关键词： 5G   通信   AI   算法   资源调度   深度学习   强化学习   遗传算法  

摘要： 基于5G高速度大带宽和低时延大连接的技术特性,对5G无线通信网络资源调度优化的人工智能(AI)算法进行了理论分析,阐述了AI算法的基本原理及其在网络资源调度中运用的实现方法,并对其应用效果进行了实验验证。分别研究了深度学习、强化学习以及遗传算法的工作机理,通过仿真试验表明,利用AI算法能有效提高网络资源的利用率,降低时延,并可提高网络的稳定性和适应性。

关键词： 路径规划   优化算法   自然启发式   蚁群算法   遗传算法  

摘要： 传统蚁群算法与遗传算法的混合路径规划方法普遍存在路径不平滑、收敛速度慢及能耗较高等问题。针对上述问题，本文提出一种基于蚁群与遗传算法的动态路径优化方法（DACO-GA），以提升路径规划的效率与精度。该方法初期采用蚁群算法生成初始种群，并引入遗传算法进行优化调整；在后续阶段，通过动态切换两种算法的主导角色，实现全局与局部搜索的协调互补。算法设计中融合了自适应信息素分布、动态挥发因子及交叉变异概率调节机制，有效提升了搜索能力并缓解局部最优问题。随后，围绕关键控制参数开展优化实验，验证各改进机制的有效性。在多个典型场景下将DACO-GA与传统算法进行对比，进一步评估其在复杂环境下的适应性能。实验结果表明，所提算法可生成更平滑且代价更优的路径，展现出良好的全局优化能力以及收敛速度。

关键词： 遗传算法   泵站供水系统   优化设计   目标函数  

摘要： 本研究以遗传算法为基础,以提高泵站供水系统效率、减少能耗、优化运行成本为目标,提出泵站供水系统优化设计新方法。通过构造适应性强的目标函数,设计合理种群初始化及遗传操作等措施,使遗传算法能够有效求解泵站供水系统实际运行过程中存在的最优化问题。这篇文章深入探讨了泵站供水系统的核心组成、优化的目标和评估标准,并提出了一个基于遗传算法的优化策略,同时也解决了系统内的约束问题。试验结果表明:遗传算法应用于泵站供水系统优化效率高,可达到显着改善系统运行性能。研究结果为泵站供水系统优化设计提供新思路与技术支撑。

关键词： 骨关节炎   端粒   人工神经网络   随机森林   免疫细胞浸润  

摘要： 建立基于GEO数据库骨关节炎端粒相关基因的随机森林和人工神经网络（Artificial neural network， ANN）联合诊断模型并评价其效果。通过GEO数据库获取两份骨关节炎芯片GSE55235和GSE129147合并作为训练组数据集，并进行GO和KEGG通路富集分析，探讨其潜在生物学功能。随后，使用随机森林算法筛选骨关节炎端粒相关基因，并构建用于诊断的ANN模型。使用外部数据集GSE98918对模型进行验证，通过曲线下面积（Area under the curve， AUC）分析评价ANN模型的临床应用价值。利用CIBERSORT算法预估骨关节炎与筛选出的潜在生物标志物的生物信息学关联。最后进行关键基因与免疫细胞浸润相关性分析。共得到696个（上调440个，下调256个）端粒相关差异基因。GO和KEGG通路富集分析涉及多个生物学功能。进一步通过随机森林筛选得到4个关键基因（TREM2、ADCY2、MSR1、TWF2），并构建了ANN诊断模型。使用该模型绘制了训练组和验证组诊断的受试者操作特征（Receiver operating characteristic， ROC）曲线，训练组AUC值为0.999。验证组AUC为0.826。免疫细胞浸润分析显示记忆静息T细胞CD4和静息肥大细胞在正常组与OA组之间存在明显差异。各免疫细胞正相关较高的幼稚T细胞CD4与浆细胞；负相关较高的为单核细胞与巨噬细胞M0。相关性分析结果显示关键基因与多种免疫细胞的表达存在显著相关性。本研究构建了骨关节炎端粒相关基因的ANN诊断模型，可用于临床诊断骨关节炎，为探索骨关节炎发病机制提供了一个新视角。

关键词： 新时代   高职院校   资助育人   精准帮扶  

摘要： 文章立足新时代高职院校开展资助育人工作的三重历史使命,系统剖析了当前高职院校开展资助育人工作在政策评估、育人过程、理念落实这三方面面临的困境,然后针对上述困境,提出了系统性消解路径:构建“经济—发展—风险”三维动态适配模型,实现资助标准精准化;构建“经济解困—精神赋能—情感联结”共生系统,突破工具理性主导的资助范式;建立“制度弹性化—执行专业化—认同内生性”协同机制,打通政策传导梗阻。

关键词： 苏北地区   水资源配置   非支配排序遗传算法   多目标优化   碳排放   投影寻踪  

摘要： 为提升区域水资源的适应性和韧性，促进经济社会的可持续发展，本研究结合江苏苏北地区的自然地理特征和用水需求，构建了涵盖供水、生态与经济的多目标适应性调控模型和水资源多目标配置方案。基于1980—2023年的水文数据，选取特枯年、枯水年和平水年3种典型年，分析了不同情景下的需水量和缺水率。分析结果显示，在相同降水频率条件下，苏北地区不同需水水平年的供水保证率均在90%以上，呈现动态平衡特征。对比2022年与2035年两个典型需水水平年的数据可见：特枯年份的全区综合缺水率由9.4%下降至5.0%，枯水年份从4.3%微降至4.0%，平水年份则由1.6%小幅回落至1.4%。位于苏北水网供水系统末端的城市（如连云港、盐城等）的缺水率在部分年份可高达6%～7%，这一趋势表明，研究区域整体水资源供给相对充足，但在遭遇极端干旱气候时仍存在显著的供水保障风险。研究成果为苏北地区水资源的科学规划和高效利用提供了理论支持。

关键词： 开放科学   认知非正义   认知多样性   认知劳动分工   认知价值  

摘要： 开放科学运动通过开放科学信息和过程,力图让更多群体在信息上可达,提高科研过程公开透明度和可重复性.这种致力于推进科学平等实现在科学共同体内部和外部认知价值的努力,遇到诸多困难.然而,针对开放科学运动中认知群体变化问题,展开的哲学讨论并不多见.采用认知非正义概念,本文辨析了开放科学在不同场景下的认知群体变化及所带来的认知非正义问题,区分了开放科学为何加剧科研原有问题与开放科学带来的新问题.进而以实现多元认知目标为基础,提出在科研软硬件基础设施、数据管理和分析技术培训、科学政策和基金资助、荣誉分配与认知贡献等方面,培育认知多样性、发挥不同群体的认知多样性优势,进而消解认知非正义.

关键词： 站点   预测   降尺度   人工神经网络   降水  

摘要： 埃塞俄比亚经常遭受干旱和洪涝等极端气候事件的影响，其季节性降水对于环境动态和雨养农业决策至关重要。然而，由于该国地形复杂多样，降水的时空分布模式多变，准确预测雨季开始时间和提供局部降水预报面临巨大挑战。本研究利用1981-2022年气候灾害组红外降水与站点数据（CHIRPS）、ERA5-Land总降水和温度数据，采用人工神经网络（ANN）模型对埃塞俄比亚空间降水进行预测。循环神经网络（RNN）是一种非线性自回归外生输入模型（NARX），包含前馈连接和多个网络层，采用Levenberg-Marquardt算法进行训练。本研究利用该模型对1980-2020年间欧洲中期天气预报中心第五代季节预报系统（ECMWF-SEAS5）和欧洲-地中海气候变化中心（CMCC）的降水数据进行降尺度处理，得到埃塞俄比亚特定的各雨量站点的降水信息。结果表明，NARX模型在各站点表现出较强的关联性和较低的误差。统计结果表明，除埃塞俄比亚西南高原外，降尺度后的月降水数据与站点观测记录相比具有较高的技巧评分，这表明NARX模型在预测埃塞俄比亚复杂地形下的局部季节降水方面非常有效。除了夏季降水的空间 ANN 之外，温度以及这两个变量的组合也都显示出良好的预测效果。

关键词： 白芍   炮制工艺   BP神经网络   遗传算法  

摘要： 目的解决白芍炮制生产一体化生产工艺参数寻优方法单一的问题，进一步优化白芍炮制工艺参数。方法以白芍炮制生产一体化工艺流程为研究对象，基于BP神经网络算法，选取煮制时间、干燥时间、干燥温度3项工艺参数为神经网络输入，以白芍主要成分含量的总评归一值为神经网络输出，构建质量评价预测模型。将所构建的质量评价预测模型与遗传算法相结合，构建时间与质量复合型适应度函数，进行工艺参数寻优研究。结果遗传算法-BP神经网络工艺参数寻优模型求得的最佳工艺参数为煮制时间13.956min，干燥时间4.495h，干燥温度52.498 ℃，总评归一值0.759。结论遗传算法-BP神经网络工艺参数寻优模型与Box-Behnken响应面法可相互验证，遗传算法-BP神经网络工艺参数寻优方法可作为单一响应面法寻优的有力补充，为白芍炮制领域工艺参数寻优提供了一种新的解决方案。

关键词： 金属复合板   上界法   速度场   层厚   有限元模拟   遗传算法  

摘要： 金属复合板的轧后层间厚度配比是影响其质量性能的重要参数，因此通过分析轧制工艺参数实现对轧后层间厚度配比的预测，及调整轧制工艺参数以实现理想层厚控制是提升产品质量的核心技术手段。基于上界法理论对三层金属板材同径异速异步轧制复合过程进行数学解析，打破传统变形区刚塑性入口横断面假设，建立了更贴合实际轧制工况的入口形状函数。通过椭圆函数拟合变形区速度场，结合二次函数描述接触边界条件，通过开发轧制复合变形区的应变速率场模型与功率计算模型，结合MATLAB优化工具箱中的遗传算法对总功率泛函进行全局寻优，最终建立了异种金属复合板轧制后层厚数学预测模型。基于ANSYS建立了NM400/Q345/NM400（耐磨钢/碳钢/耐磨钢）复合板轧制有限元模型，并在实验室条件下开展了5052/AZ31B /5052铝/镁/铝复合板轧制实验。结果表明：模型计算结果与有限元模拟及实验结果的最大相对误差分别为13.6%和10%，验证了模型的可靠性。模型不仅能预测复合板的层厚，也可得到不同轧制参数对复合板层厚的作用规律，从而正向调控和优化轧制工艺参数。