中文搜索引擎的缺陷与改进

简要介绍了现有中文搜索引擎的工作原理,分析了其存在的缺陷,然后针对这些缺陷提出了一种经过改进的中文搜索引擎结构体系,并对其中用到的改进策略进行了剖析.     

青海云杉自由授粉家系遗传变异与基于BLUP的改良代亲本选择

【目的】最佳线性无偏预测(BLUP)方法是对遗传种质在不平衡环境下利用混合线性模型方程对育种值进行无偏预测,可有效估算与剔除环境效应,反映真实遗传效应,有较高精确性。应用BLUP方法估算育种值用于改良代亲本选择,对于青海云杉的遗传改良具有积极的参考价值。【方法】本研究在对13 a和14 a的两批青海云杉种子园自由授粉子代测定林的树高遗传分析基础上,利用BLUP方法,通过构建亲缘关系矩阵,对树高育种值进行估测。【结果】结果表明家系及家系和区组互作效应显著影响树高。两批青海云杉种子园自由授粉子代树高的家系遗传力分别为0.17和0.36,单株遗传力均为0.07。基于混合线性模型的BLUP方法估算家系亲本无性系树高育种值和真实树高、单株树高预测值和真实值均具有极显著相关关系,相关系数分别为0.99和0.86。根据家系亲本无性系育种值选出20个优良家系,根据优良家系后向选择母本无性系建立改良种子园的树高现实遗传增益分别为36%和26%。根据单株树高育种值采用配合选择方法从两批家系试验林各选出20个改良代优树,根据前向选择子代优良单株的树高预期遗传增益分别为7.6%和7.9%。【结论】对比后向选择和前向选择树高的遗传增益发现,青海云杉高世代育种中可优先后向选择,选择优良家系母本无性系建立1.5代改良代种子园。     

激励机制改进蚁群优化算法用于全局路径规划

为提高优化算法搜索能力,分析了基本蚁群优化算法和心理学家斯金纳的强化激励方法的基本原理,将正、负激励原理应用于改进基本蚁群优化算法,提出了基于激励机制的改进蚁群算法,并给出了其数学描述。将改进的算法应用于求解旅行商问题和避碰约束下的最短路径规划问题,并与基本算法进行比较。仿真试验显示,改进的蚁群算法有效搜索到最短路径,实现全局路径优化。由于采用了激励机制,使得种群中所有个体都能够积极向最优解移动,从而更快地找到最优解,其较之基本蚁群算法具有较快的收敛速度,整体性能优越,能够应用于求解路径规划等问题。     

基于改进Lagrange乘子法的交通信号配时优化研究

为提高交叉口的机动车通行效率及环境效益,采用改进罚参数来构造一种新的Lagrange乘子法对交叉路口的交通信号进行优化配时。通过权重系数建立车辆延误与尾气排放的数学模型,利用改进Lagrange乘子法进行优化,将其结果与两种典型智能算法的优化结果进行对比,并利用VISSIM(Verkehr in Stadten Simulation)微观交通可视化仿真软件进行验证。实验结果表明,该方法优化的信号配时使车辆延误降低19.89%,尾气排放量降低2.379%,可见大比例优化了交叉口的车辆延误,同时可以降低尾气排放量。     

基于改进匹配网络的单样本学习

当前深度学习是基于大量标注数据样本通过多层网络实现模型自动识别。然而,在很多特殊场景下,难以获取大量标注样本数据,小样本物体识别仍是深度学习下关键性的难题。针对这一问题,首先利用4层深度卷积神经网络(deep convolution neural network,DCNN)提取训练样本和测试样本的高层语义特征,然后基于改进的匹配网络分别采用双向LSTM和attLSTM算法对训练样本和测试样本深入提取更加关键和有用特征并进行编码,最后在平方欧氏距离上利用softmax非线性分类器对测试样本进行分类识别。实验通过Omniglot数据集对提出的改进模型进行测试,取得了非常好的效果。改进的模型即使在最复杂的20 way 1 shot情况下,依然能够达到93.2%的识别率,Vinyals的原创匹配网络模型在20 way 1 shot的情况下只能达到88.2%的识别率,与原创匹配网络模型相比,改进的模型在类别数更多而样本数较少的复杂场景下具有更好的识别效果。     

基于改进PID神经网络算法的AUV垂直面控制

针对一类小型低速自主水下航行器(AUV)的垂直面运动控制问题,设计了一种改进的PID神经网络控制器,实现对水下航行器在垂直面内深度和俯仰角的全局控制。利用REMUS水下航行器模型搭建了Simulink下AUV垂直面仿真控制系统,仿真结果表明,改进的控制方法克服了原方法中饱和区过大的问题,具有良好的动态性能同时能够适应不同的学习速率和网络初始权重,对水下航行器的工程实际应用具有一定参考价值。     

一种改进的边界扫描的路面裂缝检测算法

针对路面图像噪声较多、目标裂缝跟踪难等问题,分析对比了几种传统的经典边界扫描方法,如Sobel、Canny等算法,并根据路面裂缝图像的特点,提出了基于绝对梯度值的Sobel改进方法,使得边缘信息得到加强、减少了噪声以及伪边缘。经过后续图像的处理,能够较好地跟踪识别路面图像的裂缝信息。     

基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法

为了提升电网复杂故障时的态势感知能力,提出了基于预处理模糊Petri网与改进遗传算法的电网故障诊断方法.首先,基于层次化、动态建模的思想,在建立元件一般故障诊断模型的基础上,引入浮动库所、浮动弧、浮动变迁的概念来合理的体现主保护、断路器以及后备保护之间的逻辑关系,建立了元件复杂故障时的诊断模型;其次,挖掘故障信息源的特性进行预处理,依据故障类型动态建立相应Petri网诊断模型;再次,利用改进的遗传算法对模型中的参数进行了训练、优化;最后,探讨了该Petri网故障诊断模型的容错性、通用性.对算例系统仿真的结果表明:该方法突出了故障诊断过程的层次性、可理解性,提升了诊断模型的透明性、改善了诊断模型的易维护性,在电网复杂故障的情况下诊断结果仍具有较高的准确度,并呈现有较好的容错性.     

货运O2O平台有时间窗同城零担集货匹配优化决策

零担集货业务的供需匹配和路线规划问题是同城货运020平台面临的发展难点.本文站在平台的角度,同时考虑司机和客户的实际需求,引入单位订单处理时间窗的概念,提出操作性较强的零担集货预匹配优化策略,突破传统逐级推送模式的思维局限,充分考虑需求和运力的属性-时间-空间分布;其次综合考虑客户OD点对、订单时间窗、以及司机工作时间窗、起终点、车辆容量限制等因素,在不考虑拒绝订单的条件下,以最小化服务总成本为优化目标,构建单位订单处理时间窗内某区域的半开放式多车场的带取送货和时间窗的车辆路径优化模型.最后针对模型特性采用改进的遗传算法进行求解,并选取卓集送公司某市某区某单位订单处理时间段(高峰期)连续60天的实例数据进行实证分析.研究结果表明,改进遗传算法的求解质量明显高于就近匹配贪婪算法,优化比例平均值为30%,最高达到53%,从而实现司机和客户双方的利益最大化.     

双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle，UAV）对目标捕获能力，进而提高多UAV协同搜索效率，提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm，ICEGA）的多UAV协同目标搜索方法。首先，根据环境的先验信息，在原概率图基础上引入标志位，建立基于双属性矩阵的待搜索环境概率模型，提高环境和目标的信息感知准确度；其次，定义UAV的飞行规则并结合目标先验概率图信息，建立UAV运动模型及确定最大收益的目标函数；最后，建立分布式UAV之间的信息交互模型，运用ICEGA算法优化产生最优协同决策输入航向角集合，在线实时滚动优化产生最优协同路径。实验结果表明，基于双属性概率图结合ICEGA算法更能够保证最优路径的产生，使得UAV能够准确地搜索到目标；同时，对比仿真验证了ICEGA算法能够提高UAV之间的协同性，保证了路径可行性及提高了目标搜索效率。