课程文献中心 更多>>

关键词： 物流工程   二维装箱问题   二次装箱策略   列生成算法   分支定界   两阶段求解  

摘要： 为将切割和装箱问题作为一条完整的生产物流链进行研究,设计考虑将两者契合在一起,构建了两阶段二次装箱模型,第一阶段为二维切割问题,第二阶段为二维装箱问题。为求解上述问题,提出了两阶段基于列生成和分支定界算法的求解方式。利用列生成算法对问题的线性松弛主问题进行求解后,使用分支定界进行后续问题的求解,最终原整数规划问题通过该方法得到了最优解。通过二次装箱策略将装箱问题分解为一次装箱和二次装箱,进而简化其求解复杂度。一次装箱类似于快递包装,在箱子上进行标记,记录箱子内装载货物的规格和数量位置,二次装箱类似于包裹的转载运输。二次装箱策略可以对货物进行分类包装,能够跟踪货物的后续搬运过程,进而减少物流企业在各需求地的搬运成本,帮助物流企业在后续配送过程中提高工作效率。通过对实例的测试,结果表明列生成和分支定界算法适用于所提出模型的求解,研究成果为二维切割和装箱组合问题的求解提供了有效途径。

关键词： 电力工程数据   异常数据识别技术   遗传算法  

摘要： 文章介绍了一种利用遗传算法进行数据辨识的方法。通过对异常数据进行辨识,提高了整个算法的全局搜索能力,从而提高了整个算法的效率。通过MATLAB的模拟实验,证明了文中提出的方法能够实现对电力工程中出现的异常数据自动辨识。将遗传算法应用于图像检索中,不仅提高了图像的正确率,而且时间上缩短了60%,达到了检索性能和检索效率之间的均衡。

关键词： 转向架构架   磁粉探伤   缺陷检测   YOLO-CET   注意力机制  

摘要： 针对转向架构架磁粉探伤缺陷识别环节人工目测效率低的现状,提出一种基于YOLO-CET(You Only Look Once based on CoTNet-Efficient-Transformer blocks)的探伤图像缺陷自动识别算法,实现对构架表面真伪缺陷的智能识别。以YOLOv5(You Only Look Once version 5)为基础模型,在骨干特征提取网络引入轻量化CoTNet(Contextual Transformer Networks)网络层,实现缺陷特征的多尺度融合与提取。加入高效通道注意力机制,在不增加网络计算量的同时提高模型的鲁棒性和泛化性。增加一个小尺寸缺陷检测头用于减轻不同尺寸特征带来的尺度方差影响,同时引入视觉自注意力模块,增强小目标缺陷的抓取识别能力。利用自建的构架表面缺陷探伤数据集进行测试,结果表明,与YOLOv5相比,所提出的YOLO-CET使检测平均精度提升33.8%,F1-Score提升0.26,浮点运算量仅增加1.5 B,该模型可实现缺陷的自动检测,有效解决背景误判、细小缺陷漏检等问题。

关键词： 水稻   施肥   行为识别   YOLOv8   检测层   注意力机制  

摘要： 在水稻种植过程中,为实现人工施肥行为自动化的检测和识别,以浙江省宁波市海曙区数字农业中心水稻田间的人工施肥行为识别作为研究目标,开展基于YOLOv8算法的水稻田间人工施肥行为识别研究。在YOLOv8算法的基础上增加目标检测层,保留浅层特征信息,增强网络模型对小尺寸目标特征的感知能力;引入全局注意力模块,增强网络模型对全局特征信息的关注度。结果表明,改进后的YOLOv8-GS识别模型mAP值为98.4%,比原YOLOv8模型提高2.4%,每幅图像检测时间为1.7 ms。对小尺寸目标测试集检测,mAP值为98.6%,比改进前提高3.3%。YOLOv8-GS模型具有高精度、实时性、多尺度等优点,特别是对小尺寸目标具有较强的检测和识别能力。

关键词： 图像加密   分数阶2D-TFCDM映射   改进的Hilbert曲线   分块置乱   Arnold变换  

摘要： 为增强数字图像在传输中的安全性,同时解决图像像素间关联性强、数据量大等问题,提出了一种基于分数阶2D-TFCDM映射和改进的Hilbert曲线置乱的图像加密算法。首先,利用分数阶2D-TFCDM映射产生伪随机序列;其次,对明文图像进行分块,将改进的Hilbert曲线对子块图像进行置乱,为充分地削弱图像的相关性,进一步提高图像的置乱度,再对图像进行M×N次Arnold变换,同时改变每次Arnold变换的参数;最后,将异或运算与明文图像的平均像素值相结合进行扩散,得到最终的加密图像。对3幅256×256大小的灰度图像进行测试,结果表明,加密图像的像素间关联性较弱,具有较好的加密效果、良好的统计特征和强大的抗干扰能力,可有效抵抗各种常见的攻击,在图像加密方面具有较好的实用价值。

关键词： ISSA-BP   声发射定位   混凝土   BP神经网络  

摘要： 针对现阶段声发射技术在混凝土结构健康检测中由于衰减严重而导致的损伤源精度低问题,提出了一种基于改进麻雀搜索算法来优化BP神经网络(ISSA-BP)用于混凝土声发射定位的方法。首先采用BP人工神经网络作为混凝土声发射定位的基础框架,通过对声发射信号进行小波降噪,并将信号的峰值时间,时间差,能量和幅值作为网络的输入参数,然后利用ISSA对BP神经网络的权重和偏置进行优化。为了验证该方法的有效性采用0.5 mm硬度为2H的铅芯进行断铅实验,实验结果表明所提方法算法比传统BP神经网络和麻雀搜索算法(SSA)优化神经网络在混凝土损伤源声发射定位上平均误差分别减少了43.47%、14.02%,最大误差减少了56.52%、4.41%,最小误差减少了42.82%、72.42%,具有一定的工程应用价值。

关键词： 深空探测   光学自主导航   乘性噪声   非线性滤波  

摘要： 针对深空探测任务中航天器的状态估计问题,考虑到基于光学相机的自主导航系统在建立观测方程时所使用的坐标系转换矩阵含有由星敏感器引入的测量噪声,该噪声与量测状态相互耦合,属于乘性噪声,建立带有乘性噪声的光学自主导航系统模型。针对系统存在乘性噪声时,仅适用于处理加性噪声的传统滤波器估计误差增大的问题,将乘性噪声矩阵引入高斯滤波算法的递推公式进行推导,并结合混合阶球面单形-径向容积卡尔曼滤波器(mixed-order spherical simplex-radial cubature Kalman filter,MSSRCKF)的数值积分方法,提出混合阶容积-乘性卡尔曼滤波器(mixed-order cubature-multiplicative Kalman filter,MC-MKF)。该滤波器能够对由星敏感器引入观测方程的高斯以及非高斯乘性噪声进行处理,在不增加计算复杂度的情况下提升滤波器的估计精度。最后,将MC-MKF应用于自主导航系统模型,并与MSSRCKF进行比较分析。仿真结果表明,当系统存在乘性噪声时,MC-MKF的估计精度明显优于MSSRCKF,且计算量与MSSRCKF基本一致。

关键词： 制度松绑   数字治理生态   新质生产力   大数据管理机构   双重机器学习  

摘要： 数据具有边际报酬递增乘数效应,是打造新质生产力的新增长极。通过数据制度松绑将赋能新质生产力,助力高质量发展与中国式现代化。借助双重机器学习模型,选取2010—2022年省级面板数据,探讨大数据管理机构设立对新质生产力的影响,考察制度松绑、数字治理生态与新质生产力的内在联系与建链路径。研究发现:①以大数据管理机构设立为代表的制度松绑能有效促进新质生产力发展。大数据管理机构的设立推动数字政策环境、数字经济环境与数字社会环境优化,从而作用于新质生产力发展;②进一步分析发现,制度松绑带来的驱动效应受到异质性因素干扰,其中在高政府效率、高人力资本、高信息化水平地区的作用效果更强。研究结论为新质生产力嵌入制度变迁视角提供理论解读,为通过制度路径和治理体系推动新质生产力发展提供现实依据。

关键词： 机器人   路径规划   霜冰优化算法   栅格地图   sine映射   最值搜索  

摘要： 针对原始霜冰优化算法(RIME)在移动机器人路径规划问题中存在易陷入局部最优和收敛速度慢等问题,提出一种增强型霜冰优化算法(ERIME)用于对复杂环境下移动机器人进行路径规划。首先,采用基于sine混沌映射的透镜成像种群选择策略对种群初始化阶段进行增强以增加种群多样性,使算法更好地进行探索和开发;其次,使用随机因子控制的最值搜索策略和质心中点引导的开发机制对算法的探索和开发阶段进行改进,增强算法跳出局部最优解的能力,更好地探索全局最优解,并加快算法的收敛速度;此外,建立ERIME算法的Markov链模型,证明了算法的全局收敛性。为验证ERIME的有效性,对该算法采用CEC2017测试集进行验证,并与其他知名的元启发式算法进行比较,结果表明该算法具有良好的性能。最后,将其应用于复杂环境下的移动机器人路径规划问题中,实验结果表明,ERIME可以高效地为机器人进行路径规划,且可以找到一个非常优质的路径。

关键词： 数据结构与算法   教学改革   ChatGPT   知识图谱   实践创新  

摘要： 针对数据结构与算法课程教学中存在的教学内容关联性不足、教学方法单一等问题,文章探索了大语言模型背景下知识图谱赋能的“一体二驱三层四融合”课程教学模式。该模式以ChatGPT构建课程知识图谱为基础,优化课程教学体系,并建设相应的课程资源平台,旨在培养学生的实践创新能力,推动创新型、应用型、复合型人才的培养。