关键词： 人工智能技术   计算机网络技术   网络管理   人类智能   信息技术发展   网络运行   保障信息安全   新的活力  

摘要： 随着科学技术的飞速发展,人工智能技术在计算机网络中的应用日益广泛,成为推动信息技术发展的重要力量。人工智能技术作为模拟人类智能的应用科学技术,其结合计算机网络技术,为提高网络运行效率、保障信息安全和优化网络管理提供了新思路,为计算机网络技术注入了新的活力。本文将深入探讨人工智能技术在计算机网络中的应用优势及策略,以提高网络运行的安全性和效率,优化网络管理,推动计算机网络技术的进一步发展。

关键词： 拖拉机   供电系统   闭环控制   模糊逻辑   遗传算法  

摘要： 针对电动拖拉机续航能力不足、电源系统放电随机性大导致能耗高及容量配置不完善等问题,该研究设计了基于蓄电池和超级电容供电的复合供电系统。针对动态负载适应性差的问题设计了三段式功率负载控制规则,建立了功率划分参数与负载统计量之间的函数关系。针对传统固定阈值策略下电动拖拉机作业工况变化导致储能系统放电效果差的现象,在双闭环控制的基础上提出了基于模糊逻辑的放电阈值自适应调整策略。此外,考虑到蓄电池和超级电容在功率密度、能量密度和价格方面的差异性,提出考虑节能率和综合经济效应最优的混合储能系统容量配置策略。构建包含储能装置全寿命周期成本和系统耗电费用容量配置目标函数,分别对无阈值控制策略与本文阈值控制策略的节能率进行分析,利用遗传算法对容量配置目标函数进行寻优求解,并分析节能率约束条件对容量配置结果的影响。对所提放电阈值自适应调整策略进行仿真分析,并在实验室10 kW负载供电模拟系统进行试验验证。结果表明:本文模糊逻辑自适应阈值控制策略的节能率比无阈值的传统能量管理策略提升了3.09%,每小时耗电费用减少近9.5%,供电系统在功率波动较大时输出电压为527 V,在功率平稳时输出电压为520 V,提高了复合供电系统输出电压稳定性,所提策略能以较低的计算成本实现较好的实时能量管理。

关键词： 主轴   疲劳   子模型   优化设计   代理模型   遗传算法  

摘要： 主轴作为风力发电机组中的重要传动部件,合理的结构设计对于保证风机具有足够的运行寿命、可靠的载荷传递以及制造成本经济性有着至关重要的作用。在主轴设计中经常面临静强度满足要求,但局部区域疲劳寿命不足的难题。本文运用子模型技术,以主轴疲劳寿命为目标,以结构外形尺寸为约束条件,建立二阶响应面代理模型,并运用遗传算法对模型寻优求解。结果表明:经过局部优化后主轴疲劳寿命提高了将近30倍,节段重量下降了21.38%。本文提出的方法可以极大地提高主轴的疲劳性能优化效率,对同类结构疲劳优化及轻量化有一定的指导意义。

关键词： 人工智能   计算机网络   安全防护   应用  

摘要： 本文首先深入分析了人工智能的内涵及其独特的特点,其次探讨人工智能在计算机网络技术中的发展与应用方向,最后指出传统计算机网络信息技术存在的问题。希望通过本文的探讨,为读者揭示这一创新领域的重要性与价值所在。

关键词： 卷积神经网络   深度学习   电价预测   遗传算法   节点边际电价  

摘要： 将卷积神经网络(Convolutional Neural Networks,CNN)与进化算法相结合提出一种日前电价估计方法。基于基因定位结果,选择、变异和交叉生成竞争个体;根据基因二进制位与CNN参数/超参数之间的映射关系,设计最优的CNN结构。以某电力市场为例,验证所提方法有效性。实验结果表明,与其他预测方法相比,所提算法具有较高的预测精度和较低的误差率。

关键词： 交通运输工程   任务卸载   移动边缘计算   评价指标   任务卸载算法  

摘要： 移动边缘计算作为一种新兴计算模式,已在车联网场景中展现出巨大的潜力。任务卸载是移动边缘计算中的关键问题,对于提高系统性能和用户体验至关重要,对此,针对移动边缘计算下车辆任务卸载研究展开综述。首先介绍移动边缘计算的基本概念,然后总结了评价指标与任务卸载问题公式和卸载决策等方面的研究,并对任务卸载方法和一些算法进行归纳,最后探讨了移动边缘计算任务卸载在未来的研究方向与挑战。通过对的研究现状概述和未来挑战的讨论,可更好地了解移动边缘计算任务卸载的前沿动态,为相关研究和应用提供指导和启示。

关键词： 容器资源调度   LSTM   遗传算法   Kubernetes   自动伸缩  

摘要： 本研究旨在优化Kubernetes集群中容器化服务的资源调度,提高资源利用效率和系统性能。针对现有Kubernetes自动伸缩机制在应对复杂负载时的不足,提出一种基于LSTM和遗传算法的智能资源调度策略。首先利用LSTM模型预测未来的资源需求,以应对不同的负载波动;然后利用遗传算法优化资源配额,确保在高效利用资源的同时满足系统性能要求。实验在实际Kubernetes集群环境中进行,设置高负载、突发请求和低负载等负载场景,对比LSTM+遗传算法与Kubernetes默认HPA/VPA方案在响应时间、吞吐量和资源利用率方面的性能。结果表明,LSTM+遗传算法在大多数负载场景下均优于HPA/VPA策略,提高了平均资源利用率,降低了系统响应时间。This study aims to optimize the resource scheduling of containerized services in Kubernetes clusters and improve resource utilization efficiency and system performance. In view of the shortcomings of the existing Kubernetes auto-scaling mechanism in dealing with complex loads, an intelligent resource scheduling strategy based on LSTM and genetic algorithm is proposed. First, the LSTM model is used to predict future resource requirements to cope with different load fluctuations;then the genetic algorithm is used to optimize resource quotas to ensure that system performance requirements are met while efficiently utilizing resources. The experiment is carried out in an actual Kubernetes cluster environment, setting load scenarios such as high load, burst requests, and low load, and comparing the performance of LSTM+ genetic algorithm and Kubernetes default HPA/VPA solution in terms of response time, throughput, and resource utilization. The results show that LSTM+ genetic algorithm outperforms HPA/VPA strategy in most load scenarios, improves average resource utilization, and reduces system response time.

关键词： 燃料电池汽车   能量管理   遗传算法   支持向量机   系统优化  

摘要： 对于燃料电池汽车(FCV),有效的能量管理策略(EMS)对提高其能效和延长电池寿命至关重要。据此,采用遗传算法(GA)优化支持向量机(SVM)等方法,对燃料电池混合动力汽车的能量管理策略进行优化。通过实车仿真数据,验证了优化后策略在降低氢气消耗及提升电池维护效果上的优势,相较于传统方法,所提策略显著提高了能量利用效率和系统运行的稳定性。

关键词： TA1钛合金   薄壁钉套   鼓包   遗传算法   抽芯铆钉  

摘要： 为了提升TA1钛合金薄壁钉套鼓包成形质量,采用响应面法与遗传算法对抽芯铆钉安装工艺参数进行优化。利用Box-Behnken设计法,分析了夹层厚度H、芯杆行程S、夹层孔径D以及芯杆速度V对鼓包直径L和芯杆拉力F的影响,并建立了预测鼓包直径L和芯杆拉力F的回归模型。在保证鼓包直径不小于6 mm的情况下,以芯杆拉力最小为优化目标,利用遗传算法优化了TA1钛合金薄壁钉套的压缩参数。结果表明:夹层厚度H对鼓包直径L的影响最为显著,芯杆行程S和夹层孔径D较为显著,芯杆速度V不显著;4个因素对芯杆拉力F的影响均显著,最终得到了TA1钛合金薄壁钉套成形质量最优的工艺参数为:H=4 mm,S=2.9 mm,D=Φ4.22 mm以及V=5 mm·s^(-1)。DEFORM-3D数值模拟结果也证实了优化的工艺参数组合能够保证鼓包成形质量。

关键词： 人工智能工具   文心一言   计算机教育   个性化教学  

摘要： 随着人工智能技术的飞速发展,各类人工智能工具正逐步渗透并深刻影响着各行各业,尤其是在计算机教育领域。以文心一言为例,它以其卓越的自然语言理解和生成能力,为传统教学模式带来了前所未有的变革,不仅丰富了教学手段,还显著提升了教学质量和学习效率。本文旨在全面探讨人工智能工具在计算机教育领域的现状、优势、面临的挑战以及未来的发展方向。通过深入分析人工智能工具在个性化教学、编程语言辅导、虚拟助教及自动化教学评估等方面的具体应用案例,总结其带来的教学模式创新,并提出针对性的策略与建议,以期为计算机教育工作者提供有价值的参考。