积极伦理观下算法歧视治理模式的革新

算法技术已借助大数据技术被广泛应用,成为影响人们日常生活的重要角色,其也因技术中立性不断遭受现实挑战而呈现出事实上的歧视性。重新审视算法歧视及其治理路径是发挥算法积极作用、避免算法消极影响的重要前提。传统伦理观念影响下的算法歧视治理模式存在价值观念偏航、治理结构失衡及技术治理落后的问题,影响算法歧视治理实效。社会发展促进了伦理观念的革新,积极伦理观的树立可以为算法技术向善的实现提供理论指引。算法治理结构的优化及反歧视技术水平的提高是纠正算法歧视的重要前提,理念、制度及技术三维措施的综合运用方可在算法领域实现科技向善的伦理目标。

Implementation of Hybrid Genetic Algorithm for CLSC Network Design Problem—A Case Study on Fashion Leather Goods Industry

The implementation of closed loop supply chain system is becoming essential for fashion leather products industry to ensure an economically sustainable business model and eco-friendly industrial practice as demanded by the environmental regulations, consumer awareness and the prevailing social consciousness. In this context, this research work addresses a closed loop supply chain network problem of fashion leather goods industry, with an objective of minimizing the total cost of the entire supply chain and also reducing the total waste from the end of life product returns. The research work commenced with a literature review on the reverse and closed loop supply chain network design problems of fashion and leather goods industry dealt in the past. Then, the identified CLSCND problem is solved using a mathematical model based on Mixed Integer Non-Linear Programme (MINLP) and then a suitable Hybrid Genetic Algorithm (HGA) developed for the CLSCND is implemented for obtaining optimum solution. Both the MINLP model and HGA are customized as per the CLSCND problem chosen and implemented for the industrial case of an Indian Fashion Leather Goods Industry. Finally, the solutions obtained for MINLP model in LINGO 15 and for HGA in VB.NET platform are compared and presented. The optimum solution obtained from the suitable HGA is illustrated as an optimum shipment pattern for the closed loop supply chain network design problem of the fashion leather goods industry case.

基于改进YOLOv5s的仓储货物检测算法研究

针对目前仓储货物分类速度慢、易出错、灵活性差等问题,提出了一种改进YOLOv5s的货物检测算法,对仓储货物进行预分类。首先,根据仓储货物的外形特征,将其分为包装箱与包装袋两大类,形成训练数据集;其次,将骨干网络更换为具有更小模型尺寸的MobileNetV3,加快推理;再次,添加SE注意力机制模块,旨在提高模型的检测精度;最后,结合α_CIoU损失函数,增强模型的灵活度。通过实验验证,改进后的算法相较于原始算法在精确率(Precision,P)、平均类别精度(mean Average precision,mAP)和帧率(Frames per second,FPS)三方面分别提升2.1%、0.5%和10.6%,能够高效地完成对仓储货物的预分类工作。

蝴蝶优化算法对大青杨生长速率预测模型的改进

为提高大青杨生长速率的预测精度,提出了一种基于改进的蝴蝶优化算法(improved butterfly optimization algorithm, IBOA)与径向基函数(radial basis function, RBF)神经网络结合的预测木材材性方法。通过使用佳点集法对标准蝴蝶算法中的种群进行初始化,将自适应切换频率和Levy飞行相结合进一步优化人工蝴蝶算法。构建出了新的IBOA-RBF神经网络木材材性预测模型,将得到的结果与其他几种算法优化的RBF神经网络预测结果进行对比。结果表明:基于IBOA-RBF神经网络模型预测效果最好,收敛速度从37步降低到了23步,预测结果误差达到了5.72%,预测精度最高。可见,对蝴蝶算法的改进是可行的,且对相关人员定向培养大青杨起到较大的帮助。

非冷链商品配送路径优化研究--以京东配送为例

如何有效降低商品配送成本是物流企业的关注重点,学界已就带时间窗的商品配送路径优化算法展开了相关研究,但相关算法还存在着过早陷入局部最优或无法收敛的问题。由此提出一种改进的变邻域遗传搜索算法(VNS-GA),以非冷链商品配送为研究对象,构造起求解物流配送车辆路径规划的数学模型。首先,以配送成本和缺货惩罚成本的最小化作为实现目标,构建了包括车辆使用成本、配送运输成本和时间窗口惩罚成本的配送路径优化模型;其次,运用变邻域遗传优化算法来实现多目标物流配送路径的优化;最后,以京东某北京配送中心的物流配送为例,运用MATLAB软件对VNS-GA算法模型的科学性及有效性进行仿真验证。经实证,VNS-GA算法与传统算法相比具有更好的全局和局部搜索能力。研究期望为配送车辆调度与配送路径规划提供更优的路径选择模型,从而降低物流配送成本和减少便利店因缺货造成的损失。

以“智能向善”推进算法推荐的乱象治理

算法是互联网时代的核心技术支撑,但在具体应用情境中出现了信息定向推送造成的“茧房”效应、算法应用平台过度追求效率导致的操控效应、用户路径依赖带来的“杀熟”效应等算法推荐乱象。对算法推荐不良行为的自我辩护,坚持的是一种技术“工具—独立”的价值观,遵循唯技术主义,但脱离了具体的情境应用。推进算法推荐乱象的治理和行为纠偏,应在算法推荐应用情境中构建以“智能向善”为价值导向的治理体系。这需要从源头设计层面赋予算法编码以正向的价值导向,从运行应用层面强化算法应用平台的主体责任建构,从政策保障层面厘清算法应用平台的利益诉求边界,以及从监管实施层面提升监管部门甄别处理流量事件的应急能力。

多策略集成的哈里斯鹰算法求解全局优化问题

为提高哈里斯鹰算法优化问题的性能,提出一种融合佳点集、非线性能量逃逸因子和Logistic-Cubic级联混沌扰动的多策略哈里斯鹰优化算法(Improve Harris Hawk Optimization,IHHO)。首先,引入佳点集策略代替随机初始种群,均匀初始种群分布性。其次,根据算法各个阶段不同特征提出一种非线性能量逃逸因子,平衡全局和局部勘探能力。最后,引入Logistic-Cubic级联混沌对搜索位置扰动,避免算法陷入局部最优。利用IHHO算法求解23个函数及三桁架工程设计问题,并利用目标收敛曲线、Wilcoxon秩和检验进行测试,结果表明,IHHO算法相比对比算法具有更强寻优性能、求解稳定性,在求解全局优化问题上具有一定竞争性。

基于正余弦的非线性哈里斯鹰优化算法

针对哈里斯鹰优化算法(HHO)收敛精度低、易陷入局部最优等问题,提出了一种基于正余弦的非线性哈里斯鹰优化算法(SCNHHO)。首先,采用佳点集策略对种群进行初始化,使种群分布更均匀,提高算法收敛速度和精度;其次,在探索阶段引入正余弦策略,利用正余弦函数的震荡特性扩大搜索范围,寻求更多潜在的优质解;最后,在开发阶段引入非线性参数来平衡探索与开发,避免算法陷入局部最优。针对不同维度的基准测试函数进行性能测试,结合Wilcoxon秩和检验与Friedman检验的结果,将该算法与其他5个对比算法进行分析。结果表明,改进算法性能较原始HHO算法有较大提升,并且优于斑马优化算法(ZOA)、鲸鱼优化算法(WOA)和2种哈里斯鹰算法的变体(MHHO和IHHO),验证了改进策略的有效性。最后通过三杆桁架设计问题进一步验证了SCNHHO的实用性。

以高水平法治促进新质生产力发展

新质生产力以全要素生产率大幅提升为核心标志,特点是创新,关键在质优,本质是先进生产力。数据与算法、算力作为质优的创新型要素,优化其配置成为提高全要素生产率的关键一环。在优化要素配置过程中,数据流通、算法开发与算力协同都离不开法治的支撑,同时,整体营商环境的持续优化也需要法治的保障。从实践出发,良法善治在消除和打通新质生产力发展的堵点痛点方面能发挥积极作用,以促进新型生产关系适配新质生产力发展。为此,需在法治框架下健全数据基础制度,推动数据要素有序开放流通,完善人工智能算法治理体系和算力协同机制,持续优化营商环境,为新质生产力发展提供质优生态。

基于改进蜣螂优化算法的电站NO_(x)排放预测

锅炉燃烧优化在电厂锅炉经济稳定运行中起着重要作用,NO_(x)排放预测是其中的一个基本环节,因此提出了一种基于改进蜣螂优化算法优化卷积神经网络(convolutional neural network,CNN)与双向长短期记忆神经网络(long short term memory,LSTM)的组合模型超参数的超超临界锅炉NO_(x)排放预测的方法。首先通过Pearson相关性判定与NO_(x)排放相关的特征参数;其次建立CNN-LSTM预测模型,利用卷积神经网络CNN提取分层数据结构,长短期记忆网络挖掘长期依赖关系,然后结合佳点集、t分布变异策略对蜣螂算法进行改进,用改进后的算法对LSTM超参数进行优化得到最终预测模型;最后与其他神经网络模型进行对比验证。以某660 MW机组锅炉深度调峰实际数据进行预测,结果得到NO_(x)排放浓度实际值与预测值的平均绝对误差为3.3516,平均相对误差为2.4667,数据结果表明该预测模型具有更准确的预测效果。

基于自适应交叉策略遗传算法的非空货位分配方案优化研究

针对“货到人”拣选系统的补货环节,考虑仓库起始状态非空条件下的货位分配问题,将货架现存商品种类及数量信息与订单包含的商品种类及数量信息进行比对,做出商品分配位置以及上架数量决策,以所有货架上的商品相似度总和最大化为目标,构建了整数非线性规划模型,并设计了自适应交叉策略的遗传算法进行求解,以问题实际约束对染色体生成、交叉和变异操作进行设计。通过随机算例来对算法进行测试,结果表明文章设计的算法能够有效解决其实状态非空的货位分配问题。

从技术中立到科技向善:算法推荐服务提供者的注意义务

为提升服务效率与经济效益,数智时代的网络服务提供者已较为普遍且深入地内嵌了算法推荐技术,从而成为《互联网信息服务算法推荐管理规定》中的“算法推荐服务提供者”。针对算法推荐技术带来的侵权风险增加,技术治理原则应实现从技术中立到技术向善的转变,算法服务提供者应承担比一般网络服务提供者更高的注意义务。对其注意义务提高程度的判断应遵循比例原则,目前较为典型的5种算法技术呈现出“生成合成类、调度决策类、排序精选类、个性化推送、检索过滤类”介入平台内容的程度依次递减之类型序列,相应算法服务提供者的注意义务随之减低。在算法服务提供者适用红旗规则时,应考量“明显侵权”情形下的被动审查义务,并对其“知道或者应当知道”“采取必要措施”做出特殊解释。

“算法向善”的技术治理研究

“算法向善”是我国在推进算法治理制度化进程中,对算法技治规则的社会嵌入提出的一种规范性要求。智能算法的高阶发展具备在应用阶段对前置嵌入的道德伦理准则进行迭代的技术可行性,提升了辅助人类引导社会向善的技术治理能力。因此,算法赋能社会治理要正视算法治理的反身性特点,即算法的治理困境也需要算法赋能来解决。然而,作为社会规制对象的算法初始是由资本逻辑与技术逻辑所驱动,在参与社会治理的历史进程中相继演化出具有“自治偏见”的技治主义与监管主义逻辑,引发了压迫式父爱主义、宠溺式母爱主义、监管“失灵”等治理困境,这就要求提倡维系算法有限自治与完全自治之间动态均衡的合作治理逻辑,为具体实现全生命周期算法道德化提供了指导。

基于种子优化算法的电力系统物资智能调度方法

常规的电力系统物资调度多数采用强化学习方法原理对物资调度线路介数进行计算,全面覆盖性较差,且线路介数计算精度较低,无法为物资调度提供精确的数据支持,增加了物资调度时效。基于此,引入种子优化算法,提出了一种全新的电力系统物资智能调度方法。首先,设计电力系统物资调度供应网络,满足物资需求点的调度需求。其次,利用种子优化算法,计算物资调度线路介数,获取物资调度最短路径传输网络中包含的信息。在此基础上,构建电力系统物资智能调度优化模型,获取最优化调度方案。由实验分析结果可知,新的方法应用后,电力系统完成物资智能调度任务所需时间较短,调度时效得到了显著提升,具有较高的可行性。

智媒传播场域下“技术中立”的法律难题解构

智媒传播场域下,“技术中立”的论调成为智能算法自动化决策与法律责任界定的难题。然而,“技术中立”的概念使用实际上杂糅了技术哲学中的“技术无涉价值论”、立法技术上的“技术中立理念”、版权法领域的“技术中立原则”三方内涵,导致概念混淆。“技术中立”难题的解构关键在于概念检视:一是在价值评析层面揭示技术内涵的社会维度,证成算法决策结果归责的正当性;二是明晰“技术中立理念”的内涵,排除制度设计层面的概念干扰;三是阐明“技术中立原则”的规则演变及法律适用条件,指正其在责任界定中有限的抗辩效果。基于历史视野,“技术中立”的技术治理观已无法适配当下的算法治理场景,应以“算法向善”为导向,在规范层面转变技术治理模式。

基于GA-ACO-BP神经网络的日用消费品物流需求预测

针对日用消费品的物流需求,从宏观经济发展水平、相关产业水平、消费能力、物流供应能力、互联网发展水平、贸易水平6个方面,采用灰色关联度分析法对影响因素的灰色关联度进行计算及排序,构建预测指标体系。考虑物流相关数据样本较少,其影响因素之间存在非线性,结合遗传算法的全局寻优能力和蚁群算法的并行计算能力,构建了基于遗传算法-蚁群优化-反向传播神经网络(genetic algorithm-ant colony optimization-back propagation neural network,GA-ACO-BP)的日用消费品物流需求预测模型。分别采用GA-ACO-BP模型、GA-BP模型和BP模型对全国日用消费品物流需求进行预测,结果表明,GA-ACO-BP模型更能拟合日用消费品物流需求变化,预测精度较高,为物流需求预测研究提供一种模型参考,具有一定的实用价值。

基于点云投影的货物盘点机器人目标识别算法

针对物流仓储中常见的非标仓库货物盘点问题,提出一种基于激光雷达点云投影的货物识别算法。首先对采集到的货物点云数据采用RANSAC(随机采样一致性)和ICP(迭代最近点)算法进行点云数据拼接,同时基于改进欧式聚类方法实现货物错层处理;其次将货物点云投影至二维平面并采用点云z轴法向量作为特征信息,形成特征灰度图像;最后借助改进分水岭算法对特征灰度图进行图像分割。通过实物平台及现场数据测试,该算法货物识别精度达到90%以上,相较基于深度学习YOLOv5算法的图像识别方法具有稳定的识别率,且有效避免依赖大规模公共数据集的问题。

多策略集成的改进技能优化算法及应用

针对技能优化算法(Skill Optimization Algorithm,SOA)寻优精度不高、收敛速度慢等缺点,本研究提出一种多策略集成的改进技能优化算法(Multi Strategy integrated Skill Optimization Algorithm,MSSOA)。MSSOA采用佳点集策略初始化种群,提高初始种群在解空间内的分布质量;根据算法特点在全局搜索阶段采用自适应权重,改进个体行进的步长;根据不同个体采用不同的t-分布扰动方式,平衡全局搜索和局部搜寻的关系,增强算法后期局部搜寻能力。通过12个测试函数、2个工程应用问题对其性能进行测试,测试结果表明MSSOA有着理想的寻优精度和收敛速度,能够解决复杂的工程问题。

基于IGWO-KELM的智能电网短期电价预测

在海量数据中,建立准确的电价预测模型,对于企业和电力用户制定合理的决策具有重要意义。针对影响电价预测模型的数据量较大的问题,采用主成分分析(PCA)方法提取主要特征,降低数据维度。为了提高电价预测的准确度,考虑到传统狼群算法随机初始化和线性收敛因子影响收敛速度和收敛精度的问题,提出佳点集初始化种群和双曲收敛因子方法,并采用改进的狼群算法优化核极限学习机的正则化系数C和核参数g,以提升核极限学习机的稳定性和泛化能力。仿真结果表明,改进的灰狼算法具有更优的收敛速度和收敛精度,而且改进的灰狼优化的核极限学习机相比于传统的算法更适用于电价预测。

基于深度学习的商品识别方法与检测算法研究

由于人们对美好生活的向往愈发强烈,消费已经成为拉动我国经济发展的重要引擎,而在消费过程中强化消费体验也是提升消费者服务效益的关键所在。为了能够在提升消费体验的同时降低人力的投入,引入智能化商品识别工具,研究一种利用注意力机理进行特征抽取与学习的方法。文章简要介绍了深度学习方法和基于深度学习的商品识别方法,探讨了深度学习多目标商品检测算法,对比分析了改进后的MaskR-CNN,可有效防止因网络复杂性的提高而造成的性能下降,从而提高了检测效率和检测精度。