考虑众包场景的电动车动态需求车辆路径问题

针对企业自有车辆和社会车辆共同取送货的场景,以及国家节能环保的政策背景,考虑分时电价、部分充电、软时间窗、以及动态需求等因素,以最小化配送总成本为目标,建立考虑众包场景的电动车动态需求车辆路径问题(EDDVRP-CD)的两阶段整数规划模型。考虑动态需求的时效性,设计了启发式算法——改进的禁忌自适应大规模邻域搜索算法(IALNS-TS),增加了新的删除算子和修复算子,同时提出了加速策略。分别与两种算法——自适应大规模邻域搜索算法(ALNS)以及禁忌搜索算法(TS)进行对比,通过大量算例验证了IALNS-TS算法能够快速响应动态需求,并有效降低总配送费用。

基于多敏感度最优传输的深度图匹配方法

本文针对不同图像中关键点之间的关系匹配问题,提出一种基于多敏感度最优传输的深度图像匹配网络框架。该框架利用视觉几何群网络(VGG16)从图像中提取一阶表观特征,进而使用德洛内三角测量建立关键点二阶邻接关系图。在此基础上,采用图卷积学习关键点的特征嵌入,并引入多敏感度的最优传输进行关键点之间的结构化关系度量,以增强关键点对齐能力。该框架在计算机视觉挑战赛(Pascal VOC Keypoints)数据集取得了良好的性能。

斐波那契数列在静态数据调度算法中的应用

数据调度算法在视频点播系统中扮演举足轻重的作用,本文在经典递归函数（俗称摩天大楼算法）的基础上提出了一种新的视频分段算法,并在100～600 Mbit/s服务器网卡带宽模式下,对新算法、摩天大楼算法和金字塔算法及近年的广义沟槽斐波那契算法进行了仿真.通过分析实验数据中对各个算法的启动时延和磁盘存储需求,对代理服务器中热点视频分段的命中率进行了比较,获得了更好的网络传输效果.

注水井脉动洗井的实践及认识

针对大庆油田部分注水井的注水层段出现堵塞和污染现象，提出了脉动洗井的可行性方案，阐述了脉动洗井的原理、理论依据，分析了洗井过程中的各种压力变化，对其应用的效果进行了评价。

基于深度森林的高铁站室内热舒适度等级预测

对于高铁站这类半封闭半开放空间的室内环境热舒适度等级难以准确预测的问题,提出基于深度森林(DF)的深度学习方法对热舒适度等级进行科学预测。首先基于现场调研和Energy Plus平台对高铁站室的热交换环境进行建模;其次提炼出客流密度、多联机开行台数和多联机设置温度等8个影响因素,并设计424种工况以获取海量数据;最后采用DF挖掘热舒适度与影响因素之间的关系,以对高铁站室内热舒适度等级进行预测。采用深度神经网络(DNN)和支持向量机(SVM)作为对比算法进行验证。实验结果表明,在3种模型中,DF在预测正确率和weighted-F1上表现最佳,DF的预测正确率最高达到99.76%,最低为98.11%。因此,DF能够有效预测高铁站室内的热舒适度等级。