关键词： 车辆路径问题   众包   协同运输   需求可拆分   关系模型   遗传算法  

摘要： 众包是社会车辆接受偏离自己的路线向其他人递送物品并获得少量补偿的运输模式。当企业雇佣车辆和社会众包车辆共同参与物流配送时，如何协调这两者的运输路线是企业降低运输成本的关键。本文在这一背景下，考虑客户需求被任意拆分的情况，建立了需求可拆分的协同运输路径规划模型。然后，设计关系模型辅助评价的遗传算法求解模型，算法框架包括上下两层，上层采用0-1编码的遗传算法将客户分配给不同类型的车辆，下层针对上层的分配结果采用自然数编码的遗传算法，分别解决雇佣车辆和众包车辆的路径规划子问题，为了加快下层遗传算法的求解效率，利用支持向量机模型学习解对之间的优劣关系辅助下层遗传算法搜索。最后，基于标准算例库设计测试集并进行数值实验，结果表明所提出的算法具有较好的性能。企业可以采用协同运输模式，同时优先使用高容量的众包车辆以降低企业运营成本。

关键词： 供应链网络设计   自适应人类学习优化算法   遗传算法   供需匹配   B2B电商  

摘要： 在日益复杂多变的B2B大宗商品电商交易中，传统基于人工和经验的供需匹配严重制约了电商企业经营利润和服务水平。本文将上述供需匹配问题建模为综合考虑供给需求匹配、产能、交付时间和信用风险等复杂约束条件下的供应链网络设计模型，并针对模型特点设计多维编码方式，提出一种改进的遗传人类学习混合算法对问题进行求解。以建筑业真实电商业务场景中的数据为例开展的实验表明，本文算法的求解精度与寻优能力在大、中、小三种不同规模的数据中均优于遗传算法、人类学习优化算法等基准算法，可有效替代行业内现行的基于经验的人工决策方式，提升B2B电商业务的智能化水平和经营能力。

关键词： 车辆路径问题   深度强化学习   改进遗传算法   众包车辆-公共交通协同配送  

摘要： 针对农村地区配送场景，提出了一种车辆路径问题的变体—众包车辆-公共交通协同配送问题（Vehicle Routing Problem with Occasional Drivers and Scheduled Lines，VRPOD-SL）。该问题需对参与配送的公交车辆及其服务的物流客户进行选择，同时需选择参与配送的众包车辆，并对众包车辆的行驶路径等进行决策。考虑了众包车辆的起终点、服务范围和最大载重，以及公交车辆的载货空间限制和按固定路线行驶等特点，以最小化配送总成本为优化目标，构建了VRPOD-SL问题的整数规划模型。由于公交车辆提供物流服务的客户选择决策，影响到众包车辆的服务客户选择，进而需要不断求解众包车辆路径问题，这导致问题的计算复杂度较高，因此设计了一种基于深度强化学习的启发式算法，即融合了注意力模型的遗传算法（Genetic Algorithm with Attention Model， GA-AM）。该算法将遗传算法（GA）的全局搜索特性和注意力模型（AM）的并行决策能力相结合，能够有效减少VRPOD-SL问题的求解时间。同时设计了局部搜索算法，以进一步提高解决方案的质量。数值实验表明，所提出的GA-AM在求解性能方面明显优于Gurobi求解器、自适应大邻域搜索算法（ALNS）和变邻域搜索算法（VNS）。此外，研究结果也验证了众包车辆-公共交通协同配送模式的有效性。

摘要： 南京工业大学计算机与信息工程学院（人工智能学院）前身源于南京化工学院1994年成立的自动化与计算机系，2001年原南京化工大学与南京建筑工程学院合并组建了南京工业大学，2002年由原两校的相关专业成立了信息科学与工程学院，2008年更名为电子与信息工程学院，2015年因学校学部制改革更名为计算机科学与技术学院，2023年更名为计算机与信息工程学院（人工智能学院）。

关键词： 装配线平衡   人机协作   混合整数线性规划   遗传算法   模拟退火算法  

摘要： 在装配线中引入协作机器人可以降低工人的劳动强度，提高装配线的效率。针对协作机器人数受限的人机协作装配线平衡问题，构建了以最小化节拍为优化目标的混合整数线性规划模型，并验证了模型的正确性。针对问题任务分配复杂、装配模式多、机器人资源受限等特征，提出了一种混合遗传模拟退火算法。考虑工位内工人和机器人的调度关系，构造了基于任务分配、任务模式和资源约束的三段式编解码策略，以提高初始解的质量；设计了一种基于优先约束的映射算子和插入变异算子，以增强算法的全局搜索能力；引入模拟退火操作，并设计了任务、装配模式与机器人分配组合的8种新解产生方式，来提高算法的局部搜索能力。通过32个测试案例并与4种经典算法对比，验证了所提算法的有效性和优越性。在资源受限的不同规模案例上，人机协作装配模式较手工装配模式，节拍分别缩短了17.83%、15.00%和14.71%，有效提高了装配效率。

关键词： 超图   影响力最大化(IM)   影响冗余   遗传算法(GA)  

摘要： 超图中的影响力最大化问题在各个领域都具有广泛的应用。现有的方法或是对节点间影响冗余的考虑不够充分，或是仅考虑单一度量对节点初始排序，这导致无法准确刻画节点的真实传播值。为同时充分考虑节点间的影响冗余和节点的真实传播值，本文提出了一种基于遗传算法的低冗余超图影响力最大化方法（LR-HGA），该算法在遗传算法的选择操作和交叉操作中考虑这两点。在六个真实超图网络中，基于超图上定义的SI传播模型进行实验，结果表明，与先进的基准算法相比，该算法得到的种子集整体上具有更广的传播范围。

关键词： 高校新生   “躺平”现象   思想政治教育  

摘要： “躺平”现象是在社会转型时期，人们面对外部竞争加剧、内部“内卷化”严重的情况下，从心理到行为上的抵抗。在网络的推动作用下，“躺平”现象在当代青年群体中快速滋生蔓延，尤其是刚进入大学校园的大一新生，高考后学习目标、人生方向尚未确立，社会经验缺乏，自我认知不足，容易被“躺平”文化“洗脑”，对于学习文化知识、形成优良学风、培育大学生核心竞争力尤为不利，也给高校思想政治教育带来了挑战。基于此，文章从加强入学教育、树立理想信念、开展多样活动三方面提出消解策略。

关键词： 农业旱灾恢复力   遗传算法   卷积神经网络   熵值法   影响因素  

摘要： 为提高区域农业旱灾恢复力测度精度,构建基于遗传算法优化的卷积神经网络(convolutional neural networks optimized by genetic algorithm,GA-CNN)模型。以讷河市为研究区域,根据当地农业经济发展规律与水资源空间分布状况,选取11个农业旱灾恢复力表征指标,基于构建的GA-CNN模型精确测度研究区2010-2021年的旱灾恢复力,并采用熵值法对恢复力时间演变的关键驱动力进行解析。结果表明:研究时段内,讷河市农业旱灾恢复力在时间尺度上呈现先上升后下降再波动起伏的演变态势;森林覆盖率、单位面积粮食产量、人均水资源量等是影响研究区农业旱灾恢复力时程变化的主要驱动因子;研究构建的GA-CNN模型与传统CNN模型及SVM模型相比,平均绝对误差EMA分别降低了23.51%和32.36%,均方根误差ERMS分别降低了14.42%和25.32%,拟合优度R2分别增长了0.08%和1.08%,说明GA-CNN模型在拟合性、适配性、稳定性、可靠性以及评估精度等方面更具优势。研究成果可为区域农业旱灾恢复力测度提供一种更为可靠的新模型,也可为区域农业防旱减灾、应急管理等提供科学指导。