基于新混合乌鸦搜索算法的置换流水车间调度

为了更加有效地求解以最大完工时间最小化为目标的置换流水车间调度问题,提出一种新混合乌鸦搜索算法(NHCSA)。首先,对一种基于NEH的启发式算法进行了改进,在此基础上提出新的方法以改善初始种群的质量和多样性;其次,采用SPV(Smallest-Position-Value)规则进行编码,使算法能够处理离散的调度问题;最后,针对迭代贪婪算法,提出了自动调整重插入工件范围的方法、引入了TB机制,并采用改进的迭代贪婪算法对最佳工件排序进行局部搜索,以提升算法收敛的精度。基于典型测试集进行了仿真测试,结果验证了所提算法的寻优能力和稳定性。尤其是在针对Rec19和Rec25算例的比较中,仅NHCSA取得了当前最优解,进一步证明了其优越性。

基于改进乌鸦搜索算法评定圆度误差

针对传统启发式智能优化算法评定圆度误差计算效率低且容易陷入局部最优解的问题,提出采用改进乌鸦搜索算法评定圆度误差。根据最小区域拟合准则建立乌鸦搜索算法评定圆度误差数学模型,并引入权重系数,提高算法全局搜索能力,同时设定最小二乘圆心附近为乌鸦搜索初始位置,提高算法搜索效率。最后通过模拟和实验验证了所提算法的准确性和高效性,并通过多组数据对比发现改进乌鸦搜索算法的全局搜索能力较遗传算法(GA)、粒子群算法(PSO)和传统乌鸦搜索算法(CSA)得到明显提升。

试论寓言体公安小说——以《白雪乌鸦》和《上岭阉牛》为例

《白雪乌鸦》和《上岭阉牛》是比较典型的寓言体公安小说。两部作品通过隐喻手法对现实中的案件进行加工和变形,营造出陌生化的审美效果。《白雪乌鸦》表层寓意是人变成乌鸦,中层寓意是讽刺国人良知丧失殆尽,深层寓意指向“和谐高于正义”的批判。《上岭阉牛》表层寓意是讲述警方破案不力,中层寓意是讽刺人的自以为是,深层寓意则是批判丑陋的人性。寓言体公安小说具有独特的价值,它调动读者的想象力,引发读者思考,同时为公安小说的写作指出一个新的方向。

一种融合乌鸦搜索算法的K-means聚类算法

传统的K-均值聚类算法(K-means)对初始聚类中心的选择敏感,容易陷入局部最优解,并且需要预先设定聚类数量K,这在实际操作中往往难以实现。为了解决这些问题,提出了一种融合乌鸦搜索算法的K-means聚类算法。该算法利用乌鸦搜索算法的全局搜索能力,自动确定最佳的聚类数目K,从而提高聚类的质量和效率。通过在Seeds数据集进行实验计算卡林斯基-哈拉巴斯(Calinski-Harabasz)指数等评价指标,发现该算法聚类效果明显优于传统的K-means算法。

文学文体学视角下爱伦·坡《乌鸦》的情感表征研究

《乌鸦》是19世纪美国浪漫主义时期杰出诗人埃德加·爱伦·坡(Edgar Allan Poe)的经典作品。目前学界对《乌鸦》的研究主要从意象、音韵、文学性、忧郁气质等方面展开,尚未从文学文体学的视角探究其情感表征。文学文体学指通过分析文学文本中语言形式,阐释文学文本的艺术价值、思想情感与美学意蕴。作为文学研究的重要视角,情感表征研究是理解与阐释文学作品的关键。基于文学文体学的细致分析,从语音、词汇、句法等维度的前景化探讨诗人深邃的内心世界:对亡妻的绵长思念与无尽眷恋,对现实困境无助与彷徨的生命体验,对未来的迷茫与焦虑的情感表达。文学文体学视角下《乌鸦》的情感表征研究将进一步推动爱伦·坡在国内的研究。

基于二次分解和乌鸦搜索算法优化组合模型的超短期风速预测

针对风速的波动性和随机性等特点,提出一种基于二次分解和乌鸦搜索算法优化组合模型的超短期风速预测方法。该方法的基本思路是构造基于变分模态分解、样本熵和奇异谱分析的二次分解的方法,将原始风速序列分解为不同的子序列,并对这些子序列分别建立预测模型,最后重构。对变分模态分解的子序列建立基于长短时记忆网络的深度学习模型预测,而残差序列进行二次分解后的子序列建立乌鸦搜索算法优化的组合预测模型预测。最后,对子序列进行重构并得到最终的预测结果。使用实际的风速观测资料开展模拟实验,结果表明:在3个风电场中,所提模型与其他模型相比平均相对误差分别提升了30.07%、37.56%和37.40%,验证了混合模型在超短期风速预测中的有效性和稳定性,以及在不同数据集上的泛化性能。

基于改进乌鸦搜索算法的无人艇新型路径规划策略

鉴于无人艇的实际航行需求,所规划的路径应满足顺滑性和经济性要求,为此提出一种基于改进乌鸦搜索算法和新型路径拟合方法的路径规划策略。文中提出一种新型路径拟合方法,用于优化转向点的数量并对转向点进行圆弧过渡处理,从而缩短路径长度,并保证无人艇在航速稳定的情况下实现转向,在此基础上提出一种改进的乌鸦搜索算法,用于优化路径转向点的位置。算法的改进主要体现在3个方面:采用反向学习策略以提高初始种群质量及多样性;提出一种动态变化的意识概率以提高算法局部和全局的搜索能力;采用莱维飞行策略以改善搜索的方向性和有效性。仿真结果表明,所提出的新型路径拟合方法优于B样条曲线拟合方法和直线段拟合方法。迭代计算和方差分析结果表明:在优化新型拟合路径方面,所提出的改进乌鸦搜索算法相较于标准乌鸦搜索算法、差分进化算法和遗传算法具有更高的收敛精度和鲁棒性,能更高效地处理无人艇路径规划的实际问题。

一种以优秀个体记忆位置为导向的改进乌鸦搜索算法

为了克服乌鸦搜索算法搜索能力弱、易陷入局部最优之不足,提出新的以优秀个体记忆位置为导向的改进乌鸦搜索算法(EICSA):基于个体贮藏食物量之多少,种群中多数个体划归为普通个体、少数贮藏食物量较多的个体划归为优秀个体.优秀个体只在其贮藏食物的巢穴附近开展局部搜索活动.多数普通个体以优秀个体贮藏食物之巢穴为导向,在算法前期以较大步长进行全局探索,保持了种群的多样性;算法后期则以较短步长进行局部开发,使算法的全局探索能力和局部开发能力均得到了增强.通过12个基准函数和3个工程应用问题的数值实验,结果表明EICSA的全局优化能力得到了明显提高,在函数和工程应用问题优化中具有较快的全局收敛速度、较好的优化精度和稳定性.

基于改进乌鸦搜索算法的动态柔性作业车间调度应用研究

车间运作中常会面临许多随机事件扰动,这会扰乱原始调度方案,使得车间生产混乱,生产效率降低。文章以随机机器故障可恢复、不可恢复或需较长事件恢复、紧急工件插入以及紧急工件插入时机器发生故障等4种情况作为随机事件,使用一种混合重调度驱动方式来响应随机事件。同时,构建出动态柔性作业车间调度模型,将本用于处理连续性问题的乌鸦搜索算法进行改进,采用基于机器和基于工序的离散编码方式,设计了3种子代生成方法来增强全局搜索能力,以一定概率发生变异避免产生局部最优。另外,采用IG迭代贪婪算法增加算法的开拓能力,采用完工时间偏差以及序列偏差作为评价标准,在多个测试案例中对右移重调度和完全重调度进行比较分析,同时将文章提出的算法与遗传算法GA和差分进化算法DE进行对比。实验证明,在测试不同的调度方法时,所提出的算法具有优越性与高效性。

协同粒子群算法的乌鸦搜索算法与无线传感器网络应用

无线传感器网络技术在随机部署过程中经常面临节点分布不均匀的挑战。为了提高节点部署覆盖率,提出了一种协同粒子群算法的乌鸦搜索算法。该方法将粒子群优化与乌鸦搜索算法相结合,使乌鸦搜索算法能够利用粒子群优化的全局最优位置信息,平衡全局和局部搜索能力。在初始化过程中,采用了Logistic混沌映射来处理种群的多样性。此外,引入自适应步长和Levy飞行,提高了算法逃避局部最优的能力,提高了收敛速度和优化精度。当应用于优化8个基准函数和部署WSN节点时,新算法始终优于其他智能算法,证明了其在函数优化和WSN节点部署方面的有效性。

基于乌鸦搜索算法的医疗数据填补方法

医疗数据的缺失会导致统计功效降低,进而严重影响诊断的准确性,甚至出现误诊。因此,对医疗问题中的各缺失数据选用有效的填补方法极为重要。为了在医疗数据存在缺失的情况下,对数据进行高效填补以提升医疗数据挖掘效果,本文提出了基于乌鸦搜索算法的医疗数据填补方法。设计了数据填补模型,在此基础上确定了算法个体编码与数据填补模型的映射方式,进而应用乌鸦搜索算法对填补模型进行迭代寻优,最后通过最优的填补模型构建完整医疗数据集。在4个医疗数据集上与2种传统填补方法[均值填补(Mean Imputation,MI)、K最近邻填补(K Nearest Neighbor Imputation,KNNI)]等进行了对比实验,人工构造不同缺失率的数据集,运用各填补方法对缺失数据集进行填补,并将分类算法在填补数据集上的准确率作为填补方法的效果评估指标,结果显示,相较于MI,所提方法使得分类算法在4个数据集上平均提高了3.7%、3.8%、11.1%和17.7%的准确率;相较于KNNI,所提方法平均提升了分类算法4%、14.8%、12.6%和21.7%的准确率。以上结果表明,本文所提基于乌鸦搜索算法的填补方法能够有效完成缺失数据的填补,提升数据挖掘算法的性能。

论迟子建《白雪乌鸦》的瘟疫书写

《白雪乌鸦》是迟子建创作的以疾病为题材的长篇小说,也是新时期以来瘟疫书写的代表之作。从中国现当代文学瘟疫书写史上看,其瘟疫书写在一定程度上承接了中国现当代文学的疾病书写传统,但与此同时又呈现出了不容忽视的新质,丰富了瘟疫叙事的书写面向,完成了瘟疫叙事的“华丽转身”。瘟疫不再去承载疾病书写传统中沉重的社会责任与文化寓意,而是回归疾病本身,还原瘟疫置于小说中的主体性位置并将其作为文本叙述的直接动力和叙述逻辑,展现瘟疫中无名个体的生存状态,深刻洞察瘟疫背后的生存本相。从文学的治疗功能来看,瘟疫的精神创伤属性使得迟子建的瘟疫书写起着精神疗愈的重要作用,而这也为如何书写当代瘟疫故事提供了中国经验。

基于多目标乌鸦搜索算法优化DenseNet图像分类算法研究

图像分类是计算机视觉领域中的关键任务,其目标是将输入的图像分配到预定义的类别中,核心思想是通过学习从图像的局部特征中提取高级抽象表示,使模型能够有效识别并区分不同类别的图像。图像分类已应用于诸多领域,包括医学影像识别、自动驾驶、安全监控等。但图像分类也存在一些问题,如小样本问题、类别不平衡及对抗攻击等。近年来,随着深度学习的迅速发展,卷积神经网络(CNN)在图像分类任务中取得了显著的效果。设计了一种启发式算法,引入多目标乌鸦搜索算法,解决多目标优化问题,通过实验,与其他先进算法进行比较,验证了优化后的DenseNet在图像分类任务上性能有所提升,可优化卷积神经网络模型在图像分类中的应用。

“乌鸦喝水”是一堂自主成长示范课

“乌鸦喝水”是一堂自主成长示范课。有趣的是——乌鸦成了这堂课的主角,教学过程一波三折,“找不到水喝时的着急”“找到水却喝不到时的无奈”“困难迎刃而解时的喜悦”“喝到水时的满足”……一幅幅自主成长的场景次第展开,“沉浸式情境”“渐进式探究”“豁然式感悟”除了让“乌鸦”这位受教育者“获得感满格”之外,也让每一位旁观者顿生亲身体验的冲动,因为这节“示范课”生动演绎了“体验就是自主成长不可忽视的一条捷径”。

基于深度学习的小学语文教学策略——以《乌鸦喝水》教学为例

“深度学习”强调学生对知识的深层次理解和思考,重在培养学生的高阶思维。本文以统编版语文一年级课文《乌鸦喝水》为例,从生字识记、文本理解、探究领悟三个层面,探讨如何在小学语文教学中帮助学生实现深度学习目标,发展语文核心素养。一、优化策略,深化生字识记《乌鸦喝水》一课的生字较多,教师可根据生字的特点优化识字策略,引导学生在识字过程中发展思维能力。一是猜想。统编版语文一年级上册教材中,“猜一猜”以课后习题的形式出现了多次,分别是看图猜象形字、看部件猜会意字的意思、看图猜生字的读音,旨在引导学生经历“看、比、想、猜”的过程,学习如何进行推理和思考。

基于改进乌鸦搜索算法的短期光伏功率预测

为了减小预测光伏发电功率时的误差,现提出一种基于改进乌鸦搜索算法,结合最小二乘积向量模型来进行短期光伏功率预测,最终通过软件构建模型与其他算法相比较得出该算法进行光伏功率预测提高了原始群体的品质以及丰富性,同时规避了被选取对象的无目的性,利用此种寻优算法极大程度地提高了最终结果的精确度,为短期光伏功率预测提供了一种方法。

乌鸦筑巢

冬天渐渐走向尾声,树林里面活跃起来,一对乌鸦夫妻正在用心建造它们的新家,迎接即将出生的乌鸦宝宝。它们先选择了一棵粗壮的大树,站在光秃秃的树顶上,扑扇翅膀,检验一下这棵树是否足够结实。确定筑巢位置后,乌鸦丈夫又跳到稍微细一点儿的树枝上。

乌鸦上当了

乌鸦衔着一块儿刚刚偷来的肉飞过森林。它站在树枝上,自言自语道:“我要好好地享用这顿大餐!”这时,一只饥肠辘辘的狐狸碰巧从这儿经过,当它走到乌鸦所站的树下时,闻到了诱人的香味。狐狸抬头看到了乌鸦嘴里的肉,馋得直流口水。

小乌鸦造房子

在美丽的森林里住着许许多多的小动物。有一天,小乌鸦要去找好朋友百灵鸟玩,百灵鸟有一座用木条搭建的漂亮的小房子,小乌鸦看到了也想搭建一座这样的小房子,于是他便向百灵鸟请教,该如何搭建这样一座小房子。百灵鸟姐姐说:“首先,我们在树上找到一个距离地面高度合适的位置,把房子建在树杈上,然后再找一些长度合适的木条来。”

西宁市越冬夜栖乌鸦粪便宏病毒组分析

为了解西宁市越冬夜栖乌鸦群体携带病毒的本底情况,以市区冬季夜栖秃鼻乌鸦、大嘴乌鸦和小嘴乌鸦的新鲜粪便为试验材料,利用宏病毒组学测序技术分析乌鸦粪便病毒的组成、丰度和基因功能。结果表明:共鉴定出7411条DNA病毒contigs和224条RNA病毒contigs。在数量前10的DNA病毒contigs中注释到9个病毒科,在数量前5的RNA病毒contigs中注释到4个病毒科,涵盖了植物、脊椎动物、节肢动物和原生动物等来源的病毒及噬菌体。从DNA病毒contigs和RNA病毒contigs中分别预测出9226个基因和111个基因。基因数量最多的前5个功能类别分别是遗传信息处理、复制和修复、信号传导和细胞过程、核苷酸代谢和氨基酸代谢。研究结果可为深入探究病毒进化及跨物种传播规律提供数据参考。