 更多详情可见： http://www.sciencedirect.com/science/article/pii/S030326471730103X MATLAB 软件该软件包含一个主函数 SHO_Example.m，它实现了 Ackley 函数的优化。

为了寻求生物反恐体系中高效的应急物资配送方式, 首先对比分析了传统的点对点配送模式和枢纽辐射模 式, 指出它们各自具有的优势; 然后构建一种混合协同配送模式以兼顾这两种模式的长处, 进而建立了混合协同配送 模式函数模型并给出了具体求解的启发式搜索算法. 通过仿真表明, 采用该模式能形成更加高效的应急救援网络, 对 实际应急救援工作具有一定的指导意义.