课程文献中心 更多>>

关键词： 蚁群算法   带时间窗的车辆路径问题(VRPTW)   时间窗约束松弛   TSP-Split   及时返回   变邻域搜索  

摘要： 为求解带时间窗的车辆路径问题,以最小化总行驶里程为目标建立混合整数规划模型,提出了一种具有时间窗约束松弛的混合蚁群算法.首先,提出改进的蚁群算法与“TSP-Split编码与解码”相结合的方法,来构建允许违反时间窗约束的解路径,以提高算法的全局寻优能力.然后,利用“及时返回”原则和惩罚函数方法,提出基于变邻域搜索的修复策略来修复不可行解.最后,对56个Solomon和12个Homberger基准算例进行试验计算,结果表明该算法的求解质量优于文献中的对比算法,且在50个测试实例上获得了已知最优解,其余实例也能在可接受计算时间内获得准最优解,验证了所提算法的有效性.

关键词： 小红书   草根博主   算法想象   可见性竞争  

摘要： 数字时代的“可见性威胁”已转变为“不可见的威胁”。本研究采用数码民族志方法,以小红书草根博主为研究样本,探讨他们是如何围绕算法权力展开可见性争夺的。研究发现,小红书草根博主基于自身对算法逻辑感知的差异而发展出了中心化、边缘化、偏离化等差异化的算法想象方式,在算法的驯化机制的结构下不断“复颂”着“真诚展演”的消费主义文化“迷因”。这种算法想象方式在算法可见性场景的持续召唤、递归与进化中不断流动、循环与变迁,为算法主导下的消费主义文化书写提供了源源不断的流量支撑。

关键词： 简化粒子群优化算法   非线性惯性权重   非线性异步学习因子   群体智能  

摘要： 为提高粒子群优化算法的收敛速度和求解精度,本文基于无视速度影响的简化粒子群优化算法,引入随迭代次数自适应调整的非线性惯性权重和异步学习因子,以此平衡粒子的全局搜索和局部开发能力。同时融合遗传算法的精英保留策略,确保每一代进化中最佳个体得以保留,助力粒子逃离局部最优。最后,通过5种测试函数比较了基本粒子群优化算法、本文改进算法以及其他经典改进算法的性能,实验证明,本文改进算法在收敛速度和求解精度等方面有显著的提升。

关键词： 生成式人工智能   逆向工程   计算思维   编程教育  

摘要： 生成式人工智能在教育领域应用潜力巨大,作为人类智慧基础思维的计算思维也需主动调整适应生成式人工智能,从自我供给侧探索适配的教学法转变其培养范式。首先,构建了基于GAI的逆向工程法促进小学生计算思维能力发展的三层理论模型:赋能层利用生成式人工智能核心能力赋能计算思维能力培养;教学层为生成式人工智能与逆向工程法融合培养计算思维能力的教学流程;目标层为计算思维的核心要素,以分解、抽象、建模、算法设计、评估五个维度为培养目标。其次,围绕理论模型构建了五环节教学活动框架,以小学信息科技“猜数游戏有捷径”为例进行教学设计,并在“身边的算法”模块中开展为期8周15学时的准实验研究,验证教学模式促进计算思维能力培养的有效性。研究发现,基于GAI逆向工程法显著提升小学生计算思维能力,有效赋能其培养,也降低了问题解决的难度。再其次,针对未来生成式人工智能赋能计算思维教学的开展提出了应用建议。

关键词： 寻路算法   路径规划   自动引导车  

摘要： 随着科技的不断进步,自动导引车辆(AGV)在仓库、港口等物流领域的应用愈加广泛。文章针对近年来A*算法的AGV研究现状、算法改进,以及在仓库或港口环境下多AGV的研究现状做出整理与总结。文章分析了A*算法的排序过程和时间因子的改进,结合交通规则和预约表的A*算法以及动态加权地图方法解决AGV车辆工作时路径冲突与堵塞问题。接着,阐述了在仓库、港口环境下多AGV的研究现状,通过匹配AGV与货物托盘、改进遗传算法、设置权值减少转弯次数等方法提高路径规划效率和车辆运行效率。最后,总结了研究成果和应用价值,并指出了未来研究方向。

关键词： 协同优化   差异   权重   松弛  

摘要： 针对协同优化算法对初始点的选取敏感、稳定性差、求解困难等问题,提出了一种按权重分配差异信息的多学科协同优化算法(Multidisciplinary collaborative optimization algorithm based on weight distribution differential information),通过对学科间的差异信息和系统与各学科最优解均值间的差异赋予不同的权重值来定义松弛因子,改进后的松弛因子既保证了各子学科最优点的一致性,又兼顾了系统级优化与学科级优化的一致性。采用两个经典算例验证,结果表明所提算法的稳定性和收敛速度都有着明显的提升。

关键词： 无人机三维路径规划   蜘蛛黄蜂优化算法   透镜成像反向学习策略  

摘要： 针对无人机三维路径规划问题提出一种改进的蜘蛛黄蜂优化算法(Improved spider wasp optimization, ISWO)。在捕猎和筑巢阶段之后引入透镜成像反向学习策略扩大了种群搜索的范围,增强了算法探索能力以及提高了算法收敛精度。通过地形代价、航程代价和边界代价等约束条件模拟真实的三维地形环境进行建模。通过无人机三维路径规划仿真实验,表明改进的蜘蛛黄蜂优化算法规划的路径长度较原始的蜘蛛黄蜂算法减少了7.4%,有效提升了算法的寻优性能。验证了改进的蜘蛛黄蜂优化算法在无人机三维路径规划问题中的适用性和有效性。

关键词： 基追踪去噪   稀疏信号重构   算法   全局收敛  

摘要： 基追踪去噪(Basis Pursuit Den-Noising,BPDN)问题是稀疏信号恢复问题的一个重要模型。求解BPDN问题的数值算法已经得到了广泛的研究,但当该问题的维数增加较大时,一些求解算法的速度和精度仍有待提高。因此,构建求解BPDN问题速度快、精度高的优化算法是重要且具有挑战性的问题。基于BPDN问题中的决策变量分解为两个非负变量,将其等价的转化为线性互补问题,构建了每次迭代只需计算一次函数值和在非负象限上进行一次投影的特殊迭代格式的新型投影算法,其中新算法每次迭代不需要进行任何线搜索寻找步长,也不需要计算绝对值函数次微分。同时,对新设计算法产生序列的全局收敛性进行了详细证明。对不同情况下BPDN问题的数值实验,验证了新构建算法的有效性。因此,所设计的新算法提升了求解高维数BPDN问题的效率和精度,具有一定的理论价值和实际意义。

关键词： 物联网技术   智慧校园   数据管理   大数据分析   机器学习  

摘要： 大数据分析和机器学习算法在校园管理决策、教学质量提升和学生服务优化等领域有着广泛的应用前景。具体案例分析展示了应用物联网技术如何实现校园数据的实时监控、智能分析和预测性维护。实践表明,物联网技术的应用显著提高了校园管理效率,为教育决策提供了有力的数据支持。然而,在推进这些技术应用的同时,也面临着数据安全和隐私保护等挑战,需要在技术应用过程中予以重点关注和解决。

关键词： 去雾处理   AOD-Net   注意力机制   拉普拉斯金字塔   损失函数  

摘要： 针对当前去雾算法效率不高、细节恢复较差等问题,提出一种改进多尺度AOD-Net(all in one dehazing network)的去雾算法。通过增加注意力机制、调整网络结构和改变损失函数这3方面的改进,增强网络的特征提取和恢复能力。模型的第1层增加空间金字塔注意力(spatial pyramid attention,SPA)机制,使网络在特征提取过程中避免冗余信息。将网络改成拉普拉斯金字塔型结构,使模型能够提取不同尺度的特征,保留特征图的高频信息。使用多尺度结构相似性(multi-scale structural similarity,MS-SSIM)+L1损失函数替换原有的损失函数,提高模型保留结构的能力。实验结果表明,本方法去雾效果更好,细节更丰富。在定性可视化评价方面,去雾图像效果优于原网络。在定量评估层面,与原网络相比PSNR值提升了2.55 dB,SSIM值提升了0.04,IE熵值增加了0.18,这些数值指标充分验证了本算法的出色去雾效果和稳定性。