关键词： 遗传算法   调度优化  

摘要： 目前,整车出入库需求激增,在高峰期或繁忙的仓库中,车辆可能需要等待较长时间才能进入或离开整车存储区,从而造成了车辆排队、停滞和延误等情况发生。本文针对以上问题,利用遗传算法和改进A^(*)算法对整车库内管理进行优化。

关键词： 时空特征   客流量预测   遗传算法   反向传播神经网络   数据降维  

摘要： 旅游需求随时间变化,受季节性、天气条件、特殊事件(如节庆活动、体育赛事等)影响,客流量呈现出一种空间相关性以及非线性特征,难以挖掘密集区域客流量的变化规律,增加了旅游景区客流量预测的误差。因此,将客流量的时空特性考虑在内,提出一种数据降维处理下的旅游景区客流量长期预测新方法。将相邻水平与核密度作为景区客流量分布的时空特征,获取成片游览区、线性游览区的日环境流量,得到密集区域客流量的变化规律;引入拉格朗日乘子,对获取的客流量数据降维处理;利用遗传算法改进反向传播(Back Propagation,BP)神经网络,将降维的客流量数据作为输入,实现对旅游景区客流量预测。仿真结果表明,所提方法能捕捉到客流量变化规律,实现对未来较长一段时间的客流量预测,适应度在0.8以上,能够精确地捕捉客流量的变化,误差最小,且相关系数的值最趋近1。

关键词： 能力和知识   计算机辅助设计   人工智能应用   重点实验室   图形系统   信息挖掘   个性化需求   能力边界  

摘要： 数字技术正在全面融入经济社会各领域,在当前数字世界与物理世界加速融合的大背景下,生成式人工智能(AI Generated Content,AIGC)技术的出现是人类迈向通用人工智能的里程碑。这种技术能够以接近甚至超越人类的创作能力和知识水平承担信息挖掘、素材调用等基础性劳动,也能以较低成本高效地满足个性化需求,提供更加多样化的内容生成,变革创新了内容生产的流程和范式。

关键词： 知识表示学习   二元关系   多元关系   链接预测  

摘要： 知识表示学习旨在将知识库中的实体和关系转化为机器能够理解和处理的形式,从而提升模型的分析与推理能力。针对传统二元关系知识表示学习的局限,如忽略高阶关系、缺乏扩展性和有限的表达力,多元关系知识表示学习方法应运而生。全面综述了多元关系知识表示学习方法。梳理和分析了知识表示学习相关综述工作;阐释了知识表示学习和链接预测的基本概念,并根据超图、角色、超关系这三种表示形式,定义了多元关系知识表示学习任务;从基于平移距离、张量分解、卷积神经网络、图神经网络和其他类型五类方法,展示了该领域的研究进展;介绍了常用的数据集与评价指标,并通过链接预测任务评估了不同模型的性能;探讨了目前方法存在的问题和挑战,并对未来的研究方向提出了展望。

关键词： 散热器   壁厚预测   随机森林算法   遗传算法   时间序列  

摘要： 水轮机组散热器弯管在长期水流冲蚀作用下壁厚减薄,容易发生穿孔现象,危害机组的安全稳定运行。为了掌握散热器壁厚的减薄规律,以实际电站散热器运行环境为基础搭建散热器弯管冲蚀试验台,找到不同条件下散热器弯管易穿孔位置和冲蚀规律,采用遗传算法优化的随机森林时间序列模型对散热器弯管易失效位置壁厚进行预测。结果表明:在试验工况下,散热器弯管易失效位置在外壁靠下截面角度约60°处。优化后的散热器弯管壁厚时间序列预测模型与实际弯管壁厚平均绝对误差MAE仅有0.013,模型优度系数R2可达98.7%,精确度高,能较好地适用于预测散热器弯管壁厚的变化规律。

关键词： 边缘计算   供电系统   智能监控   数据实时处理   系统可靠性  

摘要： 随着智能电网技术的快速进步,边缘计算作为一项新兴的信息处理手段,在电力供应体系中的作用日益突出。本文分析了当前供电系统智能化监控技术的特点,指出了其在数据处理速度与响应时间方面的不足之处。在此基础上,研究提出了一种基于边缘计算框架下的供电系统智能监控解决方案,旨在增强系统的监控效能并降低能耗。结果显示,采用边缘计算方法后,数据处理的即时性和精确度得到了大幅提高,供电系统的稳定性和经济效益也得到了改善。

关键词： 机械臂   五次多项式插值   模拟退火遗传算法   轨迹优化   罚函数法  

摘要： 为了优化机械臂的工作轨迹,提出了一种改进模拟退火遗传算法。综合考虑机械臂的作业要求及性能特点,利用五次多项式插值的方法在关节空间内规划出一条平滑的运动轨迹。通过罚函数法处理不满足约束条件的个体,动态线性标定法对适应度函数进行重新标定。设置一种交叉概率和变异概率自适应调节机制改进遗传算法,并引入模拟退火算法的退火思想,有效避免了算法陷入局部最优。仿真结果表明:改进模拟退火遗传算法优化后的轨迹相比传统遗传算法有效缩短了机械臂的运动时间,进而提高了机械臂的工作效率。

关键词： 多目标优化   大规模优化   仿真优化   OCBA   NSGA-Ⅱ  

摘要： 在制造业和自动化等领域的工程管理问题当中,决策者往往需要对离散事件系统的性能进行优化。由于离散事件系统的随机性,需要使用随机仿真的技术来评估系统的性能。然而实际的优化问题往往面临着多个互相冲突的目标需要优化,并且可行的备选决策数量巨大,这使得系统仿真的成本大大增加。为此,文章基于非劣排序遗传算法Ⅱ(NSGA-Ⅱ),引入最优计量分配法(OCBA),提出了改进的NSGA-Ⅱ,以提高大规模多目标仿真优化问题的计算效率。针对NSGA-Ⅱ的选择算子,构建了一个多目标的全排序仿真优化问题,并推广现有的OCBA理论,开发了仿真资源分配算法。通过将仿真资源分配算法与NSGA-Ⅱ结合,求解了实际的多目标优化问题。数值实验结果表明,研究提出的仿真资源分配算法能提高NSGA-Ⅱ在随机环境下的搜索效率。

关键词： 人工智能   AI编程助手   AI辅助编程   计算机程序设计课程教学  

摘要： 针对大语言模型等通用人工智能技术在编程领域展现出的卓越能力,结合计算机程序设计课程的教学目标,剖析AI辅助编程在提升学生程序设计能力方面的重要作用,探讨在程序设计课程教学中利用AI编程助手提高学生学习效率和课程教学效果的方法。

关键词： 遗传算法   支持向量机   文本自动分类   特征向量   优化模型参数  

摘要： 在实际文本自动分类任务中,因文本的多样性和复杂性,常会遇到一些特殊的、不符合常规分类模式的文本。这些文本往往使得标引深度和标引专指度难以达到理想的平衡状态。这种不平衡导致在处理复杂模型和大规模数据时,支持向量机(SVM)模型在参数的选择上很难找到最优参数,造成分类精度较低的结果。为此,文章提出一种基于遗传算法优化支持向量机的文本自动分类方法。通过预处理来提高文本数据的质量,并引入TF-IDF(词频-逆文档频率)和词共现分析,构建出高效的文本数据特征向量。利用遗传算法对SVM模型参数进行优化,自动搜索最佳的参数配置,提升模型的分类性能。将预处理后的文本数据输入到优化后的SVM模型中,模型通过学习文本数据的特征向量与类别标签之间的映射关系,实现对新文本的自动分类。实验结果表明,该方法在分类精度、Kappa统计量和汉明损失3个关键指标上,均显著优于对比方法,有效提高了文本自动分类的准确性和稳定性。