面向综合作业调度的簇群优化算法

传统遗传算法不仅易出现早熟现象,而且计算实际应用中的大规模综合作业调度解效率较差。通过研究遗传编码规律和并行计算原理,提出了一种簇群并行遗传算法。利用簇群抱团思想对种群进行划分,将划分后的种群分布到不同的并行机上运行,以此提高初始种群的多样性,保证算法的执行效率和搜索空间。同时,设计了一种动态种群调整策略,在各“簇”种群趋于局部最优时自动调整种群结构,从而达到全局收敛。在FT10问题和一组综合作业调度数据上的仿真结果表明,算法在保证寻优速度的同时提高了解的稳定性。

区域大数据与实体经济深度融合实证分析

区域"大数据+实体经济"融合是推进战略新兴产业发展、区域创新能力提升与现代产业体系构建的核心支撑,因此,其融合发展水平备受关注,为此,本文对2016~2019年我国中部6个省份湖北、江西、河南、湖南、山西、安徽的区域大数据与实体经济的融合情况进行测度,发现:2019年的区域大数据与实体经济融合水平最高,湖北位居第1名,融合度为0.789,安徽省位居最后1名,融合度得分为0.411,存在一定差异,但是整体呈现利好的融合发展态势,可以政策优化为基础支撑、以市场为引领、以改革为驱动进一步促进其融合发展。

推进大连区域性金融中心高质量发展的思路研究

近年来,大连在区域发展中的核心地位和龙头作用越发显著,建设区域性金融中心已经成为大连的战略目标。为了扎实推进"两先区"建设和实现全面振兴,推进大连区域性金融中心提质升级,进一步做好大连市区域性金融中心高质量发展建设,从宏观经济和自身发展两方面总结大连区域性金融中心发展的背景,从国际、区域振兴及城际合作、城市经济和金融发展方面总结大连区域性金融中心高质量发展的基础条件,从四个方面分析大连区域性金融中心高质量发展面临的实际困难,提出高起点发展期货市场、提升普惠金融的质量、金融引领全面对外开放、创新发展金融科技、优化融资结构、提高直接融资比重,以及促进多层次资本市场健康发展和做强做优法人机构等高质量发展的重点方向和领域的建议。

融合交叉自注意力和预训练模型的文本语义相似性评估方法

评估两个句子的语义相似性是文本检索和文本摘要等自然语言处理任务的重要组成部分.学者利用深度神经网络执行该任务,然而它们依赖于上下文独立词向量,从而导致性能不佳.为了缓解该问题,采用预训练模型BERT替换传统的词向量,并提出交叉自注意力以增强两个句子的语义,然后与BERT结合.在提出的模型中,为了实现交叉自注意力操作,设计了向量的对齐方法.最后,将BERT输出输入一个双向循环神经网络,以稳定性能,克服BERT自身带来的波动性.实验中,采用3个公开数据集DBMI2019、CDD-ref和CDD-ful对提出的混合模型进行评价.实验结果表明,由于使用了BERT生成的语境词向量,提出模型的性能始终优于现存方法;交叉自注意力实现了彼此的语义交互而增强了句对的语义,使得相似句对的语义差异更小,而不相似句对的语义差异更大,提高了相似性评估的性能.最终,提出模型在DBMI2019、CDD-ref和CDD-ful上分别取得了0.846,0.849和0.845的皮尔逊相关系数,超越了直接以[CLS]输出向量作为评估的方法.