实体解析中基于相似性传递的增量分组研究

本文探讨一种适应于大数据集的基于相似性传递的记录增量分组方法.论文首先分析如何逐步推算出记录之间的相似性,然后提出如何基于排序键构建基准组,如何基于相似性传递增量更新基准组,以及如何基于并查集实现基准组中的增量更新,最后通过实验验证提出方法的可行性和高效性.实验结果显示,提出的方法比传统方法更能提高分组质量,提升分组效率.论文没有对属性值本身存在的数据质量问题进行详细分析研究,并没有设计排序键生成算法.提出的方法不仅能有助于解决数据清洗、信息集成与管理等技术中的记录漏配问题,而且具有较好的可扩展性可重用性和不受领域限制等优点因为它仅从纯数据处理的角度来设计算法.     

带时间窗集送货需求可分车辆路径问题的改进蚁群算法

围绕提高物流效率、降低运输成本,对集送货需求可分车辆路径问题进行了研究。首先考虑集送货需求可分和时间窗的约束,设计了带时间窗集送货需求可分的车辆路径模型,然后结合模型特点提出了一种改进的蚁群算法,并通过算例分析与已有文献算法结果进行比较。研究结果表明,改进的蚁群算法能够有效地求解集送货需求可分的车辆路径问题。     

基于分支定价算法的电动车与燃油车混合车辆路径问题研究

随着电动物流车的日渐普及,越来越多物流企业的配送业务由传统燃油车和电动物流车共同完成.针对燃油车与电动车混用的情形,综合考虑两者在最大载重、最大行驶里程、运营成本的差异,以及电动车的充电行为,研究了带时间窗的电动车与燃油车混合车辆路径问题.构建了该问题的整数规划模型,并基于Dantzig-Wolfe分解原理将所建模型重构为主问题和子问题模型.就问题较小规模和较大规模两种情形分别设计了能快速获得初始解的启发式规则和遗传算法.以此为基础,设计分支定价算法获取最优解,并通过与CPLEX的对比,验证模型和算法的正确性.最后,就车型配比、载重、电池容量、充电率等因素对配送系统总成本的影响进行了灵敏度分析,并提出了相应的管理建议.     

资源共享模式下多中心共同配送电动车辆路径优化问题

针对电动车辆路径优化在充电站共用和车辆共享相结合方面存在的不足,提出充电站和电动车在多服务时间段内共享以及多中心间的集中运输调度策略,研究了基于资源共享的多中心共同配送电动车辆路径优化问题。首先,构建了包含电动车租赁成本、电量消耗成本、服务成本、违反时间窗惩罚成本的运营成本最小化和电动车使用数最小化的双目标优化模型。其次,根据模型特点设计了考虑客户地理位置和需求时间窗的3D-K-means时空聚类算法,提出一种基于Clarke-Wright(CW)节约算法的多目标粒子群(MOPSO)混合算法(CW-MOPSO)。该混合算法集成了CW节约算法生成的初始解,并在MOPSO中设计了充电站插入策略、外部存档更新策略和资源共享策略,提高了帕累托优化解的质量。再次,与非支配排序遗传算法、多目标遗传算法和多目标梯度进化算法进行了对比分析,验证了CW-MOPSO混合算法的有效性。最后,结合重庆某物流企业的实际数据对资源共享模式下多中心共同配送电动车辆路径优化问题进行研究,探讨了电动车在充电站的排队等待时间存在不确定性、电动车电量消耗和速度呈阶梯性关系以及不同资源共享模式下多中心共同配送的运营成本、电动...     

家电送装一体化车辆路径问题建模与求解

家电产品送装一体化是指对客户所需家电产品的配送和安装服务一次性完成,本文以此为背景研究了家电物流中带时间窗的送装一体化车辆路径问题。首先,以标准的带时间窗约束的车辆路径问题为基准,引入送装一体新特征,以总配送距离之和最小为目标建立了数学模型。其次,设计了改进的大邻域搜索算法对问题进行求解,并通过算例验证了模型和算法的有效性。最后,结合家电物流公司实例,分析客户在工作日与周末两种不同预约时间窗长度下的路径决策结果对公司的影响。计算结果表明,本文的方法能为该企业通过高差异化精准快捷的物流服务,创造出最大价值、实现企业与客户共赢的目的提供重要参考依据。     

基于动态路径规划的物流仿真控制技术

针对传统的静态路径规划与车间复杂的物流网络不一致的问题,提出了基于动态路径规划的物流仿真控制技术.通过对物流运行过程的分解,建立了基于物流的装载、运输和卸载等动作传感器触发的物流仿真控制逻;利用轨道选择规则和工件选择规则,实现了物流运行的调度控制;以轨道交叉点的计算为基础,利用Dijkstra算法实现了最短路径计算;通过在动态传感器中加入路径规划算法,实现了基于动态路径规划的物流仿真控制.最后通过建立物流仿真模型,验证了上述方法的有效性.     

基于多目标演化算法的油田危险品物流系统选址-路径问题北大核心CSCDCSSCI

危险品事故往往会产生灾难性的后果,研究油田危险品物流系统的管理方法和模型具有十分重要的意义。从选址-路径问题(LRP)集成化的角度研究鄂南油田危险品物流系统。提出了适合于鄂南油田的危险品运输的双层配送网络,并以道路危险度等级为约束,构建了一个总成本最小、风险最低、可靠性最强的油田危险品物资运输的多目标LRP模型;进而,通过多目标演化算法(MOEA)得到了Pareto最优解集合,并采用随机多属性可接受度分析方法(SMAA)对Pareto最优解集进行再次筛选,求得最优选址方案和最优配送路线;最后,以进化率、非劣解分布离散度和解空间分布多样性等指标衡量了MOEA的性能,结果验证了算法参数设置的合理性和非劣解集的有效性。本文提出的LRP模型和MOEA-SMAA求解方法对于进一步补充和完善危险品物流系统的选址-路径问题研究具有一定的理论意义,对油田、煤矿等行业的物流系统优化具有重要的现实意义。     

基于低碳视角的两阶段开放式选址路径问题——燃油车与电动车对比

针对传统两阶段开放式选址-路径问题（2E-OLRP），考虑速度和负载对能量消耗和CO₂排放的影响，基于燃油车和电动车的行驶与排放特性，分别建立了燃油车和电动车的两阶段开放式选址路径问题模型，并提出一种改进的模拟退火算法对两种模型进行求解.为验证本文模型与算法的有效性和实用性，进行了3种对比分析：两种模型与传统2E-OLRP模型的对比；两种模型的算法求解结果与精确解的对比；两种模型经济成本与排放成本的对比.结果表明：两种模型与传统2E-OLRP模型相比，均具有明显优势；所提出的算法能快速有效的求解此类模型；就运输活动而言，与燃油车相比，电动车能节约3.44%的总成本、减少74.03%的CO₂排放量.以上研究结果可为物流企业在运输配送中的节能减排提供决策支持.     

KMG:考虑逆向物流的无人机路径规划策略研究

物流领域无人机派送正成为一种快捷高效的派件方式和应用热点.针对于正向、逆向的物流数据,无人机派送是国内外大型物流企业实施高效物流派送的重要手段.本文提出了一种融合拓展性K-Means++算法和遗传算法的路径动态规划模型(KMG),实现包含逆向物流的无人机调度策略.KMG模型将逆向物流路径融入正向物流路径之中,采用加权聚类算法确定不同属性包裹所需派送无人机的最小数量.在每一簇坐标数据的连通图中,采用遗传算法求解TSP问题,并对可行解进行编码,最终求解出最小欧拉回路.在仿真实验中,KMG模型比独立逆向物流派送的成本减少20.08%,使用拓展性K-Means++聚类计算的时间比传统K-Means算法缩短了298.85%.     

基于多目标演化算法的油田危险品物流系统选址-路径问题

危险品事故往往会产生灾难性的后果,研究油田危险品物流系统的管理方法和模型具有十分重要的意义。从选址-路径问题(LRP)集成化的角度研究鄂南油田危险品物流系统。提出了适合于鄂南油田的危险品运输的双层配送网络,并以道路危险度等级为约束,构建了一个总成本最小、风险最低、可靠性最强的油田危险品物资运输的多目标LRP模型;进而,通过多目标演化算法(MOEA)得到了Pareto最优解集合,并采用随机多属性可接受度分析方法(SMAA)对Pareto最优解集进行再次筛选,求得最优选址方案和最优配送路线;最后,以进化率、非劣解分布离散度和解空间分布多样性等指标衡量了MOEA的性能,结果验证了算法参数设置的合理性和非劣解集的有效性。本文提出的LRP模型和MOEA-SMAA求解方法对于进一步补充和完善危险品物流系统的选址-路径问题研究具有一定的理论意义,对油田、煤矿等行业的物流系统优化具有重要的现实意义。     

基于卷积神经网络的SAR图像舰船目标检测

近年来,深度学习在物体检测领域取得了非常大的突破,但是鲜有用于合成孔径雷达(synthetic aperture radar, SAR)图像中舰船目标检测,论文将基于深度学习的目标检测方法引入到了SAR图像舰船目标检测。首先分析了目前先进的Faster R-CNN检测算法优点及其在SAR图像舰船检测领域的局限。在此基础上,构建了一个新的SAR图像舰船目标检测数据集SSDD,数据集包含不同分辨率、尺寸、海况、传感器类型等条件下的舰船SAR图像,它可以作为本领域研究人员评价其算法的基准。提出了SAR图像舰船目标检测的新方法,包括特征聚合、迁移学习、损失函数设计和其他应用细节,并在数据集上进行了大量的对比实验。实验结果证明提出的方法可以有更高的检测准确率和更快的检测速度。     

单视角下基于投影子空间视图的动作识别方法

针对单视角下深度相机跟踪关节点运动存在的自遮挡问题，提出一种基于投影子空间视图的人体动作识别方法。在不增加数据采集设备的情况下，通过子空间投影，将单视角下获得的三维动作序列投影到多个二维子空间中，在二维投影空间寻求最大类间距离，以尽可能增加基于多个子空间视图融合后的3D动作类间距离。在自建AQNU数据集的识别率为99.69%，较基准方法提升1.22%。在公共NTU-RGB+D数据集子集的识别率为80.23%，较基准方法提升1.98%。实验结果表明：本文方法可在一定程度上减少单视角数据集的自遮挡问题，提高识别率和计算效率，可达到与多视角数据集相当的识别效果。     

物流配送中的绿色车辆路径模型与求解算法研究综述

随着绿色物流的发展,绿色车辆路径问题(green vehicle routing problem,GVRP)已引起学界的广泛关注,但关于GVRP最新研究进展的综述文献较少.首先,简要介绍GVRP基础模型和油耗/碳排放的主要测度方法;其次,根据GVRP环境效益优化目标及目标函数的构成,将GVRP模型分为油耗/碳排放最小化VRP、综合成本最小化VRP和多目标VRP三种类型,并从优化目标、油耗/碳排放的影响因素和测度模型,以及约束条件等方面进行分类综述;然后,简要介绍求解GVRP模型的精确算法、启发式算法和元启发式算法,并对应用较为普及的主要元启发式算法进行分析;最后,阐述了即时物流配送、冷链物流配送、电动车物流配送和共同物流配送等GVRP新的应用领域,指出了GVRP理论和方法的发展趋势.     

水面舰艇编队反潜作战任务空间概念模型研究

任务空间概念模型是作战问题建模的第一阶段,提供了一种共同、一致、权威的建模和仿真表达的基准。基于EATI模板,研究了水面舰艇编队反潜作战任务空间概念模型的实体集、任务集、行为集、状态集和交互集等,为以高层体系结构(HLA)技术构建仿真框架,对水面舰艇编队反潜作战效能和反潜作战使用问题进行研究奠定了基础。     

租赁模式下的物流企业电动车辆替换决策

电动车辆在物流配送中的应用受到了广泛的关注.在考虑电动车辆租赁模式的基础上,建立了车辆替代决策优化模型,充分考虑了电池成本的学习曲线和能源价格的不确定性,分析了物流企业长期运营过程中车辆替换决策的优化,并讨论了影响电动车辆替换速度的因素.结果表明,从长期来看,电动车辆富有竞争力;物流企业的车辆投入预算直接影响电动车辆的替换速度;租赁模式能促进物流企业对电动车辆的使用;租赁系数直接影响物流企业对电动车辆租赁模式的采用率;短周期、大金额政府补贴会大大加快电动车辆的替换速度.     

太阳射电频谱爆发识别的元学习方法

太阳射电频谱图像在太阳活动和空间天气的观测、研究和预报中有着重要的作用。太阳射电宽带动态频谱仪是国内观测太阳射电信号的主要设备, 但受到窗口时间、观测设备和太阳活动规律的影响, 其所采集到的频谱数据存在有效样本量少的问题。针对这一现状, 提出了一种基于元学习和迁移学习的少样本学习方法, 用于改善太阳射电频谱图像的分类性能。首先模型在元学习基准数据集上进行元知识的学习, 然后对射电频谱图像进行小样本识别的模型定义, 最后将元知识迁移到频谱图像数据集的分类任务中。通过对多种元学习方法进行实验分析和性能比较, 证明了本文方法的先进性和有效性。     

航天发射可视化仿真分析技术与应用研究

航天发射领域开展了大量的数字化设计验证、数字化合练与模拟训练、箭地联合仿真评估等数字化实验工作,都涉及航天发射信息可视化的问题。利用虚拟现实技术、系统仿真技术、数据可视化技术等,按照多线程、多模块架构设计思想,以及消息队列系统交互模式,构建了集数据管理、场景管理、计算管理和脚本管理功能于一体的航天发射可视化仿真分析技术平台,并开展了多星危险性、特种操作测发工艺、整流罩开孔和测试发射流程状态可视化仿真分析应用案例研究。     

多维数据的信息可视化方法及应用研究

将多维数据可视化可以帮助人们在有限的时间内快速理解和分析复杂的海量数据集,为决策提供依据.介绍了几种典型的多维数据可视化和交互方法;提出了用平行坐标和星形图技术对人体健康多维数据进行可视化和可视分析的设计方法,给出了可视化和分析结果,应用结果表明了这些方法有效性;本文介绍的多维数据可视化方法可应用于医学.金融.通信等多个领域.     

发动机虚拟装配教学实验系统关键技术研究

虚拟装配技术是虚拟现实技术在设计与制造领域的重要应用。在对虚拟装配的研究现状分析和总结的基础上,对发动机虚拟装配的关键技术和虚拟装配系统的实现方法进行了分析和研究,包括基于数据手套的虚拟手操作、实时碰撞检测、装配路径和装配顺序规划等问题。并首次提出了将虚拟装配与发动机教学实验相结合的虚拟发动机装配教学实验系统的构想。最后还展示了利用发动机三维可视化虚拟装配教学实验系统完成虚拟装配操作的实例,并分析了该虚拟装配教学实验系统与传统装配相比较的优势和特点。     

融合注意力机制的IETM细粒度跨模态检索算法

交互式电子手册是提高各类装备保障信息化、智能化的关键技术之一，针对其检索模态单一的问题，以其数据中图文描述为研究对象，提出一种融合注意力机制的细粒度跨模态检索算法。针对数据中图像简图较多、色彩单一等特点，特征提取模块使用Vision Transformer模型和Transformer编码器分别获得图文的全局和局部特征；使用注意力机制在图文模态间及模态内部挖掘细粒度信息，加入文本对抗训练增强模型泛化能力，采用跨模态联合损失函数对模型进行约束。在Pascal Sentence数据集和自建数据集上进行验证，所提方法的平均精度均值分别达到了0.964和0.959,较基准模型(深度监督跨模态检索)分别提升了0.248和0.214。