带平衡约束矩形布局优化问题的深度强化学习算法

带平衡约束的矩形布局问题源于卫星舱设备布局设计,属于组合优化问题。深度强化学习利用奖赏机制,通过数据训练实现高性能决策优化。针对布局优化问题,提出一种基于深度强化学习的新算法DAR及其扩展算法IDAR。DAR用指针网络输出定位顺序,再利用定位机制给出布局结果,算法的时间复杂度是O（n³）;IDAR算法在DAR的基础上引入迭代机制,算法时间复杂度是O（n⁴）,但能给出更好的结果。测试表明DAR算法具有较好的学习能力,用小型布局问题进行求解训练所获得的模型,能有效应用在大型问题上。在两个大规模典型算例的对照实验中,提出算法分别超出和接近目前最优解,具有时间和质量上的优势。     

基于注意力机制的多模态融合谣言检测方法

谣言会对社会生活造成不利影响,同时具有多种模态的网络谣言比纯文字谣言更容易误导用户和传播,这使得对多模态的谣言检测不可忽视。目前关于多模态谣言检测方法没有关注词与图片区域对象之间的特征融合,因此提出了一种基于注意力机制的多模态融合网络AMFNN应用于谣言检测,该方法在词-视觉对象层面进行高级信息交互,利用注意力机制捕捉与关键词语相关的视觉特征;提出了基于自注意力机制的自适应注意力机制Adapive-SA,通过增加辅助条件来约束内部的信息流动,使得模态内的关系建模更有目标性和多样性。在两个多模态谣言检测数据集上进行了对比实验,结果表明,与目前相关的多模态谣言检测方法相比,AMFNN能够合理地处理多模态信息,从而提高了谣言检测的准确性。     

基于LP-LSTM方法的相关应用研究

文章针对三峡水库库区的水温预测问题,首先分析了多环境水温因素,并采用LightGBM和主成分分析法结合的LP方法对多变量数据集进行特征处理;然后,结合优化的LSTM神经网络方法,提出LP-LSTM方法对三峡库区的水温进行预测。实验结果表明,LP-LSTM方法能够对数据集进行有效地处理、提升预测精度,同时LP-LSTM方法能够获得比其他预测方法更好的预测效果。     

多联动教学法在数据结构教学中的应用

针对数据结构教学过程中存在的理论强、实践弱以及各教学环节联动性差等问题,分析数据结构教学的特点以及学生学习的实际情况,提出使数据结构各个教学环节相互联系的"多联动"教学方法,从教学的各环节上阐述"多联动"方法的实施方案。     

基于视频压缩编码的动态图像水印方案

提出了一种新的基于视频压缩编码的动态图像水印方案。在嵌入水印时,充分考虑动态图像压缩编码的特性,对帧内编码帧(I帧),将水印信息嵌入到DCT低频系数中;而对帧间编码帧(P,B帧),结合动态补偿/离散余弦变换(MC/DCT)混介编码,把水印信息嵌入到运动补偿后的残差图像的自流成分中。同时,在水印嵌入时,采用扩频技术与多维水印相结合的方法,并通过相关检测的方法判断水印的存在。由于水印的检测是对视频码流直接实施的,不需要对压缩数据进行完全解码,从而大大降低了计算量,提高了视频数据水印的适用性。     

自适应迁移预测的动态多目标差分演化算法

针对动态多目标优化环境下寻找并跟踪变化的Pareto最优前沿和Pareto最优解集的难题,提出两个策略：自适应迁移策略和预测策略。自适应迁移策略是根据环境的变化自适应地插入迁移个体来提高算法种群的多样性,从而提高算法对动态环境的适应能力。预测策略是通过时间序列并加上一定的扰动来产生预测种群,来预测环境变化之后的Pareto最优解集,以达到对其快速跟踪的目的。通过两个策略在多目标差分演化算法上的应用来解决动态多目标优化问题。实验过程中,通过平均最优解集分布均匀度和平均决策空间世代距离等指标表明,基于自适应迁移策略和预测策略的多目标差分演化算法能够很好适应变化的环境,并能够快速找到Pareto最优解集。     

矩形布局优化问题的局部搜索蜂群算法

带平衡约束的矩形布局问题属于组合优化问题,当问题规模增大时求解困难。为提高求解效率,设计了一个蜂群算法,通过分析解的分布,提供了基于贪心策略的群体初始化方案,选择了有效的变异算子,将蜂群算法的搜索空间聚焦于最优解可能的区域。另外设计了一个二次局部搜索算法,对解的质量进行进一步提升。在10个公开的案例上与目前性能最好的算法进行了对照,提出的蜂群算法在其中9个较大规模的案例上超过了现有算法。理论分析和实验结果表明,相对于现有算法,所提蜂群算法能明显提高求解效率。