引言

（1）日本对东北地区移民侵略概述性研究。该类下的主要关键词是日本、移民侵略和东北地区，相关研究集中在日本在 “九·一八”事变前后向东北地区人口迁移研究；日本帝国主义对中国东北移民侵略特点的剖析； “满铁” “满洲拓殖公社”在日本移民过程中的地位和作用研究；日本国民在侵华期间的历史责任研究以及日本移民状况的调查研究。

自2010年以来，互联网打车服务引起了社会各界的诸多关注。互联网打车就是网络预约出租汽车服务，由“互联网+”实现的一种网络打车服务平台，主要是滴滴、Uber和快的三大类打车软件，它们的合作平台分别是腾讯、百度和阿里巴巴。近年来，由打车软件催生的互联网约租车市场在我国迅速发展，不仅使得公众出行更加方便，也挑战着传统出租车模式。“互联网+”时代出租车资源调度问题是乘客通过手机网络平台，发送实时位置及所要到达的目的地，通过互联网将用车信息传送给出租车司机，司机通过手机网络平台一键抢应，并和乘客联系，以此实现打车问题[1-2]。

厂房尺寸的确定是由流道尺寸、安装场长度、安装高程、吊车跨度、吊件最大高度、副厂房布置、设计水位及水工建筑物结构要求等因素决定。经布置后，厂房上、下游总长度为110.80m，厂房底部总宽度为31.00m，上部总宽度31.0m，最大高度61.00m。

针对出租车的资源配置问题，日前有较多学者提出配置算法。有基于相关分析法、因子分析法、BP 神经网络、C 均值聚类等等方法对出租车资源配置的研究[3-7]。而出租车资源配置过程是一个动态变化过程，随着不同时空的变换，资源的分配情况也随之变化。所以仅仅是分析影响城市出租车供求匹配程度的因素是不够的，大量研究事实证明，出租车资源配置问题实际上是在不同时空的一种多目标、多约束条件的优化问题，为此，出现了基于不同时空指标、缓解打车难、补贴政策等因素分析的出租车资源配置研究，获得了较好的方案。

式中，xink和vink分别为粒子i在第k次迭代时的位置矢量的第d维分量和飞行速度矢量的第d维分量。

1 出租车资源配置问题

Step1:根据出租车资源配置问题设置种群规模，初始化粒子群，包括每个区域供应点与需求点的随机位置；

分别以采用温度为40，50，60，70℃的热风作为干燥热源，以物料薄层厚度5cm，风速0.6m/s下进行高水分小麦干燥，探讨不同干燥温度对物料含水率及干燥速度的影响。

 

(1)

混沌全局搜索就是每次搜索时利用混沌系统在整个解空间即决策变量的范围内产生全局范围内的新解向量，并选择这些新解同原最优解之中的最优解进行搜索的方式。混沌全局搜索的算法流程图如下图1所示。

矿山企业要认清形势，对照新的绿色矿山建设行业标准，从资源开采水平、环境保护措施、矿容矿貌、社区和谐等等一系列方面找差距，切实拿出实际行动，建设高质量的绿色矿山。重点从四个方面予以提升。

本文将出租车从其所在的地点i到地点j的概率表示为pij，将出租车所在地点i与地点j的距离表示为dij，于是某时某地出租车到乘客所在地的概率情况表示为：

中国古典艺术批评“微妙”原理，既然源于中国古典艺术创作、品评的厚实活泼经验(包括对中国古典汉语细腻、温柔、婉转的创作经验，即评论像诗一样创作)，粘泥着杂花生树的感知经验，看似零碎、漂浮、闪烁、偶然、感性，那么其具有通达与显现艺术普遍性真理的效力吗?

 

(2)

且满足

 

综上可得到出租车资源配置数学模型如下：

 

(3)

2 基于多混沌策略改进的粒子群算法的出租车资源配置

2.1 粒子群算法

在算法中，假设在维空间D中，有m个粒子；

设粒子i的位置为：Xi=(xi1，xi2，…，xiD)

粒子i的速度为：Vi=(vi1，vi2，…，viD)

学困生形成的原因多种多样，主要表现在：学生学习动机过于功利化，迷恋于对考分的追逐，不认真对待生物学科的学习，在课堂教学上心不在焉，敷衍对待作业；教师讲授方法单一，缺少趣味性，学生对生物学习失去兴趣；教师上课总喜欢提问学优生，而冷落学困生，使他们讨厌老师，对生物学科也变得厌恶起来；学生意志力薄弱，不能抵制外界诱惑，遇到不会问题时奉行“拿来主义”，不愿去主动思考，尝试解决问题。

+c2·rand2·(gbestn-xink-1)

pbesti=(pi1，pi2，…，piD)

gbesti=(g1，g2，…，gD)

粒子i在第d维空间中的位置更新公式为：

本研究利用LLME-GC/MS探讨了大曲微生物与窖泥微生物在模拟发酵体系中主要挥发性物质的变化规律，研究结果表明，在模拟发酵体系中大曲微生物、窖泥微生物、混合发酵所产主要挥发性物质是醇类。混菌培养条件下发酵液中酸类、醇类、酯类的积累均受到相当大程度的抑制。风味物质与微生物群落间的关联性以及窖池内微生物的代谢规律特征将是我们后续研究工作的重点。

xink=xink-1+vink-1

(4)

针对一些算法的不足，对出租车资源配置问题进行分析，建立出租车资源配置的优化模型。考虑到粒子群优化算法适用于求解各类优化问题[8-14]，并且为了加快其收敛速度[15-17]，于是我们利用基于多混沌策略改进的粒子群优化算法对成都市不同经纬度段的出租车配置搜寻更优的策略，提高了供求匹配速度和匹配成功率。

故粒子i在第d维空间中的速度更新公式为：

vink=wvink-1+c1·radn1·(pbestin-xink-1)

+c2·rand2·(gbestn-xink-1)

(5)

式中，w为非负数，调节对解空间的搜索范围，称为惯性权重；c1，c2为加速度系数，调节学习最大步长；rand1，rand2为[0，1]之间的随机数，用以调节搜索随机性。

2.2 多混沌策略

Step5:如果满足终止条件，输出最优粒子位置，否则返回第3步。

故粒子i在第d维空间中的改进速度更新公式为：

vink=wvink-1+c1·radn1·(pbestin-xink-1)

粒子i个体和种群所经历过的最好位置分别为：

(6)

其中，wt+1=4wt(1+wt)w1∈(0，1)，t为迭代次数，wt为第t次迭代时的混沌惯性权重。

2.3 混沌全局搜索

式中，xij表示第i个供应点是否接受第j个需求点，当xij=1表示第i个供应点接受第j个需求点，xij=0表示第i个供应点拒载第j个需求点。并且每个供应点最多与一个需求点匹配，每个需求点也只能匹配一个供应点。

  

图1 混沌全局搜索流程图

在上面的流程图中，Ls，d、Hs，d分别为决策变量第d维的最小值和最大值；|zs|为当前混沌序列值绝对值的最大值；f(cs)、 fmax(cs)为第s次搜索所得解向量的目标函数值和最大目标函数值；Pg和f(Pg)分别为当前迭代下的最优解和最优值。

2.4 基于多混沌策略改进PSO算法的出租车

资源配置步骤

为了更好地说明本文算法在资源配置方面的优越性，不考虑上下班高峰期、节假日等特殊时期的情况。针对城市出租车资源配置问题我们将其转化为二部图的最佳匹配问题，利用0-1整数规划来刻画，于是考虑整座城市的供需匹配程度，即某时某地出租车资源供求匹配情况表示为：

Step2:计算粒子适应值，确定pi和g；

Step3:对于每个区域粒子，如果适应值大于pi，则将其更新为粒子i的当前最好位置pi，若适应值大于g，则更新g；

Step4:根据公式(4)和公式(6)改变粒子的速度和位置，生成新的粒子种群；

惯性权重w调节对解空间的搜索范围即平衡对全局最优解的搜索能力，它直接影响PSO算法收敛速度和准确度。在PSO算法中惯性权重基本保持不变，于是导致PSO算法全局寻优能力不是很强，因此为了解决此问题，本文采用混沌惯性权重对w值进行动态地调整，随机扰动寻优粒子的位置，使其增加搜索的解空间，跳出局部最优，最后可以寻找到全局最优值。

面对诸如此类的情节描写，又让我们怎么相信，这部史诗的主题是反对腾格里天神？哈冉惠和霍尔穆斯塔的关系怎么是对立的呢？为解释出现这种与其说法相矛盾的情节，学者提出，这是“由于喇嘛的篡改所致”，但面对“三十三天”，学者似乎自己也发现了持论的自相抵牾，便又做出这样的解释：“本来萨满教和佛教都有天神。萨满教的天神是九十九个，佛教的天神是三十三个，但是改写《汗哈冉贵》(即《罕哈冉惠传》—笔者注)的喇嘛没有分清这种界线(限)，把天神一律看成是佛教的敌人去描写的。” [注]仁钦道尔吉：《蒙古英雄史诗源流》，内蒙古大学出版社，2001年版，第308页。

Step6:根据最优粒子得到出租车资源配置方案。

由于中西方的文化背景差异悬殊，在对历史事件的翻译过程中，可以采用注释法，这是在哲学文本翻译中通常会用到的基本英译方法，对注释法的合理运用，不仅能够帮助外国读者熟悉书中所涉及的人物、历史背景等。注释法，多用于对事物的意义、故事中心思想的解释，在对孟子学说的翻译过程中更是起到了至关重要的作用。由此可见，注释法翻译策略在《孟子》一书中的使用，不仅符合中国古典文献的著录要求，也能在翻译过程中充分保全文化内容，准确表达书中的孟子思想。

2.5 基于多混沌策略改进粒子群算法对成都市城区出租车资源优化配置

进入“滴滴快的智能出行平台”网页后台，搜集成都市不同经纬度段(以2016年3月10日星期四的数据为例)的出租车资源供需数据，根据数据特征，将一天的数据划分为24个部分，每一部分即为一个小时的数据，然后对数据进行预处理，最后将不同空间范围内的数据整理，部分数据如表1所示。

 

表1 不同空间的出租车供需量

  

经度段纬度段1234(103．61，103．81)(103．81，104．01)(104．01，104．21)(104．21，104．41)1(30．53，30．66)700120010109202(30．66，30．78)8409008009603(30．78，30．91)80010007908404(30．91，31．03)12001100930810

不同经纬度段内的出租车供需网络分布图如图2所示：

现在的计算机技术已经较为成熟，可以为各行各业服务。对于农村供电系统方面，也可以模仿城市的数字化管理一样，进行远程的检测与控制。这样还有利于国家与用户之间的方便。当然，有条件的农村可以先引进，再逐步向周围地区推广。

- 3(P9+ Q9)ψ- 3(P+ Q)ψ- (P+ Q)ψ9 Q= -3(P9+ Q9)ψ- 3(P+ Q)ψ- Pψ9- Q(ψ9∓1)=

  

图2 不同经纬度段内的出租车供需网络分布图

通过对我们搜集的数据的整理、预处理之后，根据基于多混沌策略改进的粒子群算法求解出租车配置的算法，运用matlab软件编写相应的算法程序，将2016年3月10日成都市出租车实时数据代入程序，得到了运用改进粒子群算法求得的配置结果，根据配置的最优解求得了相应的不同时空的供求匹配程度如表2所示。

 

表2 成都市不同空间范围内的出租车供需匹配情况

  

经度段纬度段1234(103．61，103．81)(103．81，104．01)(104．01，104．21)(104．21，104．41)1(30．53，30．66)0．50．650．750．492(30．66，30．78)0．710．590．600．553(30．78，30．91)0．820．480．660．734(30．91，31．03)0．630．710．570．67

表2中数据显示成都市不同空间范围内的出租车供需匹配情况，经纬度段的变化可影响匹配速度且匹配速度越快、匹配成功率越高，如图3所示。

  

图3 PSO和基于多混沌策略改进的PSO算法的出租车匹配成功率对比

从上图3可得，随着成都市不同经纬度段的变化，PSO算法和基于多混沌策略改进的PSO算法的出租车匹配成功率都较高，但基于多混沌策略改进的PSO算法相对于PSO算法成功率有明显的提高，几乎提高了20%。基于多混沌策略改进的PSO算法具有一定的优越性，如图4所示。

  

图4 PSO和基于多混沌策略改进的PSO算法的出租车匹配的收敛性能对比

从图4可知，相对于PSO算法，基于多混沌策略改进的PSO算法的出租车匹配的收敛性能具有明显的优势，在经度104、纬度36左右便找到了出租车资源配置最佳匹配策略，远远快于PSO算法的匹配速度。对比结果表明，引入混沌系统对PSO算法中的搜索参数进行更新，动态地调整PSO算法的惯性权重，对整个解空间进行混沌全局搜索不仅增大了粒子群个体随机性，而且能较好地跳出局部最优解，获得更优的出租车资源配置方案。

结论

针对出租车资源配置的动态变化过程，随着不同时空的变换，资源的分配情况也随之变化的情况，本文提出了基于多混沌策略改进的粒子群优化算法的“互联网+”时代出租车资源优化配置策略。通过对成都市不同经纬度段内出租车资源配置的实验证明，基于多混沌策略改进的PSO算法提高了出租车与乘客的匹配速度，增大了匹配成功率，减少了时间和空间资源的浪费，提高了司机和乘客的满意度，具有较好的优化资源以及合理配置资源的能力。

参考文献

[1]贺银凤. 从“打车软件”的兴起看出租车管理体制改革的必要性[J]. 经济论坛， 2015(4):144-147.

[2]汪小力， 汪欣， 于东焱. 基于相关分析法的出租车资源配置研究[J]. 河北北方学院学报(自然科学版)， 2016， 32(5):50-54.

[3]洪铃， 滕磊， 潘婷婷，等. 基于因子分析法“互联网+”时代出租车资源配置的研究[J]. 西昌学院学报:自然科学版， 2016， 30(1):8-12.

[4]宣琳. 基于BP神经网络出租车资源配置的研究[J]. 佳木斯大学学报(自然科学版)， 2016， 34(3):374-377.

[5]赵文杰， 朱家明， 吴晓蔓，等. 基于C均值聚类下出租车资源配置的优化[J]. 佳木斯大学学报(自然科学版)， 2016， 34(2):267-271.

[6]陈枫. 基于供需平衡的城市出租车合理规模研究[D]. 长安大学， 2010.

[7]曹钰， 刘志凯. 苏州市出租汽车行业供需平衡的分析研究[J]. 江苏交通， 2003(Z1):29-30.

[8]谭跃， 谭冠政， 邓曙光. 基于遗传交叉和多混沌策略改进的粒子群优化算法[J]. 计算机应用研究， 2016， 33(12):3643-3647.

[9]茹蓓， 朱楠， 贺新征. 基于改进粒子群优化的无标记数据鲁棒聚类算法[J]. 计算机应用研究， 2017， 34(6):1626-1630.

[10]蔡琪， 单冬红， 赵伟艇. 改进粒子群算法的云计算环境资源优化调度[J]. 辽宁工程技术大学学报， 2016(1):93-96.

[11]罗金炎. 粒子群算法的递推分析及改进[J]. 计算机工程与应用， 2016， 52(19):25-30.

[12]肖理庆， 王化祥. 利用改进粒子群算法优化ERT有限元模型[J]. 计算机应用研究， 2017， 34(5):1581-1584.

[13]袁晗， 徐春梅， 杨平，等. 一种基于子群变异的粒子群优化算法[J]. 计算机应用研究， 2017， 34(4):1076-1079.

[14]司守奎. 数学建模算法与应用[M]. 国防工业出版社， 2011.

[15]姚龙洋， 张清华， 胡帅鹏，等. 基于近似集与粒子群的粗糙熵图像分割方法[J]. 计算机科学与探索， 2016， 10(5):699-708.

[16]程毕芸， 鲁海燕， 徐向平，等. 求解旅行商问题的改进局部搜索混沌离散粒子群优化算法[J]. 计算机应用， 2016， 36(1):138-142.

[17]刘桂红， 赵亮， 孙劲光，等. 一种改进粒子群优化算法的Otsu图像阈值分割方法[J]. 计算机科学， 2016， 43(3):309-312.