课程文献中心 更多>>

关键词： 可重构装配车间调度   超启发式算法   多技能   关键工艺  

摘要： 针对卫星、导弹等航天复杂产品装配车间的装配工位、装配工人、装配作业三者相互依赖与制约,给车间调度造成巨大障碍的问题,提出一种超启发式算法,创新地使用启发式拟合规则和迭代最优规则,实现了可重构装配车间调度研究。构建了考虑关键能力制约的可重构装配车间模型,以及重构切换时间、常规/关键工艺需求、人员/工站修正系数等相关的关联模型;在最佳装配工人技能、数量及其比例确定的基础上,采用超启发式算法,通过进化算子迭代寻优启发规则,实现了一种考虑工位可重构、工人多技能、常规作业/键性作业等多层次的装配车间最佳调度方案。通过小规模和大规模用例仿真验证,以及某航天企业卫星装配车间的实例应用表明,与传统启发式算法对比,所提算法具有效性和高效性。

关键词： 矿山   机电设备   设备管理  

摘要： 矿山机电设备管理存在设备老化、工艺落后、维护不到位、人员素质不匹配等问题。要想有效地解决这些问题,就需要加大资金投入,更新迭代设备,引入高度自动化与智能化技术,不断地对员工进行培训。基于此,本文以亭南煤业公司对矿山机电设备管理中存在的问题为例,提出了解决对策并进行研究,以期为相关人员提供参考。

关键词： 离散数学   关键路径   实践教学  

摘要： 将Python语言融入离散数学教学过程中,以离散数学图论部分关键路径为例,说明如何使用Python编程语言和离散数学知识来计算项目的关键路径。首先介绍了离散数学中与关键路径相关的术语和概念,然后详细介绍了如何使用Python编程语言实现项目的关键路径,并且结合实例进行了计算。最后对结果进行了分析和总结。使用Python编程和离散数学知识计算得到项目的关键路径完全一致。通过离散数学理论与实践相结合,培养学生实际动手技能。

关键词： YOLOv8   缺陷检测   RSG模块   AOK模块   RSCD检测头  

摘要： 针对饮料包装生产线上缺陷检测精度低和速度慢等问题,提出一种基于改进YOLOv8的轻量化饮料包装缺陷检测算法(Light YOLOv8-DP),以提升小目标检测精度,降低计算资源消耗。在YOLOv8的Backbone骨干网络中引入RepStreamGhost(RSG)模块以替代C2f模块,实现梯度流通优化;将YOLOv8的Neck特征融合网络替换为Small Target Boost Pyramid(STBP)结构,通过AdaptiveOK(AOK)模块增强特征提取的多尺度表现;采用重参数轻量化共享卷积的Rep Shared Convolutional Detection(RSCD)检测头,减少参数量和计算复杂度;通过构建饮料包装缺陷数据集进行试验验证。结果表明,Light YOLOv8-DP算法平均精度达到85.5%,召回率达到82.1%,精确率达到83.8%,较原始YOLOv8分别提高2.3%,3.3%,3.9%;检测速度达到259.26帧/s,较原始YOLOv8提高43.65帧/s。对改进后的算法进行实时检测验证,F1分数提高1.7,单张图片的处理速度提高0.7 ms。研究为食品包装的自动化检测提供新思路。

关键词： 信息技术   Python课程   计算思维   核心素养  

摘要： Python编程语言是高中信息技术教学中一门必不可少的课程,具有简单易学、语法简洁、功能强大等特点,可以很好地锻炼学生的问题解决、思考探究等能力,促进学生计算思维的发展。在高中信息技术课程教学中,教师应当充分认识Python课程的重要价值,想方设法地落实相关教学任务,使学生能够顺利发展计算思维素养,落实新课标精神。鉴于此,本文主要围绕高中信息技术Python课程对学生计算思维的培养优势和培养策略进行了探讨。

关键词： YOLOv8n-Pose算法   深度卷积   上下文导引特征融合   姿态估计  

摘要： 针对YOLOv8n-Pose模型在边缘设备部署面临的计算资源和存储空间受限问题,提出了一种基于改进YOLOv8n-Pose的人体关键点检测算法。设计了一种基于上下文导引特征融合模块,以提升模型的特征表达能力和检测精度,并引入深度卷积进行图像特征处理,使得检测头的参数量更少、计算量更低。在COCO-Pose数据集上的实验结果表明,改进后的YOLOv8n-Pose模型在保证检测精度提升的同时,使得参数量降低了19.5%、计算量减少了32.6%,从而提高了模型在边缘场景中的适用性。

关键词： 深度学习   自然语言处理   算法优化   模型架构   训练算法  

摘要： 当下,深度学习虽为自然语言处理(NLP)开启诸多可能,但面临重重困境。数据获取艰难,难以集齐充足优质的数据,数据标注成本高、耗时长,令研究者望而却步,模型架构存在局限,无法灵活适配多变任务,训练效率还如老牛拉破车般低下,严重阻碍 NLP 发展。因而优化深度学习算法意义重大,本文聚焦于此,全方位探究其优化策略,涵盖数据、架构、训练算法各层面,力求突破困境。 。

关键词： 装配序列规划   风电机组   参数   多策略混合鲸鱼-蚁群算法  

摘要： 装配序列规划(ASP)是风电机组设计和制造的关键内容,对产品的生产效率和成本有重要影响。SP问题是一个典型的NP完全问题,需使用有效的方法来搜索最优或近优的装配序列,但常用智能优化算法的参数值获取比较困难,导致在搜索效率和收敛精度上存在一定局限性。为此,提出一种求解SP问题的多策略混合鲸鱼-蚁群优化算法。在计算过程中,使用增加精英反向学习策略(OBL)、差分进化算法(DE)的多策略混合鲸鱼算法优化蚁群算法的参数,然后再采用蚁群算法搜索最优或近优的装配序列。计算实验表明:多策略混合鲸鱼-蚁群优化算法降低了参数设置的复杂性,在求解SP问题上,与传统蚁群算法相比,算法的收敛速度和寻优能力得到很大提高。

关键词： 项目式学习   养成路径   幼儿思维   人工智能应用   计算机教学   记录分析   经典故事   小红帽  

摘要： 我们一直在关注最前沿的人工智能应用工具,思考如何应用学龄前儿童和AI共同的特征“学习与成长”赋能幼儿思维成长。我们发现通过算法思维游戏的形式,幼儿能在无计算机教学中理解算法原理,获得基础的数字经验,进而促进他们数字素养核心能力的形成。本文以经典故事《小红帽》为载体,以算法思维游戏的形式,应用AI前沿工具,设计了一条涵盖多个环节的项目式学习路径,旨在探索幼儿通过数字技术进行游戏、参与、社交和学习的有效方式,丰富幼儿的数字经验;通过游戏观察和记录分析幼儿在数字环境中知识、技能和态度的养成路径,以期为后续开展幼儿数字素养培养提供有力的实践依据和参考。

关键词： 区块链   通信延迟聚类   共识算法   信誉模型   PBFT  

摘要： 针对现有基于分组策略的拜占庭容错共识算法中存在的主节点不稳定、延迟高等问题,提出一种基于通信延迟聚类和节点信誉的PBFT共识算法(CD-PBFT)。首先,设计了新的基于通信延迟的聚类算法对网络中节点进行分组,将通信延迟融合进欧氏距离公式,让系统中的节点根据混合距离进行聚类,最终使各个集群中延迟之和达到最低,减少通信开销,提升共识效率;其次,提出了基于综合评价的信誉模型,综合考虑节点延迟指数、共识行为和历史信誉,对节点进行信誉评估,依据节点行为和延迟差异进行信誉奖惩;最后,优化主节点选取方式,建立了一种基于节点稳定性和信誉模型的主节点选择机制,通过信誉模型获得节点的信誉值后,引入方差来衡量节点的信誉波动,选择信誉高且方差小的节点担任主节点,提高主节点的安全性。实验结果表明,相较于PBFT,该算法平均吞吐量提高了126.8%,平均时延降低了68.3%。同时,与现有基于聚类的PBFT算法相比,CD-PBFT具有较为明显的性能优势,能够更灵活地应用在大规模节点的联盟链场景中。