基于改进TCNN算法的电子组装路径优化研究

电子组装不断朝着规模化、密集化的趋势发展,对电子组装路径进行优化,是提升电子组装生产过程的生产效率重要途径。传统的电子组装路径优化算法是ACO算法,但ACO算法的效率低,逐渐无法满足规模越来越大的电子组装路径优化问题求解需求。因此提出一种高效的TCNN算法进行电子组装路径优化,并采取并行化策略和分治策略对其进行优化,以进一步提升TCNN算法的效率和精度。实验结果显示,改进TCNN算法的效率远超过ACO算法,优化比比ACO算法仅低2.4%。综上所述,改进TCNN算法比ACO算法更能满足大规模电子组装路径优化的需求。

基于用户画像对抑郁倾向人群的识别研究

随着新冠肺炎疫情肆虐全球,抑郁症患病率大幅增加,高患病率和低就诊率成为抑郁症面临的两大挑战。人工智能与机器学习的快速发展为精准识别出抑郁倾向人群奠定了基础。文中借助微博平台,建立用户画像对用户进行抑郁倾向识别,构建基于用户画像的TCNN⁃GRU⁃PR融合识别模型。首先,利用TF⁃IDE算法扩充基础种子词,构建抑郁倾向情绪词典;然后,采用TCNN⁃GRU模型进行情绪特征提取识别,引入PageRank算法从社交网络维度进行再次识别;最后,将机器学习得出的情绪标签概率值与PR值加权求和,判断抑郁倾向程度。实验结果表明,TCNN⁃GRU⁃PR模型结合文本识别和社交网络识别两个维度能准确识别出情绪状态和抑郁程度,对于抑郁倾向人群的早期识别与干预治疗有重要意义。

带容量约束的多车调度暂态混沌神经网络算法

带容量约束的多车调度问题是典型的NP-hard问题,利用模糊C均值聚类算法的相似性分类原理及混沌神经网络的全局搜索能力和高搜索效率,提出了一种快速且易于实现的新的混合启发式算法.该算法分为用模糊C均值聚类算法将所有客户按车容量要求装车和用暂态混沌神经网络方法对每条路线排序两个阶段.实例计算以及与其他算法比较表明,该算法是一种求解多车调度问题的可行且高效的方法.

暂态混沌神经网络的算法改进及其在TSP中的应用

根据暂态混沌神经网络所具有的通过负反馈系数对神经网络引入退火机制,并通过网络动态运行中系数的不断减少来使网络从初期的混沌状态收敛到稳定收敛状态的特点,将其应用到中国31个省会城市的旅行商问题中。针对应用中所存在的解决较大数目的组合优化问题不易收敛到最优解的情况,将暂态混沌神经网络和传统的启发式算法相结合,提出一种组合算法。给出了改进算法的具体设计以及应用实施的步骤,并对应用结果进行了性能对比分析。