基于改进蚁群算法的医药冷链物流运输路径优化

为解决大多数模型中制冷成本未考虑预冷参数而导致总成本求解精度不佳的问题,在制冷成本中加入预冷参数,得到新的总成本模型。基于遗传算法与IACO算法,提出了IGACO算法,此算法改进了传统蚁群算法的启发式因子与信息素更新方式,在此基础上加入交叉操作和变异因子,扩大算法搜索范围,进一步避免陷入局部最优的情况。经过试验对比分析,验证了IGACO算法所得出的最优路线、总成本、运行时间、收敛速度在一定程度上都优于其他算法。

C语言程序设计的创新型教学改革研究

当前,C语言程序设计教学过程仍然以“三中心”教学模式为主,这种教学模式存在忽视实践、忽视个性化培养等问题。为解决这些问题,使学生所学为所用,本文基于OBE、PBL和CDIO组合模式理念,探讨了对C语言程序设计教学的改革,并提出了强化实践、利用学科实践激发学生的创新意识的思想。该课程改革将推动教学内容从“偏理论”向“重实践”快速转变,将提升教学形态,最终将全面提高学生的综合能力。

基于“多层级”的C语言程序设计教学改革实践探析

传统教学方法在C语言程序设计的教学中仍处于主导地位,由于无法调动学生的学习积极性,导致学生的动手能力和实践能力较差,教学效果不佳。为解决上述问题,结合CDIO模式、OBE模式和PBL模式的优点,基于组合模式,提出了“多层级”教学改革理念。并结合一个具体案例,以具体任务为牵引,对教学改革内容和方法进行了分析。本文为C语言教学模式的改革提出了新方法,以提高对学生综合应用能力的培养效果。

基于可分辨关系的知识约简

为寻求求解约简的有效方法,从而有效处理大规模数据,并减少后续挖掘算法在时间和空间上的压力,基于粗糙集理论提出可分辨关系的概念,并在此基础上定义对象差异矩阵、分辨约简集和分辨核心集等概念,证明划分约简这一传统知识约简与分辨约简的一致性,讨论其他概念间的关系,并给出相关的定理和等价命题。通过理论论证和示例分析,可以获知基于可分辨关系的属性约简的有效性和可行性。

基于粗糙集理论的并行约简算法

从粗糙集理论出发,在可分辨关系和对象差异矩阵概念的基础上构造出基于粗糙集理论的并行约简算法。算法首先将原系统划分为多个子系统,然后利用评价指数对划分得到的子系统并行求解,最后以子系统的局部约简结果为基础,求得原系统的约简。算法的时空性能较好,适于处理大规模数据集。

不协调决策信息系统的约简

知识约简是粗糙集理论中的一个重要内容,目前大多数研究都集中在协调的决策信息系统上。但现实中存在大量的不协调决策信息系统,针对该类系统的约简研究,将更具有实践意义。定义了决策包含度约简和最大决策包含度约简的概念,讨论了决策包含度约简和最大决策包含度约简的关系,即最大决策包含度约简弱于决策包含度约简,为解决不协调决策信息系统的知识约简问题提供了新方法。

基于可分辨重要度的属性约简算法

在可分辨关系和分辨强度指数概念的基础上,构造出"基于可分辨重要度的属性约简算法".算法采用自底向上的方法,利用启发式信息可分辨重要度SIG作为属性选取的依据.算法无需生成中间结果,并将相关的逻辑运算转换成矩阵运算,从而达到降低系统时空开销、有效处理大规模数据的目的.理论分析和UC I数据集的测试结果表明,文中提出的算法有效、可行.

基于改进遗传算法的生鲜农产品物流配送路径优化

为解决生鲜农产品配送路径优化问题,提出了一种改进型烟花遗传算法IFWGA.算法融合遗传算法与烟花算法,为弥补遗传算法早熟收敛的缺陷,对每代遗传算法的最优解和最差解执行烟花算法.同时,为兼顾全局搜索能力和局部搜索能力,算法中设置了两种步长的动态变异算子.根据迭代次数控制变异算子动态切换,加快算法的收敛速度,提高算法的搜索精度.仿真实验结果表明:所提出的IFWGA算法的收敛速度较快,变异算子设置较为合理,求解质量较高.

粗糙集在企业信息系统中的应用

数据是大多数企业核心业务处理的中心内容,各种外部来源使系统内数据大量增加。现实中,信息系统的属性约简对于缓解大规模数据集为企业带来的管理和决策压力,具有一定的实际意义。

基于评价指数的属性约简算法

从粗糙集理论出发,提出可分辨关系和对象差异矩阵的概念,并以此为基础构造出基于评价指数的属性约简算法.算法采用自底向上的方法,利用属性的评价指数作为启发式信息,求得属性集合的约简.在多个UC I数据集上进行试验,理论分析和实验数据表明,文中提出的属性约简算法是有效、可行的,具有较高的效率.

基于分辨能力指数的属性约简算法

在粗糙集理论研究的诸多方面中,属性约简是其核心问题之一。为寻求高效、快捷的属性约简算法,从粗糙集理论出发,在可分辨关系和对象差异矩阵概念的基础上,构造出"基于分辨能力指数的启发式约简算法"。算法采用自底向上的方法,以属性集的核作为求解约简的基础,利用分辨能力指数信息作为属性选取的依据。算法简化了计算,无需生成中间结果,没有增加系统的时空开销。最后,UCI数据集的测试结果表明,启发式约简算法有效、可行。

模块化思想在大规模本体匹配中的应用

本体匹配是解决语义异构,实现本体共享与重用的一种方法。但本体规模越来越大,为降低匹配空间,提出一种基于模块化思想的本体匹配框架。首先,使用预处理算法将待匹配本体转换成概念图;然后,改进了ROCK聚类算法,并使用该算法将概念图划分成若干高内聚低耦合的概念块;最后,根据Tversky模型,从概念的父、子、兄弟以及内涵4个方面计算块的匹配度,并标记块的重要概念,进行n∶m匹配。实验结果表明,提出的本体匹配框架能够均衡本体分块大小,提高匹配效率。

基于预处理的信道预测算法

针对ESPRIT算法进行快速时变衰落信道预测时计算量较大,难以进行实时应用的缺点,提出了利用双向平滑技术,重新构造协方差矩阵的信道预测算法。理论分析和仿真试验表明,这一改进算法不但降低了协方差矩阵的阶数,减少了算法的运算量,同时也降低了预测系数的均方误差。

基于标签路径覆盖率和多文本特征的正文抽取算法

如何正确识别网页中存在的网页评论、导航、版权声明等噪音数据,提高网页抽取正文的准确度,提出了一种结合多种文本特征的正文抽取算法(CETD-TPF).在文本块密度和标签路径覆盖率的基础之上又融合了文本符号特征,利用新特征确定并抽取正文文本块.此方法有效的解决了网页正文短文本难以抽取的问题,且无需人工训练和处理.在对各大知名新闻网站随机选取的数据集进行实验表明,CETD-TPF方法在不同数据源上的适用性较好,正文抽取精度好于CETR、CETD算法.

基于决策依赖度的粗糙集约简模型研究

为寻求高效的粗糙集约简模型,基于可分辨关系提出决策分辨约简、依赖性和依赖度等概念.与以往粗糙集约简模型相比,为提高约简精确性,提出性能为O（｜P‖U｜）的等价类划分方法和性能为O（｜P‖U/C｜）的属性重要性度量方法.同时给出了相关定理和等价命题,论证了传统决策约简模型和决策分辨约简模型的一致性.并基于属性重要性给出性能为O（｜C｜~2｜U/C｜）的求核方法和性能为Max{O（｜C‖U｜）,O（｜C｜~2｜U/C｜）}的约简模型.新模型充分考虑了核属性和其他属性间的关联,从而有效降低冗余率,解决了对比模型存在的问题.理论和仿真实例分析表明新模型高效且结果准确率高.

一种交通场景下人车检测的VHA-CenterNet无锚方法研究

在真实的交通场景中,车辆和行人检测器容易受到复杂背景的干扰,导致严重的误检和漏检。此外,由于交通场景图像中存在各种不同尺度的目标,大多数检测方法对小物体的检测性能较差,且难以适应交通物体的多样性。为了解决这些问题,提出了一种基于注意力和前景注意模块的无锚方法VHA-CenterNet。在主干网络中加入一个卷积块注意模块(CBAM),以提高对小目标的关注能力。在前景注意模块(FAM)中引入前景信息,以减少复杂背景的干扰。结果表明:在中等难度下,所提出的VHA⁃CenterNet方法在KITTI数据集上的mAP达71.92%,在RTX 2080 Ti上的推理速度为10.68 FPS,可以显著提高人车识别的准确率和速度。在所有情况下,交通场景的人车检测准确率都高于传统模型。