简介:研究复杂系统的自聚集演化过程和聚集量.文中给出两个类似生长网络的模型.第一个模型比较简单,每一时间步长只有一条新边进入网中,但概括面较广,例如可描写选举、科学论文引用、食物源对蚁群蜂群的吸引、某种商品或股票、堤坝渗漏处,等等.第二个模型比较一般,每次可有m条新边进入网络.文中引用BA网络模型给出的"优先连接"的概念,研究上面两个网络中各点的聚集量.结果表明:对于这两个模型,各点可能的聚集量均可用一个数学期望的简单公式描述,即Ets=ks/t0t.其中,s表示网中某点,t0是初始时间,ks是t0时点s的顶点度,t是任何时间,t也是此时网的总度数,或总聚集量.ks/t0表征点s的初始优势或初始吸引能力,点可称为吸引核,ks/t0可称为吸引系数.文中解释了对于不同情况下Ets=k/t0t的意义.
简介:港口吞吐量预测是港口决策和规划的基础。为了合理预测港口吞吐量,本文利用外贸进出口总量、第一产业总产值和第三产业总产值作为BP神经网络的输入变量,港口吞吐量为输出变量,建立了港口吞吐量预测的BP神经网络预测模型。然后根据2000年-2010年广西北部湾港口吞吐量、外贸进出口总量、第一产业总产值和第三产业总产值,利用Matlab6.5软件的神经网络工具箱,通过对BP神经网络模型的反复训练,发现当隐含层节点数为6,学习率为0.05,训练次数为500次,训练精度为0.001,动力因子为0.9时得到的效果最好。并对BP神经网络模型与多元回归模型的预测结果进行比较分析,认为BP神经网络模型预测的总体效果更优。最后利用所确定的BP神经网络模型,对2011年和2012年两年的港口吞吐量进行了预测。
简介:Agent在MAS中的行为在很多方面类似于生物在自然环境中的生态行为,因此,从生态系统角度,基于生态特征研究MAS的工业进化模型是很有意义的,对解决生态工业系统的优化控制有着引人注目的现实意义和发展前景。应用贝叶斯技术和贝叶斯网络为智能Agents和多Agent系统所提供的数学框架和处理工具,可有效地解决Agent研究领域所遇到的知识表示、学习和行为决策问题。生态工业系统中的每个企业可以建模为智能Agent。提出一种基于贝叶斯网的方法来对各企业Agent之间的协作关系进行建模。该方法能有效表达各企业Agent的行为策略之间的因果关系,进而可以对生态工业系统中各企业在不同情况下采取的行为策略进行预测和决策,使得整个生态工业系统的经济效益、社会效益和环境效益达到最优化。