一种基于学校上学时间调整的校车调度算法

在给定单校校车路径的基础上,校车调度问题是在满足学校上学时间约束下寻找服务所有路径的最优校车安排.而上学时间的设置对调度的效果有直接影响,目前基于学校上学时间调整的校车调度大多以精确求解方法为主,在大规模案例上求解质量相对较低.针对该问题,设计了一个两阶段启发式求解算法.第一阶段以服务所有路径所需校车数量为优化目标,通过应用构造启发式算法选择学校上学时间;第二阶段在模拟退火算法框架下,使用VRP局部搜索算子求解学校上学时间固定的校车调度问题.模拟实验基于已有校车路径问题的测试案例,结果表明相对于精确求解方法,该算法显著降低了校车数量,能够获得较好的校车路径规划方案.

需求可拆分校车路径问题的元启发式算法

校车路径规划中,允许站点乘车需求拆分通常能有效地降低校车服务成本。将该问题定义为需求可拆分校车路径问题(SDSBRP)进行求解。由于校车服务中要顾及学生最大乘车时间,且优化目标要兼顾所需校车数量和校车行驶距离,经典SDVRP算法难以直接应用于SDSBRP。因此分析了该问题的解特征,首次构建双目标SDSBRP数学模型,并首次设计针对该问题的元启发式求解算法。该算法首先构造初始可行解,然后在模拟退火算法框架下,引入站点需求拆分的邻域搜索算子进行迭代搜索,逐步改善解的质量。邻域搜索中,设计了多目标问题的邻域接受准则来引导邻域解的搜索方向,并引入破坏重建机制来增加解的多样性。使用已有的测试案例集和改造的测试案例进行算法测试,实验结果表明所提算法收敛性好,能够显著降低校车服务成本。

基于双缓冲队列的海量地形数据并行处理方法

海量地形数据处理过程中,硬件的性能优势不能得到充分利用,已成为制约大规模地形绘制速度的瓶颈.针对这一问题,分析了影响硬件处理能力发挥的关键因素,采用双缓冲队列的设计思路,提出了一种支持海量地形数据的并行处理方法,即将大规模地形绘制分为数据处理和渲染绘制两个独立的过程,分别进行并行处理:设立两个缓冲队列,将数据的读、写操作区分开来;充分考虑了瓦片加载的优先级,并据此进行任务分配.实验表明,该方法有效地提升了大规模地形绘制的整体速度.

工程教育专业认证背景下Java Web程序设计课程改革与实践探索

工程教育专业认证背景下,对学生的工程实践能力和创新能力都提出了更高的要求。文章分析了目前课程教学存在的主要问题,并结合工程教育专业认证对人才培养的要求,对课程的教学内容和考核方式等进行改革,使课程更加注重学生实践能力培养。两个教学周期的教学改革实施效果表明,学生解决复杂工程问题的能力和创新能力都得到了显著提高,取得了良好的教学效果。

多重水印技术综述

当今时代,作为计算机领域的研究热点,数字水印技术得到了广泛的应用。多重水印克服了传统数字水印的不足,将多个水印嵌入到宿主载体中,并且每个水印都有不同的特性,代表不同的信息。本文介绍了多重水印的特征及其分类、多重数字水印技术的基本原理,并对典型的多重水印算法进行了阐述。最后,分析指出了数字水印技术的研究现状与发展前景。

《模式识别》教学中线性鉴别分析的探讨

本文结合作者个人教学经验,对《模式识别》教学过程中学生不太容易掌握的线性鉴别分析进行了分析和探讨,得出了一些有益的教学经验,并取得了良好的教学效果。

校车路径问题模型及算法研究进展

校车路径问题(SBRP)自1969年提出以来,学者们一直在探索其模型及求解算法.文章分析了SBRP涉及的因素及其分类方法,讨论了SBRP模型中目标和约束的特征,按照精确算法、启发算法和元启发算法对求解方法进行分类回顾总结,并对SBRP算法未来的研究方向作以展望.

超启发算法研究进展综述

超启发算法是一类新兴的优化方法,通过机器学习、算法选择、算法生成等技术求解组合优化等问题,具备跨问题领域求解的能力。针对超启发算法研究进展进行综述和讨论。首先,梳理超启发算法的定义、结构、特点和分类;其次,归纳选择式超启发算法和生成式超启发算法的研究进展及相关技术,包括选择低层启发式算法采用的学习方法,迭代计算中的移动接受策略,低层启发式算法的生成方法;最后,讨论现有超启发算法研究中存在的不足及未来的研究方向。

校车路径问题元启发算法框架设计及应用

校车服务有单校、多校不混载和多校混载等多种运营模式,规划路径时考虑的约束条件和目标不同衍生出多种校车路径问题(SBRP)的应用场景.SBRP属于NP问题,中大规模的应用基本都是采用启发式算法求解.在分析SBRP问题模型的基础上,总结元启发算法的特征,设计一个针对SBRP的元启发算法框架.该框架能够支持三种运营模式、不同的约束条件、单目标或多目标问题求解.最后利用框架直接构建具体应用的元启发求解算法,采用国际标准案例库对算法进行验证.结果表明基于框架可以快速地实现不同应用场景下SBRP的元启发算法.

多目标校车路径问题的变邻域搜索算法

针对兼顾车辆数和运营里程的多目标校车路径问题(SBRP),先建立其数学模型,然后提出一种变邻域搜索(VNS)算法分阶段求解.算法从初始解从发,通过抖动过程对当前解进行扰动,然后借助多个邻域算子对新解进行局部搜索.搜索过程中根据当前优化目标对邻域解进行评价,并采用一种基于偏差系数的解接受规则接受新的邻域解,保证了解的多样性.使用VNS算法求解36个测试案例,并分别与CPLEX精确求解和蚁群算法进行了比较.实验结果表明:本文设计的VNS算法能够有效地求解兼顾车辆数和运营里程的多目标校车路径问题.

基于WPF的大规模地形可视化系统设计与实现

针对大规模地形可视化的需求,设计并实现了基于WPF的大规模地形可视化系统。阐述了虚拟地球、瓦片金字塔结构、数字高程模型的基本原理及在系统中的应用,设计了基于游戏循环的可视化框架,实现了自由摄像机、瓦片模型调度、瓦片模型生成等关键功能。实验表明,该系统能够实时、准确地实现大规模地形的可视化,具有较高的应用价值。

基于混沌和图像融合的自适应数字水印算法

提出了一种基于混沌和图像融合原理的自适应数字水印算法.该算法利用混沌映射将水印图像进行置乱预处理,求出载体图像的噪声可见性函数NVF,然后将载体图像的NVF函数作为乘法因子,使载体图像和水印图像融合,可自适应地调节水印信息的强度,并将其隐藏在载体图像中.从信息论的角度对试验结果进行了评价,试验结果表明:该算法提高了隐藏的视觉效果,既保证了水印的安全性,又提高了水印的鲁棒性.

人脸局部特征增强的亲属关系验证方法

亲属关系验证是人脸识别的一个重要分支,可以用于寻找失散亲人、搜寻走失儿童、构建家庭图谱、社交媒体分析等重要场景。父母和孩子的人脸图像之间往往存在较大的差异,如何从人脸中提取到有鉴别力的特征是提高亲属关系验证准确率的关键。因此,提出了一种基于深度学习和人脸局部特征增强的亲属关系验证方法,构建了人脸局部特征增强验证网络(Local Facial Feature Enhancement Verification Net,LFFEV Net),获取用于亲属关系验证的具有强鉴别力的人脸特征表示。LFFEV Net由局部特征注意力网络和残差验证网络两部分组成。局部特征注意力网络提取人脸局部关键特征,将获取的局部关键特征和对应的原始图像一同输入到残差验证网络中获取更具鉴别力的人脸特征,将特征经过融合并结合Family ID信息进行亲属关系验证。算法在公开的亲属关系数据集KinFaceW-Ⅰ和KinFaceW-Ⅱ上进行测试,实验结果表明,所设计的方法在亲属关系验证任务中有较高的识别率。

新工科背景下大数据专业课程建设

为完善数据科学与大数据技术专业课程体系的建设,满足新工科背景下对大数据人才培养的要求,以数据分析与可视化课程为例,提出了能力导向和案例驱动相结合的教学方法并阐述了该教学方法的设计。

新课改背景下构建小学语文高效课堂的策略探析

伴随着教育事业的改革,我国小学语文教学水平有了很大进步。新课改强调学生在学习中的主体地位,提倡“以生为本”的教育理念。充分发挥学生语文学习的主观能动性,有利于小学语文高效课堂的建设和打造。但是在当前的小学语文教学中,仍然存在忽视学生主体地位的现象,影响了小学语文的教学质量,不利于学生语文自主学习水平的提升。文章结合实际教学情况,探讨构建以学生为主体的小学语文高效课堂的策略和方法。

解析小学语文教学中学生语言表达能力的培养对策

进入21世纪以来,我国开始重视教育事业的发展,小学语文教学水平也有了很大进步。小学语文属于非常重要的学科,为了培养学生的语文素养,主张积极地运用科学的教学手段,促使学生的语言表达能力得到有效的提升。本文将重点分析的是小学语文教学中学生语言表达能力的培养对策。

一种求解大规模校车调度问题的元启发式算法

校车调度问题(SBSP)是通过调度使一辆校车服务完一个学校后继续服务其他学校,以减少一个地区所需的校车总数,进而降低校车采购成本和运营成本。目前的SBSP求解方法是将其转化为指派问题或运输问题,使用混合整型规划算法或者简单启发式算法进行求解,但求解性能有局限。本文在单校校车路径规划的基础上,将单校路径抽象为虚拟站点,进而将SBSP转换为带有时间窗的车辆路径问题(VRPTW),设计元启发算法进行求解。使用构造启发式算法获得初始解后,在模拟退火算法框架中通过典型的局部搜索算子搜索邻域解,逐步改善求解质量。搜索算子包括单点移动、两点交换、2-OPT和Cross-Exchange。迭代优化过程中以校车路径数为主要目标,路径长度为次要目标。为避免邻域搜索陷入局部最优,算法以一定的概率接受部分使路径长度增加的解。15个案例实验验证了本算法的有效性,与现有算法相比,能够获得更好的优化目标,适用于大规模的校车调度。

基于高提升滤波与àtrous小波分解的遥感图像融合算法

针对àtrous小波分解过程中的细节损失以及融合结果边缘模糊等问题,提出一种基于高提升滤波和àtrous小波分解的遥感图像融合算法.首先,利用àtrous小波变换得到第一层小波面,然后将获取的小波面作为非锐化模板进行高提升滤波,最后将滤波后的影像作为高频分量参与àtrous小波重构得到融合图像.基于北京地区的高分一号影像进行了算法验证,结果表明本算法优于传统小波域中的图像融合算法,对于城镇等建筑密度比较高的地区,融合后的影像保留了更多的细节信息,可以更好地支持城市变化检测和城市土地利用分析等方面的应用研究.

一种求解双目标校车路径问题的蚁群优化算法

校车路径问题(SBRP)是在满足学生交通服务各种约束条件的前提下,寻求高效的校车路径方案,将学生从乘车站点运送到学校,达到一定的服务质量目标和校车运营效率目标.现有SBRP算法主要优化校车路径长度目标,较少关注如何减少所需校车数量.鉴于减少校车数量能显著降低校车服务成本,尝试设计蚁群优化(ACO)算法求解双目标SBRP问题.在校车容量和学生最大乘车时间约束下,将减少路径数量作为第一目标,缩减路径总长度为第二目标,设计了一个ACO算法.重点讨论了校车路径构造算法、与优化目标相关的信息素更新方法、局部搜索路径改进和提升双目标的两阶段策略.采用基准案例进行测试,验证算法的有效性.与CPLEX精确算法相比,ACO算法在求解路径数量和计算效率方面具有明显的优势.

基于Hadoop的PM_(2.5)遥感监测系统设计与实现

遥感定量反演的对象为多源遥感数据,处理过程不可避免地涉及到海量数据处理、信息提取和分析.遥感反演既是计算密集型,同时又是数据密集型的科学应用.随着反演理论和技术的发展,地表遥感模型复杂化,数据量呈爆炸式增长,相应地对计算能力的要求也越来越高.同时,随着我国空间技术的不断发展,卫星数据正以指数级的形式迅速增长,对相关应用系统的存储和计算能力也提出了很高的要求.基于以上原因,采用云计算框架,利用Hadoop平台设计该PM_(2.5)卫星遥感监测系统.其中,第一部分介绍了整个系统的架构设计,自上而下包括四个部分;第二部分对该系统的核心算法进行了详细的阐述,利用HDFS和MapReduce分别实现了对海量数据的冗余存储和并行化处理;第三部分进行了性能分析及实例测试,通过详细的对比,可以发现MapReduce并行计算在很大程度上能够提高系统的运行效率;最后对本系统进行总结和展望.通过对"高分一号"卫星数据获得的PM_(2.5)产品进行加速比分析,验证了系统具有高处理效率和高可用性等优点.