关键词： 马克思异化劳动理论   人工智能   劳动异化  

摘要： 马克思异化劳动理论是《1844年经济学哲学手稿》中的核心内容,也是他研究资本主义社会的重要成果。从这一理论视角出发,可以观察在人工智能时代,出现了既具有马克思所描述的传统异化劳动特征、又带有新时代特点的异化问题。这些问题表现为智能产品与人相异化、智能劳动与人相异化、人的类本质的异化、主体间关系的异化。究其原因,主要在于技术本身的局限性、主体行为的影响以及资本力量的驱动。因此,解决这些问题需要从这三个方面入手,首先克服技术缺陷,促进生产力的发展;构建健康的智能产业生态,确保技术发展以人为本;最后,打破资本操控、以人类的最终解放。

关键词： 反向传播人工神经网络   粒子群优化算法   亚临界丁烷萃取   脱皮油莎豆   工艺优化  

摘要： 为优化亚临界丁烷萃取脱皮油莎豆油工艺,采用单因素试验确定因素水平,中心复合表面设计(CCF)安排寻优试验,在此基础上分别构建了响应面(RSM)和反向传播人工神经网络(BP-ANN)模型,运用粒子群算法(PSO)对BP-ANN模型进行优化,并对RSM和PSO-BP-ANN模型的寻优结果进行了比较。结果表明,RSM模型优化的萃取条件为:料液比(脱皮油莎豆∶丁烷)1∶10.36 g/mL、萃取时间45 min、萃取温度30℃、坯料厚度0.5 mm;PSOBP-ANN模型优化的萃取条件为:料液比1∶10.67 g/mL、萃取时间40.10 min、萃取温度34℃、轧坯厚度0.5 mm。在最佳条件下,RSM模型预测提取率为91.63%,验证值为94.27%,相对误差2.56%;PSO-BP-ANN模型预测值为95.58%,验证值为95.14%,相对误差0.46%。采用人工神经网络耦合粒子群算法(PSO-BP-ANN)优化油莎豆油亚临界萃取工艺,具有提取率高、相对误差小等优势。本研究可为亚临界萃取技术在油莎豆油高效制取中应用提供参考。

关键词： 跨学科人才培养   学科组织   困境   消解   高校  

摘要： 面对学科组织的作用二重性,高校在推动跨学科人才培养时既需要发挥其积极作用,又需要克服其带来的困境。从模式、资源与文化三个维度看,跨学科人才培养的学科组织困境主要表现为学科组织与专业教育相互强化、教育教学资源按照学科组织分割与配置、学科文化阻滞跨学科育人环境生成等方面。要消解跨学科人才培养的学科组织困境,实现跨学科人才培养与现有学科组织的融合,高校需树立跨学科人才培养理念,加强统筹与协调机制建设,优化学科组织的内部结构。

关键词： 人工蜂群算法   栅格地图   粒子群算法   局部搜索算子   实数遗传算法   寻优能力   模拟退火算法   改进遗传算法  

摘要： 本文提出了一种改进的实数遗传算法,用于解决仓储机器人移动路径规划问题。传统路径规划方法在复杂环境中难以有效优化路径,而遗传算法因其良好的全局搜索能力和适应性成为一种潜在的解决方案。本文通过将连续的可行域进行离散化处理,然后通过变异算子和局部搜索算子,使其既具有连续性又具有完备性。这种方法成功地融合了遗传算法的离散化和连续化特性,提升了实数遗传算法的收敛速度和寻优能力。为验证算法的有效性,我们将这种方法与粒子群算法、模拟退火算法和人工蜂群算法进行对比实验。实验首先在基础测试函数上进行,然后在二维栅格地图上进行最短路径优化。实验结果表明,改进的实数遗传算法在测试函数和二维栅格地图上均优于其他算法,显著降低了机器人移动路径的总长度和时间成本。

关键词： 计算机   网络技术   智能水稻   水稻农业  

摘要： 现代农业发展中,将计算机网络技术应用于智能水稻农业中具有重要意义。通过集成先进的网络技术,可以有效收集和处理大量田间数据,实现精准农业的管理需求;通过物联网技术,将传感器和设备实时连接,可以提高农田管理的自动化和智能化水平。另外,5G和边缘计算等技术的应用,能够进一步提高数据传输的速度和网络的可靠性。智能水稻农业的推广还面临诸多挑战,本文旨在探讨计算机网络技术在智能水稻农业中面临的挑战,提出应用策略,为智能水稻农业的持续创新和发展提供理论参考。

关键词： 人工智能   计算机图像识别技术   特征分析   应用  

摘要： 随着科学技术的发展,计算机图像识别技术得到广泛应用。作为一种人工智能技术手段,计算机图像识别技术在智能化特征提取、图像分析及智能监测中发挥着重要作用。通过分析图像识别技术的研究背景、传统图像识别技术、人工智能算法及其应用必要性,体现了计算机图像识别技术的优势及不足之处,之后结合计算机图像识别技术在故障识别、养殖业、农业生产、水利行业、电力系统等领域的具体应用,提出了适合各类场景的图像识别技术,也为后续智能化计算机图像识别技术发展指明了新的方向。

关键词： 环境拓扑结构   任务调度   依赖约束   遗传算法   精英种群   Simhash  

摘要： 在国家深入推进“东数西算”工程的背景下,算力网络中心的环境部署调度面临许多挑战,如环境的数量、大小、拓扑结构复杂度、依赖约束和网络传输量等不确定因素。为了应对这些限制因素,提出一种多元级差优良化的遗传算法(Diverse Hierarchical Difference Optimization Genetic Algorithm,DHDO-GA)。该算法以任务执行跨度makespan和资源利用率最优化为目标,同时考虑资源的负载均衡。为了更好地引导整个种群向全局最优解快速聚拢,该算法根据适应度值和相似度将染色体分布在不同的层级,并将其抽象聚类成精英种群。仿真实验表明,DHDO-GA算法优于传统遗传算法和几种改进的遗传算法,在搜索能力、算法稳定性以及结果质量和可靠性方面具有更大的优势。

关键词： 多旅行商问题   遗传算法   组合优化   多目标规划   测绘任务规划   均衡度  

摘要： 不同于传统多旅行商问题,小型飞机测绘任务规划问题的每个测绘目标需要测绘多个测绘载荷,同时多次测绘间要有时间间隔,称之为路径交叉的多旅行商路径规划问题。针对点目标测绘任务场景,将最少飞机数量的求解目标转化为求解最短航行路径。在采用遗传算法求解最短路径的基础上,结合探测载荷约束、探测任务时长约束等条件,进一步规划出最优的调度方案。针对点目标和区域目标测绘任务规划问题,考虑各机场测绘任务工作量的均衡,定义测绘工作量指标为每个机场完成的测绘目标点和目标道路的数目,求解调度策略和飞机数量。在此基础上求解均衡性,使3个机场探测的目标点和目标道路数量相当。结果表明,所提方案兼顾了测绘代价与任务分配的均衡性。

关键词： 水热浸提   人工神经网络   咖啡因   响应面法   茶渣   反应条件  

摘要： 为实现废弃茶渣中活性物质的提取和资源化利用,该研究利用水热技术高效提取茶渣中的咖啡因,并结合响应面法(response surface methodology,RSM)和人工神经网络(artificial neural network,ANN)对提取过程进行建模与预测,获得最优的浸提条件。结果表明,水热法能够实现咖啡因等高值活性成分的高效浸出,通过RSM对提取过程中的关键参数(水热温度、时间、液固比和pH值)进行了系统优化,发现水热温度对咖啡因提取率的影响最为显著。此外,还建立了ANN模型以进一步验证和对比优化效果,试验表明,ANN模型预测的最佳条件为水热温度220℃,水热时间3.5 h,液固比50 mL/g,pH值为9.0,ANN的预测结果(66.19 mg/g)与实际试验(65.81±0.47 mg/g)结果较为接近,具有更高的预测精度(R^(2)=0.999)。该研究利用水热技术从茶渣废弃物中回收咖啡因,为废弃生物质资源的高值化循环利用提供了有益的参考和借鉴。

关键词： 功率需求目标   电动汽车接入配电网   充电负荷   有序控制优化   负荷方差最小化   可执行充电效率   遗传算法  

摘要： 电动汽车充电需求具有多样性与不确定性,对配电网的充电负荷平衡构成了显著挑战。为解决这一问题,提出考虑功率需求目标的电动汽车接入配电网充电负荷有序控制优化研究。全面分析电动汽车接入配电网后的总充电功率需求,并综合考量配电网中的基础负荷(包括居民用电、商业用电等)与电动汽车充电负荷之间的动态交互关系。在此基础上,构建了以最小化负荷方差为核心目标的充电负荷有序控制模型,旨在实现充电负荷在时间与空间上的均衡分布。模型设计时,特别将可执行充电效率作为关键约束条件,以确保优化方案的可行性与经济性。通过引入遗传算法这一高效优化工具,对模型进行精确求解,成功确定了电动汽车接入数量与充电功率的最优配置方案。实验结果表明,优化后的负荷方差显著降低至32.510,相较于未优化状态展现出明显改善,有效提升了配电网的充电负荷均衡水平,为电动汽车充电管理的智能化、精细化发展提供了有力支撑。