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。     

基于自适应变异PSO-SVM的APU性能参数预测模型

为提高辅助动力装置(auxiliary power unit, APU)性能参数预测的精度,针对支持向量机(support vector machine, SVM)模型在实际使用中遇到的参数选择问题,采用自适应变异粒子群优化(particle swarm optimization, PSO)算法实现对SVM惩罚参数和核参数的优化选择,提出一种基于自适应变异PSO算法优化SVM的APU性能参数预测模型。进一步分析了预测模型不同预测步长对短期预测精度的影响。利用某型APU性能参数数据进行了验证,并与多种预测模型进行了对比实验。实验结果表明,对于排气温度(exhaust gas temperature, EGT)的预测,自适应变异PSO-SVM模型的平均绝对百分比误差(mean absolute percentage error, MAPE)比标准PSO-SVM模型低47%;对于滑油温度(oil temperrature, OT)的预测,自适应变异PSO-SVM模型的MAPE比标准PSO-SVM低29%,为短期APU性能变化趋势预测提供了一定的参考。     

基于免疫粒子群优化的移动Sink路径规划算法

为了减少能量空洞和延长网络生命周期，在无线传感网中采用移动 Sink 的方式收集节点采集的数据是解决能 量效率问题的有效措施．采集路径的规划问题类似于旅行商问题，无法得到多项式时间的解．提出了将人工免疫算法和粒子群算法相结合，针对移动 sink 数据收集的路径规划问题寻求近似最优解，仿真结果表明: 与其他算法进行性能比较，所提出的优化算法能够有效减少能耗和缩短遍历路径．     

人工智能背景下我国高职会计人才培养研究

人工智能技术在我国会计行业中的应用虽处在初级阶段,但发展迅速。在此背景下,传统会计人员面临被淘汰的风险。会计行业更需要既懂财务又懂业务的掌握信息技能的复合型人才。高职会计人才培养可以定位在财务云服务商的助理会计、运营会计、"会计+"的岗位,以及一般的管理会计等岗位。高职会计人才培养要适应人工智能发展的变化,重新进行人才培养定位、改革课程体系、创新人才培养模式,培养新时代所需要的人才。     

互联互通蓝图下人工智能与中国经济转型升级研究

基于互联互通蓝图下我国人工智能的发展现状以及我国经济转型升级的现状,研究了人工智能技术与经济之间的正作用——促进生产、提供新经济增长动力、增加高水平就业岗位并改善工作环境、解决社会治理问题、促进国际友好往来,也分析了二者的负作用关系——减少了传统岗位、增大投资风险、冲击传统管理方式、增大中等收入陷阱的可能、带来法律规章制度的漏洞。提出区域治理保持与时俱进、建立技术基金会、注重人才培养与人员培训、企业承担其角色、重视文化与科技的关联的政策建议。     

改进蚱蜢算法在电动汽车充换电站调度中的应用

电动汽车充换电站调度优化问题一般采用群智能优化算法求解，但现有算法存在陷入局部最优、早熟收敛等缺陷，因此提出一种改进的蚱蜢算法:采用边界反弹机制，提高算法效率;引入正余弦搜索机制，加强算法的全局搜索能力;采用Lévy飞行对粒子进行随机扰动，防止种群陷入局部最优;采用非线性收敛策略加快算法后期的收敛速度.实验结果表明，该算法在电动汽车充换电站调度优化问题上，性能优于原始蚱蜢算法以及其他现有群智能算法.     

供应链库存的RFID使能的Push/Pull控制策略优化

射频识别(RFID)技术的产生为供应链多级库存性能的改善提供了新的方法.基于RFID技术借鉴单工厂多阶段生产存储系统的Push/Pull策略,以供应链分销网络三级库存系统为例设计了8种RFID使能的Push/Pull混合控制策略.为得到各策略的更优性能,采用基于仿真的粒子群优化方法对各策略参数进行了优化,验证了基于仿真的粒子群优化算法对优化RFID使能的Push/Pull混合控制策略的可行性和有效性,优化后各策略的仿真结果表明8种混合策略中制造商阶段采用Push控制,分销商和零售商阶段采用Pull控制的策略性能最优.     

2017年信息科学热点回眸

 回顾2017年信息科学的热点：加强学习算法在人工智能领域的应用取得显著效果，量子计算机的竞争已经进入到50量子比特阶段，智能家庭进一步大众化，机器人仿真技术更加成熟。同时2017年信息科学领域也出现了很多挑战，例如：人工智能算法不可避免地受到历史数据所暗藏的人类偏见的影响，互联网假新闻影响到了美国大选，比特币呈现泡沫化升值，威胁计算机用户的勒索病毒也愈演愈烈。     

行驶受扰延迟下配送车辆调度的干扰管理决策模型

针对行驶受扰延迟下配送车辆的调度问题,提出了基于多相量子粒子群算法的两阶段干扰管理决策方法.首先以最小化用户时间窗偏离度和最小化配送成本为目标,建立了问题的数学模型;然后对车辆配送发生干扰事件可能采取的干扰管理模式进行了归纳和分类,并在选定模式基础上提出了用多相量子粒子群算法进行路线选择的方法;最后在Solomon算例的基础上通过实验仿真,对所提出方法的性能进行测试,并与全局重调度方法进行对比分析,验证了本文方法不仅达到了优化目标的目的,还满足了干扰管理的实用性要求.     

人工智能背景下的配送网络优化方法研究

伴随着人工智能的快速发展,在配送领域内无人机得到广泛应用;针对卡车和无人机在配送中的特征,提出卡车与无人机联合配送模式下的路线网络规划问题;在假定该模式具体应用情境的基础上,分别以碳排放量以及配送效率为目标建立路径规划模型,根据模型的特征设计了相应的求解方法;最后通过算例论证联合配送模式的可行性与有效性。