城市区域多物流无人机协同任务分配

针对城市区域多无人机协同物流任务分配问题, 综合考虑不同无人机性能、物流时效性、飞行可靠性等影响因素, 以经济成本、时间损失和安全风险最小为目标函数, 构建多无人机协同物流任务分配模型。因问题规模大、求解复杂度高, 设计改进的量子粒子群算法进行求解。首先，为增强粒子遍历性和多样性, 采用均匀化级联Logistic映射进行粒子初始化; 其次，为避免算法陷入局部最优解, 引入基于高斯分布的粒子变异方式; 最后，为提高算法运行效率, 运用自适应惯性权重方法对粒子赋值。仿真实验结果表明，所构建的模型能够实现任务分配多目标优化, 贴近城市区域无人机物流配送实际; 所提算法与传统量子粒子群算法和遗传算法相比, 任务分配代价分别下降了5.9%和6.3%;并进一步对参数权重设置进行分析, 当3个子目标函数权重系数分别为0.225、0.275和0.500, 种群规模为150时, 算法规划的结果最优。     

考虑单元互测的测试性指标分配方法

测试性分配是将系统级测试性指标按照一定规则分配给各组成单元的过程。针对现有主流测试性分配方法未考虑单元之间的互测情形,导致分配结果不合理,尤其是部分单元分配指标虚高,难以实现或代价过高等问题,提出了在综合考虑单元故障率、故障危害度等多重影响因素基础上,进一步考虑单元互测因素的测试性指标分配方法。首先实施考虑多重影响因素的指标初次分配;然后基于单元测试性初步设计结果,实施测试性建模与分析,得到单元自检故障率与他检故障率;再利用这两个数据以及初次分配结果构造分配函数实施再次分配,进而得到最终的分配结果;最后应用该方法进行仿真和实例运算,证明了该方法的有效性和先进性。     

重庆汽车产业配置与地域类型

运用产业经济学和区域经济地理学的原理、结合地理学的分析方法,着重探讨了重庆汽车产业配置地域运动过程和促使其演变的原因.划分重庆汽车产业分布为四种地域类型:“嘉陵江东岸与长江北岸型”;“长江南岸型”;“嘉陵江西岸型”;“飞地型”.对重庆汽车产业配置特点,存在问题作了深入地剖析与揭示,并对今后调整作了初步的设想.     

城市土地规划的优化方法研究

以多目标决策理论、组合优化理论以及预测科学技术为依据 ,首先建立了土地功能配置模型 ,帮助规划师对各种不同功能土地的片面布置进行分析 ,从而找到最合理的城市土地布局 ;然后以遗传算法作为优化工具 ,对建立的模型进行了优化。     

户籍制度改革与劳动力资源配置

分析了现行户籍制度的弊端：劳动力市场多重分隔、劳动力交易成本居高不下、劳动力的非正常供给和劳动力的逆向需求。针对存在的问题，从劳动力资源合理配置的角度，提出了渐进性户籍制度改革的总体思路和具体措施。     

提高电脑建筑效果图制作效率的措施

对提高电脑效果图制作效率的重要性及常用方法进行了探讨，分析了制图效率低的原因，对合理配置计算机系统、优化计算机系统资源、熟练掌握软件使用技巧等进行了具体论述。     

样条能量配点法分析高层框架结构

本文利用样条能量配点法来分析高层框架结构。先将框架模拟成等效性质的正交异性连续体,然后选取样条函数与连续函数的乘积来构成该连续体位移函数,最后用能量配点法来求解。     

基于水资源通用配置与模拟模型的邯郸市水资源优化配置

为实现区域水资源的动态调控,立足河北邯郸市水资源本底条件差且管理需求高的现状,利用水资源通用配置与模拟(general water allocation and simulation, GWAS)模型构建了基于自然-社会二元水循环的动态邯郸市水资源配置模型,在选用1980—2016年和2020年相关数据分别对模型水循环模块和配置模块开展参数率定和验证的基础上,对区域2025年和2035年平水年(保证率P=50%)、枯水年(P=75%)的水资源分别进行配置。结果表明：邯郸市2025年平水年和枯水年的配置水量分别为22.43×10⁸ m³和21.53×10⁸ m³,缺水率分别为11.70%和22.13%,缺水口主要在农业;2035年平水年和枯水年的配置水量分别为25.02×10⁸ m³和23.31×10⁸ m³,缺水率分别为4.53%和21.81%,其缺水情况较2025年明显改善;受邯郸市天然水资源匮乏和西高东...     

基于距离和系统吞吐量最大化的D2D上行链路资源分配方案

终端直连(Device-to-Device,D2D)通信的研究主要关注的是蜂窝用户(Cellular User, CU)和D2D用户之间存在的干扰问题, 而解决该问题的方法是进行合理的资源分配,但以往的研究大都仅考虑D2D用户之间的通信质量或仅考虑CU用户的可靠性,却忽视了系统总吞吐量和资源复用效率的优化。本文基于D2D用户、CU用户和基站(Base Station, BS)三者间的通信距离,提出了一种资源分配方案,该方案能结合资源复用函数矩阵进行预分组和资源选择,综合降低CU用户对D2D用户的干扰(Cellular-to-D2D, C2D)和D2D用户对CU用户的干扰(D2D-to-Cellular, D2C),同时保证CU用户和接入的D2D用户对都满足各自的通信服务质量(Quality-of-Service, QoS)要求。数值仿真结果表明,该方案与贪婪启发式算法相比,系统总吞吐量可以提升约4%,系统平均复用效率提高2倍以上。     

基于词-标签概率的多标签文本分类研究

针对多标签文本分类任务中如何有效地提取文本特征和获取标签之间潜在的相关性问题,提出一种CNN(convolutional neural networks)结合Bi-LSTM (bi-directional long short-term memory)的模型.首先,通过CNN网络和最大池化提取文本的特征;然后,利用训练的Labeled-LDA(labeled latent dirichlet allocation)模型获取所有词与标签之间的词-标签概率信息;接着,使用Bi-LSTM网络和CNN网络提取当前预测文本中每个词的词-标签信息特征;最后,结合提取的文本特征,预测与当前文本相关联的标签集.实验结果表明,使用词-标签概率获取文本中词与标签之间的相关性信息,能够有效提升模型的F1值.