关键词： 人工智能技术   计算机辅助翻译   翻译软件   自然语言处理   机器学习  

摘要： 全球化进程的加快,使得计算机辅助翻译(CAT)软件在翻译行业中扮演着越来越重要的角色。该文探讨了人工智能(AI)技术在CAT软件中的应用现状、效果评估及未来发展方向,并重点分析了相关数据,展示了CAT软件在翻译效率和质量方面的提升。通过对现有AI翻译工具的案例研究,揭示了AI技术对翻译行业的深远影响,研究AI技术如何通过促进实时翻译、提升用户体验以及支持多语言环境下的协作,改变传统的翻译流程,并在翻译效率、质量、速度、准确性和用户体验等多个维度上实现质的飞跃。

关键词： 大数据时代   人工智能   计算机网络   防火墙技术  

摘要： 新时代背景下,通过人工智能技术赋能计算机网络运行,能够提升计算机网络运行的智能性与安全性,从而迎合大数据时代发展趋势,为相关领域的高效发展提供充足、精准、及时的网络信息支撑。为此,对计算机网络中适用的人工智能技术进行梳理,阐述计算机网络实践中人工智能技术的用法,有利于人工智能合理、有效地应用,从而进一步推动计算机网络高质量运行与科学化发展。

关键词： 弹性调度   ARIMA   贪心算法   遗传算法   蚁群优化算法  

摘要： 随着抽取-转换-加载(extraction-transformation-loading,ETL)系统的ETL任务量增多,任务复杂度和波动性也随之提升,现有的ETL任务调度机制难以满足调度需求,如时间片轮转法受限于弹性调度能力弱、效率低下等缺点。为研究如何提升ETL任务调度机制的弹性调度能力以及执行效率,提出了一种基于整合移动平均自回归(autoregressive integrated moving average,ARIMA)模型与贪心-遗传-蚁群优化(greedy-genetic-ant colony optimization,GGACO)算法的ETL任务调度机制。初期,建立ARIMA模型并弹性地结合贪心算法计算初始解;中期,利用遗传算法的全局快收敛的特性结合初始解圈定最优解的大致范围;最后,利用蚁群优化算法的局部快速收敛性进行最优解搜索。实验结果表明:该调度机制能够弹性地指导任务调度尽可能地找到最优解,减少任务的执行时间,以及尽可能实现更高效的负载均衡。

关键词： 启发式-多层编码   遗传算法   凸优化   一体化作战调度  

摘要： 多机种舰载机协同作战是发挥航母编队作战能力的关键问题,因此科学设计舰载机群兵力行动规划和相关资源的分配对于提高航母作战效能而言具有重要意义。首先,基于舰载机对陆突击作战任务的特点和兵力组成、弹药挂载等约束条件,围绕兵力行动规划一体化作战调度问题展开研究;然后,针对舰载机群出动离场、航迹规划、空中加油、协同作战、着舰回收等关键阶段进行一体化作战调度建模,并引入启发式-多层编码的遗传算法,对各关键阶段之间的耦合关系进行解耦处理;再次,通过使用改进凸优化算法对案例中舰载机航行路径进行航迹规划并计算出航行时间,将该时间作为兵力行动规划和调度输入数据使用;最后,基于案例仿真进行14机、18机、20机、24机的舰载机群兵力行动规划调度的时序规划和相关资源的科学分配,验证所设计模型和算法的可行性和鲁棒性。

关键词： 电动汽车   调度优化   精英强化   遗传算法   熵权TOPSIS法  

摘要： 针对区域内电动汽车(EV)如何实现有效调度大规模充电作业问题,提出了一种基于精英强化遗传算法(EEGA)的电动汽车充电调度优化算法。首先引入自适应策略动态改变交叉、变异概率,解决传统算法易陷入局部最优的问题;然后将父代与子代种群通过精英保留策略形成新的种群,并对新种群的最优个体进行强化搜索,寻找更优解替换,提高算法收敛速度;最后通过制定充电调度策略,建立多目标车辆调度模型,并采用熵权TOPSIS法消除多目标的维度。仿真结果表明,与传统遗传算法调度相比,充电时间、充电成本、充电桩利用偏差率和电网负荷分别降低了约4.2%、2.3%、4.4%和6.8%,所提出的优化方法提供了接近最优的解决方案,有效调度大规模电动汽车充电作业。

关键词： 水库施工   智能调度   资源优化配置   遗传算法   神经网络   协同机制  

摘要： 本文旨在研究水库施工中的智能调度与资源优化配置策略。通过介绍智能调度技术的概念、原理及其在水库施工中的应用,包括智能监测技术、数据处理与分析技术、智能决策支持系统及智能调度系统应用实例,阐述了智能调度在提高施工效率方面的作用。同时,探讨了资源优化配置方法,包括资源需求预测模型、基于遗传算法和神经网络的资源调度算法以及模糊综合评价法的应用,展示了资源优化配置在降低成本和提升资源使用效率方面的优势。进一步地,构建了智能调度与资源优化配置的协同机制框架,提出了实施策略与效果评估方法。结果 显示,智能调度与资源优化配置的协同应用能显著提高施工效率、降低成本并提升工程质量。

关键词： 高维数据   异常数据检测   变分自编码器   遗传算法   子空间异常度  

摘要： 在大数据时代背景下,高维数据的异常检测对于维护系统安全至关重要。为了有效检测异常的高维数据,研究提出了一种计算机高维数据智能检测的新模型。新模型通过变分自编码器进行数据降维和异常评分,再利用遗传算法优化异常数据的子空间。实验结果表明,新模型在阈值为95%时性能最佳,回归率为99.87%,准确率为99.92%。新模型能快速检测高维数据的异常,为高维数据的异常检测提供了一种新技术。

关键词： 遗传算法   调度优化  

摘要： 目前,整车出入库需求激增,在高峰期或繁忙的仓库中,车辆可能需要等待较长时间才能进入或离开整车存储区,从而造成了车辆排队、停滞和延误等情况发生。本文针对以上问题,利用遗传算法和改进A^(*)算法对整车库内管理进行优化。

关键词： 时空特征   客流量预测   遗传算法   反向传播神经网络   数据降维  

摘要： 旅游需求随时间变化,受季节性、天气条件、特殊事件(如节庆活动、体育赛事等)影响,客流量呈现出一种空间相关性以及非线性特征,难以挖掘密集区域客流量的变化规律,增加了旅游景区客流量预测的误差。因此,将客流量的时空特性考虑在内,提出一种数据降维处理下的旅游景区客流量长期预测新方法。将相邻水平与核密度作为景区客流量分布的时空特征,获取成片游览区、线性游览区的日环境流量,得到密集区域客流量的变化规律;引入拉格朗日乘子,对获取的客流量数据降维处理;利用遗传算法改进反向传播(Back Propagation,BP)神经网络,将降维的客流量数据作为输入,实现对旅游景区客流量预测。仿真结果表明,所提方法能捕捉到客流量变化规律,实现对未来较长一段时间的客流量预测,适应度在0.8以上,能够精确地捕捉客流量的变化,误差最小,且相关系数的值最趋近1。

关键词： 双余度永磁同步电机   匝间短路故障   变分模态分解   遗传算法   支持向量机  

摘要： 针对双余度永磁同步电机(DR-PMSM)常见的绕组匝间短路故障问题,首先建立故障余度绕组数学模型,并分析故障后绕组的阻抗变化,在此基础上建立匝间短路故障有限元模型。然后利用DR-PMSM的结构特点,分析电机发生匝间短路故障后非故障余度绕组电流,将电流信号经过变分模态分解(VMD)得到各固有模态分量(IMF)的能量信息作为不同故障类型的特征量。最后使用支持向量机(SVM)作为故障诊断方法,并采用遗传算法(GA)优化SVM参数。实验结果表明基于GA-SVM的故障诊断方案能准确识别DR-PMSM的匝间短路故障,在空载和负载情况下故障诊断准确率分别达到85.2%和88.9%,表明所提方法具有较高的故障识别率。