基于改进遗传算法的舾装件托盘多载具协同拣选方法

为提升舾装件托盘的拣选效率,建立拣选过程的数学模型,提出一种基于改进遗传算法(Improved Genetic Algorithm, IGA)的舾装件托盘多载具协同拣选方法。针对遗传算法(Genetic Algorithm, GA)流程与实际拣选过程的差异,改进GA的初始化过程和染色体交叉方式,并对变异过程进行更贴近实际生产的修改。针对GA难以得到全局最优解的问题,采用变邻域搜索(Variable Neighborhood Search, VNS)策略降低陷入局部最优解的可能性。采用实例计算验证该算法的有效性,可优化传统舾装件托盘拣选方法。

露天矿作业区无人矿车协同通行决策方法研究

露天矿无人矿车在装卸载作业区内运输过程中的长时间停车等待是制约露天矿无人运输系统效率提升的瓶颈。为提高无人矿车的运输效率,本文结合作业区内的运输作业流程,提出一种基于动态可行驶距离的多车协同通行决策方法。首先,将决策模型建模为混合整数线性规划(Mixed Integer Linear Programming, MILP)模型,表述优化目标和问题约束;其次,考虑到求解MILP模型存在难以满足动态决策实时性的问题,基于蒙特卡洛树搜索(Monte Carlo Tree Search,MCTS)实现多车冲突消解,核心思想是利用搜索树的推演能力进行多车通行前瞻模拟,计算多车的最优通行优先级,动态调整多车的可行驶距离;此外,根据无人矿车在作业区内的作业特征设计不同的MCTS节点价值函数,实现综合考虑运输效率与作业特征的通行优先级排序;最后,设计作业区4,8,12个停车位场景下的多车通行仿真实验,与基于先到先服务(First-Come-FirstServed, FCFS)的方法进行对比,吞吐量提升22.03%~28.00%,平均停车等待时间缩短31.71%~50.79%。同时,搭建微缩智能车辆的6停车位作业区场景实验平台,多车单次运输作业总用时相比FCFS缩短了18.84%。仿真与微缩智能车辆的实验结果表明,本文提出的方法能够提升露天矿作业区多车运输效率。

道路交通网络节点分配优化策略研究进展

为了进一步提高城市道路交通网络的通行效率,粒子群优化和神经网络等多种智能优化算法受到越来越多的关注。近年来,深度学习技术的普及与应用大幅提升了城市交通网络的节点识别效率,而交通网络的节点调度又扩展了深度学习技术的应用。文中详细分析了交通节点调度所面临的关键问题,归纳并总结了相关网络节点分配的研究现状。在此基础上,深入研讨了城市交通网络节点调度与深度学习的应用前景,并对交通网络节点分配优化策略的未来研究方向进行了展望。

基于智慧服务的科技查新服务模式探索

文章阐述智慧服务理念下科技查新服务面临的三方面转变,构建依据用户需求多样化配置知识资源、开展技术和人文并重的精准服务的智慧化查新服务模式,并设计具备智能化技术挖掘、智慧化精准服务等特点,集成委托用户模块、业务处理模块、综合管理模块,可为用户提供高效便捷信息体验的科技查新智慧服务综合管理平台。

推荐算法的船舶电子海图数据相似性检索方法

以提升船舶导航路线制定质量为目的,提出推荐算法的船舶电子海图数据相似性检索方法,提高电子海图数据相似性检索质量。通过加权核范数算法填充船舶电子海图数据稀疏评分矩阵,通过协同过滤推荐算法计算检索目标与电子海图数据间的评分相似性以及类别相似性;根据评分相似性与类别相似性,得到基于评分相似性与类别相似性的电子海图数据推荐预测评分,以动态加权方式得到电子海图数据相似性检索结果。实验证明:该方法可有效完成船舶电子海图数据相似性检索;不同电子海图数据评分矩阵稀疏度时,该方法电子海图数据相似性检索的归一化折损累积增益均较高,即检索精度较高。

Agent在智能信息检索中的应用研究

从信息检索的现状出发 ,运用人工智能的技术 ,提出了一种基于Agent的信息检索方法。通过建立用户个性化信息表 ,辅助过滤Agent在信息提取过程中的精确性 。

基于混合人工鱼群算法的传感器网络优化

针对传感器网络节点优化的问题,提出一种混合人工鱼群算法.该算法在人工鱼群算法优化的末段引入模式搜索法,以人工鱼搜索到的最优解作为模式搜索法的初始解,利用模式搜索法的单调搜索特性,将解引向全局极值.新算法保留了人工鱼群算法全局搜索能力强、寻优速度快的特点,使寻优精度得到了提高.仿真实验表明:混合人工鱼群算法能够有效地优化传感器网络节点部署,提高覆盖率.

基于词频统计的个性化信息过滤技术

对Internet信息进行过滤,筛选出与用户兴趣最相符的文档,是智能搜索引擎要解决的一个重要问题.本文在介绍搜索引擎基本原理的基础上,提出了一种文档学习和用户个性词典构建的实现方法,其中包括内码转换、分词、摘词处理、用户个性词典的构建及词条权值调整等环节.然后提出了一种基于词频统计的个性化文档过滤算法,该算法对传统的向量空间模型法做了改进,使之能够更好地计算文档与用户个性词典之间的相关度,根据用户的兴趣爱好对文档进行相关度的过滤、排序,并给出了实验数据.实验结果表明该方法较好地解决了智能搜索引擎中Internet信息过滤、排序的问题.

基于多Agent的智能信息检索框架

提出了一个基于多Agent的智能信息检索(intelligent information retrieval based on multi-agent,IIR M-Agent)框架。介绍了多Agent群组的工作原理,提出了一个具有二层结构的IIRM-Agent框架,阐述了各个subagent的任务以及它们之间如何协作完成智能检索、自动通告、导航条和个人信息管理的功能。

智能搜索引擎技术的研究与发展

搜索引擎已经成为互联网上最重要的工具之一。而目前的搜索引擎都存在着一定的不足。文章系统地阐述了当前搜索引擎的相关技术,展望搜索引擎技术的发展趋势。最后提出搜索引擎的出路应该在于分布式协作的观点。

基于元搜索引擎的专业式智能网络信息检索系统

随着网络信息资源的迅速增加和实时更新,如何及时准确地获取自己所需的有用信息是现代网络信息检索技术需要解决的主要问题。介绍了一种基于元搜索引擎的新型专业式智能网络信息检索系统。该系统建立专业词库和用户知识库,结合人工智能的Agent技术,能够很好地对用户的兴趣进行自适应学习,以实现个性化的信息检索,既保证了查全率,又提高了检索结果的查准率。

智能搜索引擎中用户兴趣模型分析与研究

用户兴趣模型是智能搜索引擎系统中的重要组成部分。本文提出一种新的方法,以动态询问的方式建立初始用户兴趣模型,通过分析、学习用户浏览行为历史,动态更新用户兴趣模型,有效地解决了用户兴趣的自适应变化。

社会化搜索用户信息素养结构研究——基于现象学方法

[目的/意义]社会化搜索用户期望通过在线人际关系合作与社交网络等途径主动查找信息。相较于传统信息情境,该类用户的信息素养内涵表现出多维性与复杂性特征,本研究旨在探索社会化搜索用户信息素养的组成结构。[方法/过程]本研究采取现象学研究方法,在对用户进行深度访谈后,对访谈资料编码分析得到信息素养的7项构成维度:信息意识、信息需求、信息源确定、检索策略、信息获取、信息评价及信息应用。[结果/结论]本研究发现,与泛在意义的信息搜索活动中体现的用户信息素养相比,社会化搜索情境下用户信息素养主要结构的异质性虽不突出,但各构成部分富含社会化特征。相关研究结论能够为社会化搜索用户信息素养的培育路径以及社会化搜索平台的功能设计提供启示。

用户协作式智能搜索模型的研究

随着网络信息资源的日益膨胀和搜索引擎技术的不断发展,搜索引擎反馈的搜索结果也越来越多而使用户无所适从。为了有效提高搜索效率和搜索结果的准确性,该文提出一种基于用户协作的搜索结果优化模型。该优化模型将搜索引擎对搜索结果的处理同用户对搜索结果的挑选有机结合起来,搜索引擎可以根据用户的反馈信息不断地调整搜索结果,使搜索结果逐步满足用户的检索需求。

基于网络重构的电网智能调度操作票系统开发研究

网络重构一般以均衡负荷,提高供电可靠性、稳定性或综合上述指标为目标的最佳转供方案。目前,基于网络重构的调度操作票系统的设计在国内还未涉及。随着电网规模的不断扩大,网络结构也越来越复杂。针对现代电网互连的特点,将网络重构的思想运用到调度操作票系统的推理中。当某条线路需要检修或出现故障时,调度操作票系统开票时,先利用深度优先搜索/回溯法搜索所有供电路径,然后基于网络重构的思想及基于潮流的静态安全分析,找出最佳开关操作方案,使调度操作票系统更智能、更实用。

基于用户反馈的搜索引擎选择及结果归并

提出一种基于用户反馈的元搜索引擎模型,通过分析用户对搜索结果的评价,利用用户的反馈信息,分别定义搜索引擎质量分值和用户评价分值。给出一种依据搜索引擎质量分值进行的搜索引擎选择策略,使元搜索引擎可以针对不同查询关键字选择准确度高的搜索引擎进行查询。设计一种主客观影响因子结合的元搜索结果归并方法,使准确率高的搜索结果先返回给用户。

基于人工鱼群算法的智能交流接触器虚拟样机优化设计

人工鱼群算法是一种新型的随机搜索优化算法,为求解组合的复杂优化问题提供了一种新的方法。基于网格划分策略和禁忌搜索算法的改进型人工鱼群算法使优化过程能够更好地取得全局最优精确解。本文将改进型人工鱼群算法引入到智能交流接触器吸合与释放全动态过程控制参数和机构结构参数的优化设计中,不仅取得了综合优化的效果,而且保证了机构的快速释放,为实现可靠的微电弧能量分断奠定基础。本文提出了智能交流接触器虚拟样机动态优化设计的思路。

协同过滤推荐系统中聚类搜索方法研究

最近邻计算是协同过滤方法中直接影响到推荐系统的运行效率和推荐准确率的重要一环。当用户和项目数目达到一定规模的时候,推荐系统的可扩展性明显降低。聚类的方法能在一定程度上弥补这个缺陷,但同时又会带来推荐准确性的下降。提出了一种与信息检索领域中的倒排索引相结合并采用"成员策略"的用户聚类搜索算法,缩短了最近邻计算的时间,实验的结果证明,该方法能在保证推荐正确性的前提下有效改善协同过滤推荐系统的可扩展性。

一种改进的群搜索优化方法

标准的群搜索优化(GSO)方法是一种适用于解决高维函数优化问题的群智能算法,且简单、高效,易于实现。为了进一步提高其收敛速度和精度,对该方法进行了改进。在保留其"发现者—追随者—游荡者"框架的同时,改进的GSO方法将最大下降方向策略引入发现者行为。在每轮迭代中,发现者不但按照自身方向进行搜索,同时也根据最大下降方向进行搜索。分别通过23个基准测试函数对2种优化方法进行测试,结果表明:改进的GSO方法优于标准群搜索方法。

网站用户满意度评价

为了对网站进行客观的用户满意度评价,本文首先分析了用户的搜索过程和各类网站的特点以找出影响用户满意度的因素。然后从用户和网站的交互过程着手,研究了用户的搜索行为,总结出用户评价网站的一些标准,提出了用户满意度的评价模型和体系结构。最后,结合从第三方监测机构得到的数据,提出了一套评价网站用户满意度的方法和公式。对本方法的局限性和今后的研究方向也进行了说明。