课程文献中心 更多>>

关键词： 差分进化   分层种群   多策略   三重选择机制   参数自适应  

摘要： 针对差分进化算法(Differential Evolution,DE)在寻优过程中易陷入局部最优以及求解精度不高的问题，本文提出一种带有三重选择机制的多种群多策略差分进化算法(TSMDE)。该算法采用分层种群结构，利用适应度值将种群划分为三个子种群，且子种群的大小随迭代动态调整。同时，采用五个改进的突变策略以及不同的参数自适应方式，以满足个体在不同进化阶段的开发与探索需求。为了充分发挥多种群的优势，提出一种高效的信息共享机制——三重选择机制。各子种群先根据不同模式选择执行突变的个体，然后该个体根据自身进化状态选择合适的突变策略，最后判断出该个体处于停滞状态后从两个外部存档中选择一个候选解进行替换，最终通过三重选择机制引导整个种群的进化进程。最后，将TSMDE与13个先进的差分进化(DE)变体进行对比，以验证TSMDE的有效性。在CEC2014测试集中的30个基准函数上的实验结果表明，所提出的算法在求解精度、避免陷入局部最优等方面的能力优于或比得上这13个先进算法。

关键词： q-导数   信赖域算法   信赖域半径   无约束优化   连续q-可微  

摘要： 本文提出了求解无约束优化问题的改进q-信赖域算法。该算法具有新的信赖域半径更新规则。在函数连续q-可微等条件下,我们建立了求解无约束优化问题的改进q-信赖域算法的收敛性。最后,数值实验表明,我们的算法是有效的。与Zhou提出的改进信赖域算法相比,我们提出的改进q-信赖域算法不仅可以更快地迭代到最优点,还可以解决具有多个最优点的优化问题。本文所得的结果推广和改进了文献中的一些已有结果。

关键词： 算法行动   算法意识   算法抵抗   短视频推荐算法   扎根理论  

摘要： 从既往算法用户研究对“情境”关注不够的现状切入，本研究基于深度访谈和扎根理论廓清了青年用户对短视频推荐算法的两条“意识-行动”路径。研究发现，激发用户算法意识的负面体验情境分为功能层面的算法失能和机制层面的算法侵扰，算法失能时用户与之积极协同以维系推荐精准度，算法侵扰时用户因算法机制不可写而协同失败、转向消极内向的自我治理。两种情境化算法行动中用户的抵抗意愿和抵抗性的行动结果不可兼容，由此对算法抵抗这一过度强调用户能动性且将人机交互权力化书写的理论概念在人机共生处境下的泛用性提出了质疑。研究指出，应当探索构建“可参与的算法”，在与用户的日常协商中弹性修正侵扰性的算法机制，以促进更大范围、更深层次的人机协同，进而阐明算法人文社科研究的建设性面向，将批判研究的最终落点置于算法的现实修缮而非话语毁灭。

关键词： 重要节点   LeaderRank   Adaptive GraphRank   背景图   H指数  

摘要： 社交网络中的重要节点对网络结构和功能具有决定性影响，开发精度更高的重要节点排序算法成为当前的研究热点之一。其中，LR(LeaderRank)引入一个背景节点明显提升了经典PageRank排序算法的性能，但仍面临着网络中小出度用户的投票权偏见问题。因此，提出背景图增强的社交网络重要节点自适应排序算法AGR(Adaptive GraphRank)，构建多节点背景图替代LR的单一背景节点，基于H指数设计有偏向的随机游走，缓解投票权偏见。调参实验初步确定了背景图的最优规模和结构，与K-TOPSIS等现有优秀算法进行对比实验，验证了AGR在传播、瓦解、鲁棒性三个关键维度上的性能提升，实际案例检验了算法在真实场景下的有效性。综上，AGR有效缓解了投票权偏见，提高了排序精度，展示出较优的性能和应用潜力。

关键词： 交通信号控制   粒子群优化   邻域混沌搜索   可变周期长度  

摘要： 由于全局搜索能力有限，基于传统粒子群优化(PSO)算法的交通信号控制(TSC)方法容易陷入局部最优。另外，采用固定信号周期的TSC模型在应对随时间变化的复杂交通流量时缺乏灵活性。针对这些问题，提出了一种基于改进混沌粒子群优化(ICPSO)算法的TSC方法，利用混沌运动增强全局搜索能力以克服局部最优。所提ICPSO算法为种群中适应度较高的精英粒子引入邻域半径参数，实施邻域混沌搜索，保留粒子有利特性的同时可提高其跳出局部最优的能力。此外，设计了一种根据时变车流量动态调整信号周期长度的变周期TSC模型(VTSC)，以灵活应对复杂交通状况。为了评估所提方法的性能，在VISSIM仿真环境中进行了仿真实验。实验结果表明，与基线方法相比，所提方法降低了9.34%的平均排队长度和15.28%的最大排队长度，并减少了9.45%的平均延误时间和5%的平均停车次数。

关键词： 计算机视觉   目标检测   DETR算法   视觉Transformer   图像分割  

摘要： 目标检测领域中，卷积神经网络（CNN）长期占据主导地位，并以其准确性和可扩展性在学术界得到广泛认可。目标检测领域先后涌现出多个代表性模型，如R-CNN系列（包括FastRCNN、FasterRCNN等）和YOLO系列。随着Transformer在自然语言处理领域的成功，研究者开始探索将其用于计算机视觉，由此产生了如ViT和Swin-ViT等视觉骨干网络。2020年，Facebook团队为减少目标检测任务中的先验知识和后处理，推出了基于Transformer的DETR，一种端到端目标检测算法。尽管DETR在目标检测领域展现出潜力，但也存在诸如收敛速度慢、准确性较差、目标查询的物理意义不明确等缺点。这促使诸多研究人员对该算法开展了进一步的研究和改进。本文旨在分析整理总结针对DETR的改进探索，并分析他们的优势与不足，同时对利用DETR开展的前沿研究和细分应用领域进行概括，最后给出DETR在计算机视觉领域的未来展望。

关键词： 多目标优化   碳排放量   发电成本   容量配置   NSGA-II算法   蒙特卡洛方法   电力系统  

摘要： 在现代社会，电力系统的减碳是我国实现双碳目标的关键路径，但降低碳排往往会造成成本上升和电网稳定性下降。为了全方面分析电力系统双碳目标实现路径，首先通过蒙特卡洛方法，充分模拟源荷两侧的不确定性，建立了包含风光火储的电力系统调度模型；然后，应用NSGA-II算法以全寿命周期发电总碳排放最小、总成本最低和负荷波动率最小为目标，对4种类型机组的容量配置进行了优化，得到多目标优化帕累托前沿；最后，应用TOPSIS决策方法得到最优解。结果表明：相比于参考状态，最优解可使电力系统总碳排放降低5.7%，总成本降低33.1%，负荷波动率提高30.1%，新能源发电占比提高71.7%。该研究结果可为同时兼顾低碳性、经济性和稳定性的电力系统容量配置提供参考。

关键词： 选址问题   回收连锁店   多目标优化   蘑菇繁殖算法  

摘要： 为推进各类资源节约集约利用，提高废弃物回收和利用效率，本文考虑了竞争存在下的利润最优化问题，从逆向供应链视角，基于博弈理论构建了包含制造商、回收商、回收竞争商，以及消费者在内的混合竞争回收渠道双元闭环供应链系统；并同时以建设服务成本最小化、客户满意度最大化、回收利润最大化为目标，建立多目标双元闭环供应链回收连锁店选址模型。借鉴蘑菇繁殖生长机制的原理，以繁殖过程中菌落思想为核心，结合Pareto非支配解集算法设计了改进的蘑菇繁殖算法，对多目标选址问题进行优化求解。实验结果验证了模型可行性和算法的有效性，并通过比较竞争者价格敏感度与交叉价格敏感度对优化目标的影响，为回收连锁店选址决策提供了参考。

关键词： 符号网络   划分   启发式   变邻域搜索   强化学习  

摘要： 给定一个无向图，符号网络划分问题(Signed Graph Partitioning Problem,SGPP)是将节点集合划分为K(K≥2)个互不相交的非空分组，旨在最小化所有位于分组内的负符号边权重之和加上位于分组之间的正符号边权重之和，使网络划分结构尽量趋于平衡。SGPP是NP难问题，在计算机视觉、社交网络分析、生物信息学等实际领域中具有重要应用。但大数据时代的到来给求解大规模SGPP带来一定的挑战。因此，设计了新颖且高效的学习驱动型扩展变邻域搜索算法(Learning Driven Extended Variable Neighborhood Search,LDEVNS)来求解SGPP。具体来说，该算法设计全新的快速增量更新策略以及高效的扩展变邻域搜索，同时结合强化学习机制来调整算法搜索过程中的前进方向，进一步探索更有希望的解空间区域来找到更高质量的求解方案。实验部分使用15组大规模社交网络图来评估LDEVNS的高性能，实验结果显示，LDEVNS在求解质量和计算时间方面相较于当前表现最佳的算法具有显著优势，同时也验证了强化学习在LDEVNS中的有效性。

关键词： 粒子群优化算法   多时相滑坡清单   喜马拉雅东构造结   滑坡侵蚀速率   地貌演化  

摘要： [目的]构建喜马拉雅东构造结地区大范围的多时相滑坡清单，量化滑坡侵蚀速率，揭示滑坡过程在该区域的地貌学意义。[方法]基于粒子群优化算法（particle swarm optimization, PSO）进行遥感影像归一化植被指数（normalized difference vegetation index, NDVI）的变化检测，构建1987-2021年东构造结地区的多时相滑坡清单；根据滑坡面积-体积经验公式计算该区域的滑坡侵蚀速率；结合气候和地形等参数，探讨滑坡过程的诱发因素。[结果]研究区1987-2021年共识别滑坡1 323次，其中2017-2021年的滑坡数量最多，共389次；滑坡主要分布在雅鲁藏布江大拐弯附近的河谷两侧；研究区滑坡侵蚀速率为0～76.06 mm/a，平均值为0.44 mm/a，呈以雅鲁藏布江大拐弯段为中心向四周逐渐降低的变化趋势；滑坡侵蚀速率与地质尺度岩体的剥露速率及千年尺度流域平均侵蚀速率相近；研究区滑坡的发生与降雨过程和地震活动相关，主要发育在南向坡面上，并在海拔1 500～3 000 m和坡度35°～45°聚集。[结论]滑坡是东构造结地区的主导侵蚀过程；降雨受迎风坡效应的影响在南向坡面富集，驱动该坡向上滑坡的集中分布。降水促进河流下切，以陡化边坡的方式诱发滑坡。