基于神经动态规划算法的最优路径选择

针对传统动态规划算法在计算大规模路网的优化问题时所表现出来的计算时间长、存储空间大等缺点,引入了一种神经动态规划算法：它将传统的动态规划和BP神经网络结合起来,通过逼近Q学习算法来寻求一种最优策略,最终达到路径优化的目的。将此算法应用于一个交通路网,且用Matlab软件进行仿真,试验表明：该方法的实时性、并行性和全局性都优于传统动态规划,在城市交通流系统中能切实起到路径诱导的作用。     

基于EMFP-树的频繁模式挖掘算法

针对MFP-tree挖掘算法的不足,给出了一个频繁模式挖掘算法EMFP。算法通过将事务数据库的每条事务支持度进行裁剪以及为EMFP-树的节点添加子树个数计数器等措施来提高EMFP-树的挖掘算法的效率。实验结果表明,EMFP-树的挖掘算法是一个高效的频繁模式挖掘算法,其性能优于MFP算法。     

基于宁波市的公交出行路径选择模型

本文建立了以最少换乘次数、出行距离与出行费用为评价指标的最优路径选择模型。在搜索可行路径时,将乘客的步行意愿考虑在内。针对得到的可行路径运用层次分析法(AHP),建立成对比较矩阵,计算出每条可行路径的综合权重。通过比较每条路径的综合权重选择最优出行方案。     

基于定向扩散的无线传感器网络拥塞控制方法

为了缓解无线传感器网络中多对一通信方式出现的拥塞问题,提出了一种基于定向扩散路由协议的拥塞控制方法.在该方法中,转发节点根据本地的拥塞信息调整速率;sink节点周期地检测网络中的拥塞状态并将拥塞信息通过逐跳的方式反馈到源节点,而源节点根据接收到的反馈信息调节速率.仿真实验表明,该算法能有效地缓解网络中出现的拥塞,保证数...     

一种新的基于隐喻地图的RPA路径规划算法

智能化地制定机器人流程自动化(robotic process automation, RPA)执行路径有利于企业节约相关人力成本以及提高RPA的推广,提出基于改进深度双Q网络(double deep Q-learning algorithms, DDQN)算法进行RPA路径规划。首先针对存在RPA的作业环境即Web页面,不满足深度增强算法的探索条件的问题,借助隐喻地图的思想,通过构建虚拟环境来满足路径规划实验要求。同时为了提高DDQN算法探索效率,提出利用样本之间的位置信息的杰卡德系数,将其作为样本优先度结合基于排名的优先级(rank-based prioritization)构建新的采样方式。通过随机采用任务样本在虚拟环境上进行验证,证明其符合实验要求。进一步比较改进DDQN、深度Q网络(deep Q network, DQN)、DDQN、PPO以及SAC-Discrete算法的实验结果,结果显示改进算法的迭代次数更少、收敛速度更快以及回报值更高,验证了改进DDQN的有效性和可行性。     

双向蚁群算法的智能消防疏散图路径规划

当前我国正处在城市发展高速时期,综合建筑不断涌现,这时可根据火灾实时信息自动调整疏散路径的智能消防疏散图应运而生。路径规划算法是智能消防疏散图的重点研究方向之一。针对智能消防疏散图需结合火场信息动态规划路径等问题,提出了一种改进双向蚁群算法。添加了双向搜索策略,提高了算法全局搜索能力;结合A*算法改进了初始信息素分布,减小了算法初期搜索盲目性;改进了信息素更新策略,提高了算法收敛速度;结合火场信息和转向惩罚系数对算法蒸发系数、启发函数和转移概率进行改进,降低了陷入局部最优风险,提高了算法搜索效率和路径平滑性,并有效避开了火灾影响区域。通过仿真验证了算法有效性。     

基于CART改进模型的驾驶员路径选择行为估计方法

针对目前驾驶员路径选择估计精度不高的问题,考虑地区、城镇类型、性别、年龄、是否已婚、学历、职业、是否从事全职工作、收入水平、交通拥挤程度、排队长度、延误时间、道路熟悉程度、路径长度、替代路径节省时间等多方面因素,设计了一个驾驶员路径选择行为调查方案,并对驾驶员群体开展了网上调查.利用Logit模型及Probit模型分析了驾驶员路径选择行为的影响因素,得到性别、年龄、是否从事全职工作、延误时间、道路熟悉程度、路径长度、道路拥挤程度等因素的影响显著.利用改进的分类树(classification and regression tree,CART)模型设计了驾驶员路径选择行为估计模型,重点针对驾驶员路径选择行为的特点对传统CART模型的递归划分与剪枝2个主要算法进行了改进研究.样本测试结果表明:模型的估计精度可达82%,相比现有模型的估计精度至少提高了6%.研究成果可为交通诱导方案的制定提供有效的技术支持.     

An optimization model of UAV route planning for road segment surveillance

Unmanned aerial vehicle （UAV） was introduced to take road segment traffic surveillance. Considering the limited UAV maximum flight distance, UAV route planning problem was studied. First, a multi-objective optimization model of planning UAV route for road segment surveillance was proposed, which aimed to minimize UAV cruise distance and minimize the number of UAVs used. Then, an evolutionary algorithm based on Pareto optimality technique was proposed to solve multi-objective UAV route planning problem. At last, a UAV flight experiment was conducted to test UAV route planning effect, and a case with three scenarios was studied to analyze the impact of different road segment lengths on UAV route planning. The case results show that the optimized cruise distance and the number of UAVs used decrease by an average of 38.43% and 33.33%, respectively. Additionally, shortening or extending the length of road segments has different impacts on UAV route planning.     

应用技术大学目标下人才强校的战略路径--以福建工程学院为例

基于应用技术大学建设的大背景,分析建设应用技术大学目标对人才工作提出的新要求,提出进一步实施人才强校战略的路径及具体措施,即：更新观念,牢固树立科学的人才观;体制创新,可以探索建立有利于人才队伍建设的新机制;突出重点,建设高水平的教学科研团队伍。     

燃煤电厂烟气SO3排放控制研究进展

由于对生态环境、人体健康、电力生产的多重危害,当前燃煤电厂烟气SO3排放已引起广泛关注,对其排放控制特性进行深入研究与系统总结是下一步制定相关政策以及实施排放控制工作的基础。该文分别从燃煤电厂烟气SO3协同控制技术与专项脱除技术2个方面,综述了前人的研究成果与当前的研究进展,分析了现有控制技术有待解决的关键问题及有待开展的研究内容,并在此基础上,结合我国燃煤电厂燃煤条件、锅炉炉型、超低排放装备等特点,提出了后续应对不同SO3排放控制要求的可行技术路线,以期为后续开展相关技术研究、工程实践、政策制订等工作提供借鉴和参考。