基于带容量约束的着色旅行商问题的多机器人调度

电商仓储的高速发展对多拣选机器人的任务调度分配问题提出了更高的要求,着色旅行商问题在城市任务上的定性描述已经逐渐无法满足实际问题中的定量分析的需求。为了降低综合成本,提高拣选效率,拟在着色旅行商问题的基础上结合有容量限制的车辆路径问题,提出一种带容量约束的着色旅行商问题,来更好地构建以总路径成本最小为目标的多拣选机器人的调度模型,并设计相应的变邻域搜索算法对模型进行求解。实验结果表明,相较于基于遗传算法及其改进算法,变邻域搜索算法在求解带容量约束的着色旅行商问题上更具优越性,该模型及其求解算法具有一定实用价值。

考虑任务行程时间的多载量自动导引车系统防死锁任务调度

针对多载量自动导引车(AGV)系统的任务调度和缓冲区死锁问题,提出了考虑任务行程时间的防死锁任务调度方案。以最小化延迟率和交通负荷不均衡度为目标,建立了任务调度模型;分析了任务调度中的实际约束,并在任务行程时间约束下构建了预测模型;针对任务调度模型,提出了一种基于人工免疫-灰狼优化(AI-GWO)算法的多目标防死锁任务调度方法,利用死锁避免规则禁止即将引发工位缓冲区死锁的任务运行,并融合AI-GWO算法对任务执行顺序进行多目标优化;最后,根据AGV负载均衡度进行AGV任务分配。仿真结果表明,上述任务行程时间预测模型具有较高的准确率,任务调度模型及防死锁调度方法具有较好的优化性能和计算效率,从而显著提高了物流系统的任务准时率和路径网络的交通负荷均衡度。

面向自由行旅游的导游服务设计

目的针对自由行旅游中存在的文化体验不够深入、路线规划不完善等问题展开研究与分析,提出利用信息化平台提供个性化、灵活的导游服务,以满足自由行游客的旅游需求,提升用户体验质量。方法通过定性、定量方法,研究并分析在旅游过程中自由行游客对导游服务的具体需求,并将其转化为导游服务信息平台的具体功能。提出了实时导游和预约导游两种模式,梳理了导游服务从预约到相互评价整个服务过程的任务流程,建立了基于移动终端的导游服务系统信息架构,设计了人机交互界面,最后利用改进的整体评估可用性问卷对交互原型进行评估。结论基于分时租赁模式构建的导游服务信息平台能为游客提供灵活、快捷和个性化的导游预约服务,能有效提升自由行游客的导游服务体验。

出行信息影响下驾驶员任务集聚认知模式研究

出行信息的认知能够为驾驶员出行决策提供重要依据。为了科学解释多源出行信息影响下的驾驶员任务集聚认知模式,分析了驾驶员任务集聚认知模式的影响因素,并对驾驶员多源出行信息环境进行了解析。为获取驾驶员多源出行信息认知模式特征,以某市412个样本数据库为基础,运用有序多分类Logistic回归方法构建驾驶员认知模式的决策模型,解析了驾驶员属性、信息源认知偏好与出行决策之间的关系。结果表明:对出行信息源认知良好的驾驶员,根据出行信息改变出行决策的频繁程度通常更高;随着驾龄的增长,驾驶员根据出行信息改变出行决策的频繁程度反而降低。

虚拟环境交互技术研究

虚拟现实的研究已步入第三阶段。现阶段,VR作为未来理想的人机交互媒体对虚拟环境交互技术的研究提出了具有挑战性的要求;同时,也要求VR研究人员用系统的方法来开发虚拟环境交互技术。本文描述了虚拟环境中的基本交互任务和已有的交互技术,分析了交互技术的设计和评价方法,并为后续工作提出了一些研究方向。

差异化任务情境下用户在线旅游协同信息检索的行为特征分析

[目的/意义]探究差异化任务情境对用户在线旅游协同信息检索行为的影响,并基于对比分析为在线旅游的产品和服务创新提供改进方法和策略。[方法/过程]在一般任务情境和具体任务情境下,采用"情境实验+问卷访谈"的方法获取研究样本的行为特征数据,以录屏软件、浏览器历史记录软件全程记录实验过程,通过人工编码、数据清洗和数据预处理等步骤处理问卷数据和视频数据共获得21组有效样本和42份有效数据,并利用SPSS 19.0进行方差分析。[结果/结论]一般任务情境下用户检索时间较长,输入检索式和编辑答案次数较多,在线聊天、浏览协作者答案等交互行为较明显,且最终的检索效果比具体任务情境下显著更好。任务类型对用户的任务感知变量无显著影响。

玻尔兹曼网络的一种应用

本文基于Boltzmann网络模型,探讨了解组合优化中两个NP难题的算法.第一个是解旅行商问题(TSP)算法,文中首先以Aarts等提出的算法为基础,对其"收敛过程"作了改进,因而与原算法相比,运算速度较快.第二个是任务安排算法,该算法具有优化程度高,计算速度快等特点.

职业能力视角下高职旅游“旅行社计调实务”课程设计与实施

计调岗位作为旅游企业的核心岗位,计调人员的职业能力水平直接作用于旅游企业。能否有效提高高职旅游管理专业学生的计调岗位的职业能力,"旅行社计调实务"这门课程的教学至关重要。该课程将采用任务驱动型教学法的教学理念和思路来指导教学活动,从分析该课程的性质与学生现状入手,通过对课程教学理念、教学内容、教学环节、教学方法、课程考核等五个维度进行本课程的整体设计,形成该课程的教学反思与建议,达成教学目标。

基于聚类算法的多无人机系统任务分配(英文)

针对现有任务分配方法在任务点较多时不易解算,且计算量大的问题,提出了基于模糊C-均值聚类算法的多无人机系统任务分配方法。首先,利用模糊C-均值聚类算法得到的隶属度矩阵对任务点进行初始分配;其次,针对基于空间划分聚类可能造成各UAV任务不均衡的问题,设计任务的局部优化调整规则;最后,结合单旅行商问题,利用TabuSearch算法为各UAV设计最优任务航线。仿真结果表明,该方法能有效解决多无人机系统的任务分配问题,算法具有较好的时效性。

妻子参与旅游决策的研究

本文将旅游决策划分为 17个小任务。要求接受问卷调查的妻子就每一项任务的参与程度评分。调查发现 ,理财活动的参与程度低 ,而某些任务的参与程度却较高 ,如“购物” ,“选择餐厅” ,“收集资料”和“准备行李”。本文还验证了两个假设 :①妻子的社会经济特征和旅行的性质对其在决策过程中的参与程度有正面的影响 ;②妻子的参与程度具有稳定性。本文最后讨论了此项对市场营销的启示和未来研究的方向。

空间众包中基于位置预测的任务分配

随着移动设备的普及和O2O(Online-To-Offline)商业模式的快速发展,越来越多的空间众包平台融入人们的日常生活中,例如滴滴出行、饿了么等等.空间众包中的一个核心问题是任务分配,主要研究如何将空间任务分配给合适的众包工人.任务分配方式主要分为服务器分配模式(Server Assigned Task,SAT)和用户选择模式(Worker Selected Task,WST)两种模式,目前多数统一规范化的众包服务采用SAT模式,即系统主动将任务分配给任务请求位置附近的众包工人.在此任务分配模式下,众包工人和任务之间的旅行成本变得至关重要,较少的旅行成本意味着较少的响应时间和较高的任务接受率.因此提出了基于位置预测的任务分配方式,该方式不仅考虑任务和众包工人的当前位置,还考虑未来任务可能出现的位置,从而降低旅行成本和相应时间.首先设计了贪婪方法(Greedy Approach),然后在贪婪方法的基础上通过贝叶斯、支持向量机、决策树等方法预测未来任务的分布来辅助分配任务,最后在真实数据上进行的实验表明,该方法减小了在长时间内的总旅行成本,具有较好的性能.

矮化密植果园多臂采摘机器人任务规划

为提高矮化密植果园多机械臂采摘机器人的协同作业效率,该研究对存在重叠访问域的多臂协同采摘机器人任务规划进行分析,将多臂协同任务规划问题归纳为异步重叠访问域的多旅行商问题,给出了基于遗传算法的优化求解方法。试验结果表明:该研究所提任务规划算法在求解4个机械臂采摘43和90颗果实的任务规划问题时,分别在500和2000次迭代后收敛,相比于随机遍历算法,作业遍历时长可缩短40.97%和54.98%;采摘90颗果实,单机械臂的遍历时长约为该方法的4.28倍;采摘3种不同分布条件下的28颗果实,相比于顺序规划法和随机遍历法,该方法的作业遍历时长分别缩短10.69%和27.18%、20.45%和23.33%以及12.94%和21.69%。综上,基于遗传算法的任务规划方法能够协调规划多臂采摘机器人系统的作业任务,确保各个机械臂避免发生冲突,以较短时间遍历所有目标果实,提升作业效率。研究结果可为其他多机械臂采摘机器人任务规划提供参考。

心理时间旅行的方向与事件情绪效价对任务自信的影响

时间是认识和定义自我的框架之一。本研究采用两个实验,探讨心理时间旅行对任务自信的影响。实验1采用自由回忆或想象过去、未来事件的操纵,结果发现:事件情绪效价影响任务自信,时间方向以事件情绪效价为中介间接影响任务自信,想象的未来事件比回忆的过去事件更积极,进而引发更高任务自信。实验2采用平衡回忆或想象事件的情绪效价的操纵,使效价与时间方向的作用相分离,结果发现:时间方向不影响任务自信,想象事件的情绪效价对任务自信的作用受到时间方向的调节。回忆过去事件时,效价不影响任务自信;而想象未来事件时,事件效价越积极,任务自信越高。对于时间旅行中的积极事件,时间旅行的方向不影响任务自信;而对于消极事件,想象未来所引发的任务自信低于回忆过去。结论:时间旅行的方向与想象事件的情绪效价共同作用于任务自信。

基于“项目导向、任务驱动”的高职《旅行社经营管理》课程改革与实践

在阐述"项目导向、任务驱动"教学法基础上,设计了《旅行社经营管理》课程教学新思路的五个步骤:布置任务、计划安排、实施工作、展示成果和总结评价,并从七方面研究了此教学法对培养学生职业技能的积极作用及创新。

基于多智能体的巡逻任务分配和路径优化方法研究

合理有效的巡逻任务规划对于提高街面"见警率"和巡逻力度、加强社会面动态防控工作具有重要意义,由于巡逻任务规划具有多任务、多约束、多目标等特点,极大增加了建立任务分配算法的难度。面向协同巡逻中任务分配和路径优化问题,提出了一种集成的仿真优化框架,采用基于仿真的方法,将进化算法与优化实验相结合进行协同优化。针对巡逻的人机协同以及选址问题,追求任务分配和路径优化综合代价最小建立二层优化模型,结合多智能体遗传算法和Opt Quest优化实验构建巡逻方案,设计案例验证模型,同时实现规划结果的GIS可视化。仿真结果验证了模型和算法的有效性,该方法具有较强可扩展性,可解决多巡逻和多地址环境下的多目标优化调度问题。

基于改进蚁群算法的多机器人任务分配

任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.

虚拟现实技术在假体视觉下出行任务的应用

为了探究视障人士在植入视觉假体后,视野、分辨率、物体种类数量对识别准确率的影响,利用虚拟现实技术对假体佩戴者完成出行提供训练的可行性。利用Unity在虚拟环境中设计并搭建识别任务和出行任务实验场景,通过虚拟现实(Virtual Reality,VR)设备完成实验。结果表明,被试者的识别准确率随视野增大而减小,随分辨率增大而增大,低分辨率情况下更多光幻视点呈现在更小的视野下有利于识别,被试者在出行任务返回过程的碰撞次数显著低于出发过程的碰撞次数。可见,虚拟现实技术为假体佩戴者出行提供训练具有可行性。

多无人机高速公路巡逻任务规划方法

定期巡逻高速公路交通状况和疏导堵塞道路至关重要。由于无人机同时具有远程自主飞行、道路抓拍、定点悬停和实时语音通信等功能,使得无人机巡逻高速公路相比于传统的交通巡逻模式有诸多优势。针对无人机编队在高速公路交通巡逻的应用,定义了一种新的问题,即多站点固定终点的多旅行商问题(Multi-Depot Fixed Destination Multi Travelling Salesman Problem,MD-FD-MTSP)。该问题在考虑了实际巡逻过程中无人机续航能力、道路路网约束和巡逻任务的异构性后,以无人机编队执行所有异构巡逻任务的总路径最短为目标,完成无人机编队的任务规划。设计了一种改进的单亲遗传算法(Improved Partheno-Genetic Algorithm,IPGA)求解MD-FD-MTSP模型。数值实验结果表明,该算法可以快速求得高质量的无人机巡逻任务规划方案。

多中心维修任务分配研究现状

目前战争形式发生变化,装备结构变得复杂,在作战环境多变、维修时间紧迫、维修资源有限等情况下,维修任务的合理分配显得越发重要。因此本文对多中心维修任务分配的研究现状进行了综述,总结现存的任务分配方法,以促进其进一步发展。本文首先对多中心维修任务分配问题进行了描述;然后,对基本概念进行了说明,对问题进行了分析;之后,对优先级排序、任务分配及路径规划常采用的模型与算法等进行了概述;最后,总结了当前研究的不足,并展望了未来发展的方向。

空间众包下面向任务需求的在线三类分配策略

目前,有关任务分配的研究主要集中于任务和工作者两种角色,通常假设任务都是同质的,忽略了任务需求和配送地点对任务分配的影响。为解决任务指定配送点附近工作者较少导致移动成本和执行时间过高的问题,提出一种基于贪心的延时匹配算法。一方面,利用任务等待时间获取更多优质工作者以提高分配效果;另一方面,通过自适应阈值和约束条件设置快速筛选匹配对以减小遍历规模并加快分配效率。最后,在不同参数分布下的模拟数据集和真实数据集上对所提出的算法开展实验分析,证明所该方法具有可行性和有效性。