基于短期预测的追捕方法

针对具有安全区的追捕逃避问题,抛开参与人是否理性的假设,提出了一种基于短期预测的追捕方法.由参与人短期内状态空间有限和伪蒙特卡罗方法原理阐述了进行短期预测的可行性.追捕方法的流程为:追捕方先根据物理条件限制预测双方的短期状态;根据反映对抗态势的特征计算出对手处于某状态时自身某状态的收益,并由此进一步获得针对同时刻对手各个状态的自身某状态的综合收益;估算出自身各个预测状态的综合收益后,选取某个状态作为短期目标,执行能到达该状态的行为.结合足球机器人一对一对抗的实践进行了仿真,结果表明该方法有效.介绍了在自主式足球机器人上应用基于短期预测的追捕方法的初步实验,证实该方法具有一定的实际应用价值.     

装配生产线任务完成时间延迟的响应策略

针对实际装配生产线中由各种干扰引起的任务完成时间延迟,将不平衡问题缩小到动态响应区,并基于局部搜索算法的基本原理以及数组的读取规则,编制了改进的嵌套式搜索算法.分别制定了单个和多个动态工人时的响应策略,得出多人共同服务整个生产线的策略优于分别服务策略,且用算例分析验证了这种策略的有效性.     

一种角速率激光陀螺惯导系统高精度姿态算法

在分析圆锥误差补偿通式的基础上,提出了利用角速率求取角增量的拟合算法,并给出了该算法的数学证明.详细推导了基于纯角速率输入的圆锥误差补偿算法的补偿系数和误差主项通式,并从理论上对精度进行了分析.结合激光陀螺频谱特性的仿真对比结果表明,纯角速率输入圆锥误差补偿算法优于常规的四阶龙格库塔算法,能够提高纯角速率输出的捷联惯性导航系统的姿态精度.     

进攻战斗电子对抗兵力需求的三层规划模型

为解决电子对抗兵力需求的作战预测问题,估测合同战斗中不同作战阶段的兵力数量需求,提升指挥作战效率与效果,提出一种基于三层规划的电子对抗兵力需求模型.首先,在详细分析陆上战术进攻战斗中电子对抗作战方式的基础上,提出电子对抗规范交战模式.其次,根据作战方式和作战阶段划分,建立电子对抗兵力需求的三层规划模型.然后,在使用模糊...     

面向同源蛋白质探测的一种新型混合深度学习模型

根据蛋白质氨基酸链探测其同源蛋白质,进而预测蛋白质的功能,是生物信息学研究领域的一个重要挑战,也是众多生物医学研究领域的基础研究内容,有着重要的科研价值和广泛的应用需求。其研究难点在于:(1)如何学习对同源蛋白质预测有效、有用的蛋白质特征信息;(2)如何更好地运用蛋白质特征信息,实现同源蛋白质的探测与识别。为了解决同源蛋白质探测与识别研究中的关键难点,本文提出一种基于混合深度学习架构的同源蛋白质探测与识别模型(HDLM-PHP)。通过采用统一的"管道式"深度学习架构,将蛋白质特征学习和探测识别统一为一个整体,提高同源蛋白质探测与识别的效能。采用多组并行的深度卷积神经网络,学习蛋白质的各种属性信息,以期获得丰富的待检测蛋白质和靶蛋白质的高级相关性特征,并通过全连接方式使用多层RBM结构融合和精炼这些相关性特征为全局相关性特征。通过统一的深度网络连接方式,以探测和识别任务为导向,学习到对于同源蛋白质预测最有效、最全面的蛋白质特征信息。在标准数据集SCOPe上,对所提模型进行性能与效率评测,结果表明:本文提出的模型能有效地学习到符合任务导向的蛋白质特征数据,提升同源蛋白质探测与识别的准确度和召回率,优于现有的模型和算法。     

古巴比伦人求算术平方根的探究

分析了古巴比伦人求算术平方根的算法，证明了其正确性。然后将其算法推广到求n次算术根，并证明了其正确性。     

羟肟酸浮选分离选择性的定量构效关系

采用定量构效关系方法和遗传算法对13种芳烷基羟肟酸类捕收剂的锡石-萤石浮选分离选择性指数进行了定量构效关系研究,旨在预测羟肟酸捕收剂对锡石-萤石浮选分离的选择性能.采用快速分子描述符和量子化学描述符建立了两种选择性指数的二元因子模型,选择性指数1的模型5和选择性指数2的模型6的相关系数R2分别为0.868和0.796,R2cv分别为0.779和0.590.使用留一法对两模型进行内部验证的相关系数R2分别为0.785和0.615,使用测试集对两模型进行外部验证,所得两模型的平均预测绝对误差分别为0.095和1.939.指数1模型具有真实有效性和较好的预测能力,能够有效预测羟肟酸的选择性.     

单亲遗传算法在物流合乘优化中的应用

本文运用单亲遗传算法解决物流合乘的路径优化问题。通过在染色体上基因换位、移位、逆转等基因重组操作进行个体繁衍,经过若干代的繁衍迭代,从所有的上下车点中找出一条最优的、费用最少的路径。实验结果表明,该算法在提高合乘成功率的同时,还有效地降低了车辆运行时的总成本。     

An Overview of Kernelization Algorithms for Graph Modification Problems

Kernelization algorithms for graph modification problems are important ingredients in parameterized computation theory. In this paper, we survey the kernelization algorithms for four types of graph modification problems, which include vertex deletion problems, edge editing problems, edge deletion problems, and edge completion problems. For each type of problem, we outline typical examples together with recent results, analyze the main techniques, and provide some suggestions for future research in this field.     

An effective estimation of distribution algorithm for parallel litho machine scheduling with reticle constraints

In order to improve the scheduling efficiency of photolithography, bottleneck process of wafer fabrications in the semiconductor industry, an effective estimation of distribution algorithm is pro-posed for scheduling problems of parallel litho machines with reticle constraints, where multiple reti-cles are available for each reticle type.First, the scheduling problem domain of parallel litho ma-chines is described with reticle constraints and mathematical programming formulations are put for-ward with the objective of minimizing total weighted completion time.Second, estimation of distribu-tion algorithm is developed with a decoding scheme specially designed to deal with the reticle con-straints.Third, an insert-based local search with the first move strategy is introduced to enhance the local exploitation ability of the algorithm.Finally, simulation experiments and analysis demonstrate the effectiveness of the proposed algorithm.