一种基于meanshift分类的大规模客户点分类配送方法

    公开(公告)号:CN103593747A

    公开(公告)日:2014-02-19

    申请号:CN201310547712.0

    申请日:2013-11-07

    摘要: 一种基于meanshift算法的大规模客户点分类配送方法,包括以下步骤:A1、获取带有4个字段的路网矢量数据,对不及、超过和节点不相交3种情况进行处理并建立GIS富网络路网模型,A2、建立配送目标节点分类模型;A3、建立车辆优化调度模型;A4、先采用N阶最短近邻算法,确定大规模客户点分类的数目k,meanshift算法确定大规模客户点分类后的聚类中心以及各个聚类包含的客户点;A5、每一类中的配送目标节点为原来的1/k,再对每一类中的配送目标节点采用车辆优化调度算法得到配送结果。本发明以配送点间的实际路网线路距离为计算依据,同时考虑道路实际行车能力、网点数较大、配送点对货运需求时间。

    一种基于meanshift分类的大规模客户点分类配送方法

    公开(公告)号:CN103593747B

    公开(公告)日:2016-11-23

    申请号:CN201310547712.0

    申请日:2013-11-07

    摘要: 一种基于meanshift算法的大规模客户点分类配送方法,包括以下步骤:A1、获取带有4个字段的路网矢量数据,对不及、超过和节点不相交3种情况进行处理并建立GIS富网络路网模型,A2、建立配送目标节点分类模型;A3、建立车辆优化调度模型;A4、先采用N阶最短近邻算法,确定大规模客户点分类的数目k,meanshift算法确定大规模客户点分类后的聚类中心以及各个聚类包含的客户点;A5、每一类中的配送目标节点为原来的1/k,再对每一类中的配送目标节点采用车辆优化调度算法得到配送结果。本发明以配送点间的实际路网线路距离为计算依据,同时考虑道路实际行车能力、网点数较大、配送点对货运需求时间。

    一种基于蒙特卡洛局部抖动和片段组装的蛋白质三维结构预测方法

    公开(公告)号:CN103714265B

    公开(公告)日:2016-06-22

    申请号:CN201310720089.4

    申请日:2013-12-23

    IPC分类号: G06F19/16

    摘要: 一种基于蒙特卡洛局部抖动和片段组装的蛋白质三维结构预测方法,包括以下步骤:首先针对蛋白质高维构象空间搜索空间复杂难题,在Rosetta力场模型下,根据蛋白质数据库构建片段库,利用蒙特卡洛统计方法,判断片段替换的有效性;在差分进化群体算法框架下,片段组装使得搜索空间的复杂度降低,同时,利用蒙特卡洛统计方法剔除错误的片段组装,通过进化算法的多样性,逐步减小构象搜索空间以提高搜索效率;同时,利用粗粒度的模型,忽略侧链,有效减小了搜索的代价。本发明有效得到局最优稳定构想、预测效率较高、收敛正确性较好。

    一种构象空间动态步长搜索方法

    公开(公告)号:CN104200132A

    公开(公告)日:2014-12-10

    申请号:CN201410362507.1

    申请日:2014-07-28

    IPC分类号: G06F19/16

    摘要: 一种构象空间动态步长搜索方法,包括以下步骤:对构象空间按照能量和温度分层,在每一层中再细分得到“构象室”,完成构象空间的初始化;随机扰动氨基酸序列得到一个初始构象,通过Rosetta Score3计算得到其能量值,存入相应能量层的构象室中,完成构象初始化;对所分能量层分配权重,在不同能量层赋予不同的片段组装(FA)步长和Monte Carlo扰动(MC)步长,同时设置温度参数列表,完成系统参数初始化;按权重依次随机选中能量层、构象室、构象,进行构象扩展,按照相应的Metropolis准则来判断是否接收当前构象,完成构象系综更新;迭代的进行上一步骤,直至到达设置的迭代次数。本发明提供了一种有效的构象空间增强采样方法。

    一种基于蒙特卡洛局部抖动和片段组装的蛋白质三维结构预测方法

    公开(公告)号:CN103714265A

    公开(公告)日:2014-04-09

    申请号:CN201310720089.4

    申请日:2013-12-23

    IPC分类号: G06F19/16

    摘要: 一种基于蒙特卡洛局部抖动和片段组装的蛋白质三维结构预测方法,包括以下步骤:首先针对蛋白质高维构象空间搜索空间复杂难题,在Rosetta力场模型下,根据蛋白质数据库构建片段库,利用蒙特卡洛统计方法,判断片段替换的有效性;在差分进化群体算法框架下,片段组装使得搜索空间的复杂度降低,同时,利用蒙特卡洛统计方法剔除错误的片段组装,通过进化算法的多样性,逐步减小构象搜索空间以提高搜索效率;同时,利用粗粒度的模型,忽略侧链,有效减小了搜索的代价。本发明有效得到局最优稳定构想、预测效率较高、收敛正确性较好。

    一种基于抽象凸下界估计的蛋白质结构预测方法

    公开(公告)号:CN103413067A

    公开(公告)日:2013-11-27

    申请号:CN201310329575.3

    申请日:2013-07-30

    IPC分类号: G06F19/16

    摘要: 一种基于抽象凸下界估计的蛋白质结构预测方法,包括以下步骤:首先针对蛋白质高维构象空间采样难题,采用一系列变换方法将ECEPP/3力场模型转换为单位单纯性约束条件下的递增射线凸函数;基于抽象凸理论,证明并分析给出了递增射线凸函数的支撑超平面集;然后,在差分进化群体算法框架下,基于群体极小化构象次微分知识构建下界低估支撑面;进而,通过低估支撑面极值点快速枚举方法,逐步减小构象采样空间以提高采样效率;同时,利用下界低估支撑面快速廉价地估计原势能模型能量值,有效减少势能模型目标函数的评价次数;最后,甲硫氨酸—脑啡肽(TYR1-GLY2-GLY3-PHE4-MET5)构象空间优化实例验证了本发明的有效性。本发明提供一种可靠性高、复杂性较低、计算效率高的基于抽象凸下界估计的蛋白质结构预测方法。

    一种构象空间动态步长搜索方法

    公开(公告)号:CN104200132B

    公开(公告)日:2017-04-19

    申请号:CN201410362507.1

    申请日:2014-07-28

    IPC分类号: G06F19/16

    摘要: 一种构象空间动态步长搜索方法,包括以下步骤:对构象空间按照能量和温度分层,在每一层中再细分得到“构象室”,完成构象空间的初始化;随机扰动氨基酸序列得到一个初始构象,通过Rosetta Score3计算得到其能量值,存入相应能量层的构象室中;对所分能量层分配权重,在不同能量层赋予不同的片段组装步长和Monte Carlo扰动步长,同时设置温度参数列表,完成系统参数初始化;按权重依次随机选中能量层、构象室、构象,进行构象扩展,按照相应的Metropolis准则来判断是否接收当前构象,完成构象系综更新;迭代的进行上一步骤,直至到达设置的迭代次数。本发明提供了一种有效的构象空间增强采样方法。

    一种基于富网络属性路网的物流配送方法

    公开(公告)号:CN103123704A

    公开(公告)日:2013-05-29

    申请号:CN201310027566.9

    申请日:2013-01-21

    IPC分类号: G06Q10/08 G06Q50/28

    摘要: 一种基于富网络属性路网的物流配送方法,包括以下步骤:A1.获得带有至少OBJECTID*,Shape*,NAME,Shape_Length,TIME5个字段的路网矢量数据,原始数据需要处理才能拓扑分析。A2.采用自动方法处理不及、超过和节点不相交的3种情况。A3.构建路网数据对象模型。A4.对地图数据检查过的矢量数据进行路网的拓扑处理。A5.路网拓扑关系利用节点表达路段与路段之间的连通性,因此构建城市路网的拓扑关系主要是提取和处理节点、路段信息,从而建立拓扑关系。A6.配送路线代价权值的确定也是将配送问题的非线性转化为线性问题求解的关键。A7.配送问题模型的建立。A8.针对配送问题模型提出的一种经典的表上作业法,可编程实现。