课程文献中心 更多>>

关键词： 多目标优化   烟花算法   车辆路径问题   约束处理   低碳冷链物流  

摘要： 面对低碳车辆冷链配送过程中无法兼顾医院和物流配送企业的实际需求,提出离散双档案区域增强多目标烟花算法(DTAMOFOA)对低碳车辆冷链配送模型进行求解,设计一种消除车辆约束的解码方法。模糊时间窗通过协同机制完成约束,可行性解经不可行解档案搜索获得优化,并使用不可行解档案从可行性搜索中推导可行解来辅助优化。相较于其他路径规划算法,DTAMOFOA在反式代距离(IGD)和超体积(HV)指标中具有最佳的标准差和平均值,同时IGD和HV收敛精度更高,收敛速度更快,IGD和HV收敛值分别为0.044和0.351。这说明所提算法在低碳车辆冷链配送问题求解中具有良好的多样性和收敛性,同时具有良好的可扩展性和极高的稳定性。

关键词： 航天器   元器件   社区检测   进化算法   选用推荐  

摘要： 宇航元器件选用是航天任务中的重要环节,空间环境复杂苛刻,对宇航用元器件的可靠性和性能要求极高。传统的元器件选用方法通常依赖于专家经验和单一指标评估,难以全面考虑元器件之间的复杂关联和多维度性能指标。复杂网络理论的发展为元器件选用提供了一种新的思路,特别是社区检测算法,可以帮助识别元器件之间的隐含关系和群体特征,从而优化选用过程,实现宇航元器件精准、快速、高效、灵活的选用。本文介绍了基于复杂网络社区检测算法的元器件选用推荐方法,提出了基于模块度优化的进化算法。该算法引入了基于节点相似度的最大生成树编码方法,还引入了一种生成初始种群的新方法和一种基于正弦的自适应变异函数,并将其用于两个元器件选用网络。该算法有效地检测出了元器件选用网络中的社区结构,实现了元器件的智能选用。

关键词： 改进暗通道   视觉图像   光晕消除   透射率   多尺度算法   大气散射模型  

摘要： 在光晕区域附近进行光晕消除操作可能会降低图像的对比度、清晰度和细节。因此,需要开发有效的方法来恢复和增强光晕消除后的图像细节,以确保整体图像质量的提高,为此设计一种改进暗通道原理下视觉图像光晕消除算法。建立大气散射模型深度分析光晕产生条件,根据图像中的像素强度值计算成像环境中的透射率,按照大气光照的散射系数建立光照条件研究模型。在较高的像素颜色通道条件下,根据图像中高亮度和强反射部分搭建无光晕图像亮通道定义,聚类图像亮通道特征,利用快速双边滤波器细化透射率,建立光晕图像的成像模型。在改进暗通道原理的过程中通过调整多个计算参数,包括改变权重函数,设置光晕消除的恢复指令,完成对视觉图像的光晕消除处理。经过实验分析可以证明,所提方法具备良好的光晕消除性能,光晕消除效果较好。

关键词： 斗臂车   寻优算法   北斗定位   机器学习   强化学习  

摘要： 为了优化斗臂车在复杂环境中的定位与控制问题,文章提出了一种基于北斗高精度定位和机器学习的寻优算法。该算法结合了北斗卫星导航系统的高精度定位技术,实现了对斗臂车的实时定位与姿态测量,并能够根据预期目标规划最优路径,引导车辆运动。同时,利用机器学习技术对传统寻优算法进行改进和优化,通过算法学习的规则对解进行迭代搜索,从而提升算法的求解效率。此外,算法采用强化学习方法对斗臂车的行为进行实时训练与调整,使其能够沿着合理且最优的路径运动,从而高效完成工作任务。实验结果表明,相较于现有算法,所提算法在求解时长和精度方面均表现优异,有效提升了斗臂车自动路径规划的效率和准确性。

关键词： 樽海鞘群算法   搜索性能   折射反向学习   概率扰动  

摘要： 由于樽海鞘群算法(SSA)容易陷入局部最优,导致算法收敛能力较差,为了提高算法的搜索性能,本文提出了一种基于折射反向学习的樽海鞘群算法rOSSA.算法根据折射反向学习在解空间中获得反向解,使搜索代理获得更多选择机会,增加算法找到更优解的可能性.此外,在折射反向学习中引入概率扰动机制,通过概率扰动机制使搜索代理在迭代后期能够跳出局部最优,从而增强算法的全局搜索能力.最后,通过9个单峰、多峰、复合测试函数和一个工程计算问题将rOSSA与近年提出的一些主流算法进行比较,实验结果有效证明了本文改进算法的有效性.

关键词： 5G终端基带   信道估计   均方根   托普利兹   动态范围  

摘要： 第五代移动通信技术(5th-generation mobile communication technology,5G)网络对高速率、低时延、高可靠性的移动通信处理需求不断增加,对终端基带信道估计算法的高性能和低复杂度设计、矩阵处理动态范围提出挑战。针对上述问题,本文提出一种基于相关矩阵托普利兹(Toeplitz)特性的信道估计算法。依据信道的相干带宽特性计算信道相关矩阵并保留必要的较低矩阵阶数;基于相关矩阵的Toeplitz特性设计低复杂度的递归求逆算法,并针对加权矩阵乘法的元素重复性将矩阵乘法化简为矩阵点乘,简化加权矩阵运算;同时引入跟踪信噪比变化的缩放补偿因子对计算过程和结果分别进行缩放和补偿。理论分析和仿真结果显示,本文所提算法可在达到优异的信道估计性能条件下,有效降低运算复杂度,并极大降低算法矩阵处理的动态范围。

关键词： 改进蚁群算法   科技成果   转化率预测   指数平滑法   路径选择机制  

摘要： 科技成果转化率预测是区域科技管理和决策工作中必不可少的环节,由于当前方法的预测精度较低,无法达到预期效果,所以,提出了基于改进蚁群算法的区域科技成果转化率预测方法。采用指数平滑法构建区域科技成果转化率预测模型,通过调整信息素在路径选择中的影响比例来改进蚁群路径选择机制,利用改进蚁群算法对预测模型参数优化实现区域科技成果转化率预测。实验证明,改进后的设计方法预测标准误差不超过0.1,预测与真实关联度在96%以上,预测效果好。

关键词： 分布式优化   多更新单组合   扩展梯度下降法   线性收敛  

摘要： 在这项工作中,我们提出了一种基于扩展梯度的分布式非精确单更新多组合算法(简称ExtendMUSIC)。该方法利用前两次迭代的梯度和来构造搜索方向,再利用多次局部更新然后定期组合的策略来求解光滑强凸的分布式优化问题。此外,我们证明了所提出的算法能够实现线性收敛。数值实验结果表明,与不使用扩展梯度的分布式多更新单组合算法相比,扩展的分布式多更新单组合算法可以实现加速收敛。In this work, we propose a distributed inexact multi-update and single-combination algorithm based on extended gradients (ExtendMUSIC). This method utilizes the gradient sum of the first two iterations to construct the search direction, and then uses the strategy of multiple local updates and periodic combinations to solve smooth and strongly convex distributed optimization problems. In addition, we prove that the proposed algorithm can achieve linear convergence. The numerical experimental results show that compared with the distributed multi-update and single-combination algorithm without using extended gradients, the extended distributed multi-update and single-combination algorithm can achieve accelerated convergence.

关键词： 模糊需求   道路受损   应急物资配送   社交网络搜索算法(SNS)   时间满意度  

摘要： 在重大灾害发生初期,在受灾点需求不确定、受灾区域道路损坏以及考虑救援工作的公平性和及时性等影响下,为实现迅速而有效地配送应急物资,应用社交网络搜索算法(SNS)求解应急物资配送模型。首先,在考虑模糊需求和受灾道路损坏的基础背景下,以应急救援总成本和人道主义救援评价为目标,构建应急物资配送模型;然后,在求解模型时引入SNS算法,并提出强化学习率策略的改进SNS(ISNS);最后,以2022年四川泸定地震为例,分别应用SNS算法、ISNS算法、离散粒子群算法、遗传算法和模拟退火算法这5种求解该算例。结果表明:ISNS算法具有稳定性,求解结果与其他算法相比,应急救援总成本至少节省6410元,人道主义救援评价目标至少提升50.6%,体现出ISNS算法的优越性。ISNS算法有利于应急物资配送问题求解。

关键词： 新媒体平台   算法推荐   公众舆论   信息传播   舆论引导  

摘要： 新媒体平台的算法推荐技术在提升信息传播效率和用户体验的同时,深刻影响了公众舆论的形成和引导方式。通过对用户行为数据的收集和分析,算法推荐实现了个性化信息推送,但同时也带来了信息茧房、回音室效应以及舆论失衡等问题。本文从算法推荐的技术逻辑出发,分析其对公众舆论传播路径、引导效果的深层次影响,揭示信息筛选对公众认知和社会舆论生态的塑造作用。同时,通过具体案例探讨舆论引导中的问题与优化路径,提出强化算法设计的价值引导意识、增加信息推送的多样性、提升算法透明度与监管水平、结合人工审核以及提高公众媒介素养等策略,以期推动算法推荐技术与舆论管理的良性互动。