简介:摘要:根据我国互联网信息中心发布的统计数据,2020年3月,我国网民数量达到了9.04亿,其中通过手机上网的网民达到了8.97亿。截止到2020年6月,我国网民数量达到了9.40亿,较之3月增加了0.36亿,普及率达到了60%以上。在所有网民中,20岁到29岁的网民占到了其中的21.5%,学生网民占到了26.9%,同时,网民每周上网时间达到了30.8个小时。网民队伍的不断扩大使得网民成为了网络舆情传播和接受的主要力量。但是,网络本身的自由特性以及信息传播速度快等优势也使得网络舆情更加容易引发危机事件,这就需要对网络舆情进行更加深刻的认知以及应对。
简介:摘要:本文介绍了一种新的高效优化方法“基于教与学的优化”。该方法研究了教师对学习者的影响。与其他受自然启发的算法一样,TLBO也是一种基于总体的方法,并使用大量的解决方案来进行全局解决方案。人口被认为是一组学习者或一组学习者。TLBO的过程分为两部分:第一部分是“教师阶段”,第二部分是“学习阶段”。“教师阶段”指向教师学习,“学习者阶段”指通过学习者之间的互动来学习。
简介:摘要:在现代化的今天,我们的周围被数量众多的数据所环绕,如何从这些数据中得到自己想要的内容成为了不可逃避的话题。由于数据量每天都在大量增加,继续使用传统的推荐系统来进行数据的推荐已经不在适合,可能会出现推荐不准确、数据处理速度过慢等情况,导致用户无法准确的得到自己想要的结果。针对以上情况,本实验使用Hadoop框架,利用Hadoop分布式计算的特点并行处理大量数据,提高运行的效率[1]。并采用均值漂移聚类算法对数据集进行处理,解决矩阵稀疏性的问题,使推荐精度提高。
简介:摘 要:本文针对蚁群算法在构造解的过程中,收敛速度慢且容易陷入局部最优,提出了在蚁群搜索路径过程中,自适应调整α(信息素启发式因子),β(期望启发式因子)的值.通过建立α(信息素启发式因子),β(期望启发式因子)的互锁关系,使其达到一种平衡或近似平衡,从而扩大蚁群算法的搜索空间,使蚁群算法跳离局部最优
简介:摘要:探究如何使交通规范化和交通合理化,对交通方面进行有效的管理,使危险品运输路径更加的合理和运输过程更加安全是我们现如今研究的一大难题。危险品不同于一般普通货物,如果在运输危险品时出现了不安全状况,不仅对沿线居民的生活造成威胁,而且对周围环境和设施也会带来不可恢复的污染与破坏。对于危险品运输路径优化算法也是现如今重要的一项研究问题,本文对现有相关研究进行整理和分类,把危险品运输路径优化算法的研究分为两大类,即传统的算法研究和群智能的算法研究。最后,在梳理相关研究优缺点的基础上,分析了现有研究中可以改进和完善的内容,并总结了未来研究的趋势和重要方向。