关键词： 无人机路径问题   选址路径优化问题   船舶排放监测   遗传算法   两阶段算法  

摘要： 针对船舶与无人机同时运动和船舶航行不确定性的特点,建立多基站多无人机的选址路径随机规划模型.基于船舶(S策略)和无人机(D策略)构造子路径的序列插入解码算法,结合遗传算法与禁忌搜索算法,设计两阶段启发式算法.第一阶段考虑船舶运动不确定性,采用禁忌搜索算法求解基站选址问题;第二阶段基于基站选址结果,采用遗传算法优化无人机监测路径.数值试验表明,在相同的应用场景中,相比于S策略,D策略可使结果优化7%且求解时间缩短50%;当基站选址考虑船舶航行不确定性时无人机飞行距离可缩短10%.飞行距离对无人机数量配置具有显著敏感性,在2 个基站3～5 架无人机的场景中,每增加1 架无人机,飞行距离增加15%以上;不同场景中飞行速度提升5%,飞行距离平均减少 5%左右.该方法可有效生成满足运动船舶的多无人机巡检路径,为海事监管领域提供技术支持.

关键词： artificial intelligence   computational biology   computational modeling   molecular docking   molecular dynamics simulation   quantum chemistry calculation  

摘要： Computational modeling is an invaluable tool for mechanism analysis, directed engineering, and rational design of biological parts, metabolic networks, and even cellular systems. It can provide new technological solutions to address biological challenges at different levels and has become a central focus of research in biomanufacturing. In the computational modeling of proteins, which are the key parts in biological systems, the traditional physics-based methods (computer software and mathematical model) have been widely used to study the physical and chemical processes in the functioning of proteins, and have thus been recognized as a powerful tool for understanding complex biological systems and guiding experimental designs. As the scale of computational modeling continues to expand, traditional modeling techniques face difficulties in balancing computational accuracy and speed. In recent years, the explosive growth of biological data has made it possible to construct high-performance artificial intelligence (AI) models, which brings new opportunities to the computational modeling of proteins, and the AI-enhanced physics-based computational modeling technologies have emerged. This combined strategy not only incorporates the chemical knowledge and established physical principles but also is powerful in data processing and pattern recognition, which greatly improves the computational efficiency and prediction accuracy, as well as possesses stronger interpretation ability, transferability, and robustness. The AI-enhanced physics-based computational modeling technologies have already shown great potential and value in biocatalysis, paving a new way for the future development of biomanufacturing.

关键词： 易腐品   越库   车辆调度   遗传算法   Perishable Goods   Cross-Docking   Truck Scheduling   Genetic Algorithm  

摘要： 随着物流行业竞争加剧，越库配送模式逐渐得到推广，尤其在易腐品物流中展现出明显优势。易腐品因其易变质特性，存储和运输难度大，多次搬运和长时间存储容易加速变质，增加损耗。越库模式通过减少商品的搬运次数和库存存储，提升了物流效率并减少了运输成本。本文提出将越库模式应用于易腐品转运过程的车辆调度，基于最小化总变质质量，构建混合整数数学规划模型，并设计基于车辆排序的遗传算法求解。通过数值分析对比最小化完工时间和最小化总变质质量模型，分析两种不同模型在易腐品越库转运过程中的优劣，为易腐品物流企业的越库实践提供指导，具有重要的现实意义。

关键词： 充电桩布局   K-Means聚类   LSTM-ARIMA模型   遗传算法   整数规划   Charging Station Layout   K-Means Clustering   LSTM-ARIMA Model   Genetic Algorithm   Integer Programming  

摘要： 在“双碳”目标的引领下，发展新能源汽车成为了我国汽车产业高质量发展的战略选择，具有广阔的发展空间。然而，充电桩作为新能源汽车的配套基础设施之一，存在着区域分布不均、数量较少的现象。本文以长沙市为例，考虑其9个区的街道数量、占地面积、人口数量和GDP四种因素，利用K-Means聚类方法将该市划分为现代化发展区、生态友好区和传统经济区。进一步，结合该市新能源汽车的历史销售数据，采用LSTM-ARIMA模型预测了该市2024年各月新能源汽车的销售量。接着，以最大化投资回报为目标，考虑地方财政支出、充电桩总数量、充电桩成本范围和用户充电习惯等四个因素，构建了整数规划模型。最后，利用遗传算法求解得出了长沙市各区各街道的充电桩数量。结果表明，相较于2023年，充电桩的空间利用率提升了21.47%。与新能源汽车销售量预测的针对各区各街道的充电桩数量分配增长趋势一致，说明该布局方案在满足充电需求和提升基础设施利用效率方面具有积极作用，提出了一种合理的布局方案。

关键词： 增程式电动拖拉机   传动系统   遗传算法  

摘要： 为了解决拖拉机传动系统的匹配与优化问题,首先根据拖拉机的整车设计要求,对拖拉机的电机、电池、增程器、变速箱等参数进行了匹配;然后基于AVL-Cruise建立了整车模型,并建立了循环工况、续航里程、最大爬坡度等仿真任务;最后在保证满足拖拉机动力性的情况下,利用遗传算法优化变速箱传动比,提高其经济性。结果表明,拖拉机在犁耕和运输作业工况下能耗均有所下降,经济性分别提高了2.6%和8.4%,犁耕和运输作业工况下的纯电续航时间均有所上升,经济性分别提高了4.2%和4.6%,且优化后犁耕作业工况下电机MAP图中的工作点相较于优化前工作在更高的效率区间。

关键词： 遗传算法   强化学习   柔性作业车间   订单调度  

摘要： 随着制造业向数字化、智能化的发展,对个性化批量生产的模式及调度算法提出了更高的需求。为提高求解效率与质量,针对传统的遗传算法求解质量和效率无法满足实际生产需求的问题,本文提出一种基于强化学习增强遗传算法(RLEGA),对其关键参数进行动态调整,并进行试验验证。结果表明:该方法能解决柔性作业车间的订单调度问题,具有有效性和可靠性。

关键词： 城市交通   客流预测   组合神经网络   多源数据   遗传算法  

摘要： 【背景】客流预测是城市轨道交通运营和管理的重要组成,近年来结合多源数据和深度神经网络的精准客流预测受到越来越多的关注。【目标】提升轨道交通站点客流预测的精度,为运营管理提供有效支持。【方法】首先,搭建一种融合多特征的站点客流预测模型,该模型通过卷积神经网络(CNN)提取地铁客流的时空特征,并结合残差单元(ResNet)增强特征提取能力,构建特征传播矩阵挖掘站点间的空间特征,采用长短期记忆网络(LSTM)提取影响因子序列数据的时间特征,在特征融合过程中应用注意力机制突出关键特征。随后,引入遗传算法(GA)对模型进行优化,并采用多层感知器(MLP)修正模型的预测结果误差,提高模型的预测精度。【数据】杭州地铁站点刷卡数据及对应的气象数据、POI数据。【结果】优化ResNet-CNN-LSTM-Attention模型(IO-RCLA)的预测精度最高。相比于RCLA模型,IO-RCLA所有站点预测结果的MAE、RMSE、MAPE分别降低了17.09%、16.09%和8.91%,证明了方法在多站点客流预测中的高精度和有效性。