横向整合战略下异质车辆库存路径优化模型

以实现供货商联盟期望物流成本最小化为目标,针对需求随机波动下的多供货商多产品库存路径问题（IRP）进行了研究。基于横向整合战略,设计了供货商联盟成员间车辆配送成本的合理分摊方式。考虑零售商配送软硬时间窗和库存服务水平要求,构建了多供货商多产品的异质车辆库存路径混合整数随机规划模型,并利用需求累积分布逆函数将其转化为确定型规划模型。然后设计改进遗传算法求解该确定型规划模型。算例分析结果显示,使用异质车辆配送可以比使用同质重型和轻型车辆分别降低供货商联盟总成本8.3%和11.92%,分别提升配送车辆装载率24%和17%。敏感性分析结果表明,无论供货商供货数量占联盟总供货数量比例和零售商商品需求变异系数如何变化,采用异质车辆配送的供货商联盟总成本都能得到有效降低;且需求变异系数越大,采用异质车辆配送的优势越明显。     

考虑电池损耗的电动冷藏车路径及充电策略

电池充电造成的电池损耗对企业运营成本影响较大,以不同SOC区间内一次充电造成的电池容量衰退成本模型估计电池损耗成本,研究了车辆途中可多次进入充电站充电的路径优化问题,在考虑运输成本、制冷成本、货损成本、充电时间成本、惩罚成本的基础上,将电动冷藏车的电池损耗成本纳入总成本最小的目标函数,并建立了线性规划数学模型。采用增加粒子间共享信息类型的改进粒子群算法对该模型进行求解。将改进粒子群算法应用于构造的算例中,得到包括充电策略在内的车辆最优路径方案和最小运营成本,结果表明充电上限为80%的车辆路径方案可得到最低的运营成本,同时与标准粒子群算法求得的计算结果进行了比较分析,证明该改进粒子群算法在求解该问题上的可行性。     

基于改进NSGA-II的车间排产优化算法研究

针对NSGA-II算法在处理车间排产优化问题中出现的子代种群多样性差、收敛能力差等问题,提出了一种改进NSGA-II的车间排产优化算法。改进NSGA-II算法主要对传统NSGA-II算法的交叉和变异环节,提出新的改进自适应交叉和变异算子,通过对个体拥挤度与种群平均拥挤度进行对比,并结合种群迭代进化过程,将遗传概率与种群个体及种群进化迭代次数关联,避免盲目导向性,提高种群的收敛速度;提出新的均匀进化精英保留策略,通过自适应分层次选取种群个体,解决子代种群多样性差的问题。针对车间排产问题,选择“最大化最小交货提前期”和“最小化最大理想加工时间偏差”作为目标函数,运用改进NSGA-II算法进行实际工程的仿真分析,对比改进前后算法优化的结果,验证了算法的有效性,同时证明了其应用于实际生产排产调度问题的价值参考性。     

基于改进U-Net的宫颈细胞核图像分割

原始的U-Net采用跳跃结构结合高低层的图像信息,使得U-Net模型有良好的分割效果,但是分割结果在宫颈细胞核边缘依然存在分割欠佳、过分割和欠分割等不足.由此提出了改进型U-Net网络图像分割方法.首先将稠密连接的DenseNet引入U-Net的编码器部分,以解决编码器部分相对简单,不能提取相对抽象的高层语义特征.然后对二元交叉熵损失函数中的宫颈细胞核和背景给予不同的权重,使网络更加注重细胞核特征的学习.最后在池化操作过程中,对池化域内的像素值分配合理的权值,解决池化层丢失信息的问题.实验证明,改进型U-Net网络使宫颈细胞核分割效果更好,模型也越鲁棒,过分割和欠分割比率也越少.显然,改进型U-Net是更有效的图像分割方法.     

基于多模态特征学习的人体行为识别方法

由于从单一行为模态中获取的特征难以准确地表达复杂的人体动作,本文提出基于多模态特征学习的人体行为识别算法.首先采用两条通道分别提取行为视频的RGB特征和3D骨骼特征,第1条通道C3DP-LA网络由两部分组成:(1)包含时空金字塔池化(Spatial Temporal Pyramid Pooling,STPP)的改进3D CNN;(2)基于时空注意力机制的LSTM,第2条通道为时空图卷积网络(ST-GCN),然后,本文将提取到的两种特征融合使其优势互补,最后用Softmax分类器对融合特征进行分类,并在公开数据集UCF101和NTU RGB+D上验证.实验表明,本文提出的方法与现有行为识别算法相比具有较高的识别准确度.     

基于改进SVM的互联网用户分类

由于传统模型大量约束样本,导致其学习能力下降,因此设计一个基于改进支持向量机(Support Vector Machine,SVM)的互联网用户分类模型.该模型通过构造样本数据,模拟互联网用户的浏览轨迹;根据用户偏好,制定全新的用户分类策略;基于改进支持向量机,实现对互联网用户的分类.性能测试:3次实验下,此次设计的模型分类准确率平均值为98.56%,超出了预设的期望值,具备分类能力.对比测试:与两组传统用户分类模型相比,此次设计的模型,面对不断增加的样本数据,同样能保持高水平的学习能力.     

Probabilistic and interval reliability design of the composite pressure vessel

Considering the randomness or interval character of physical parameters and applied loads of composite pressure vessels (COPV), the COPV reliability-analyzing model is built. And then the computational expressions for the mean value, standard deviation and deviation of fiber stress are deduced by the random factor method. The probabilistic and interval reliability designs on COPV are implemented by utilizing the probabilistic method and interval method combined with the improved particle swarm optimization (PSO) algorithm, respectively. The influence of fluctuation of structure uncertain parameters on COPV design thickness is inspected. Finally, examples are given to demonstrate that both probabilistic and interval reliability methods can satisfy the safety requirement and both are of higher rationality than the traditional safety factor method. And probabilistic method has a lower relative error but a higher computational complexity contrasted with the interval method.     

超声左心耳图像的轮廓自动提取

针对经食道超声左心耳图像的分辨率低、对比度低、含有斑点噪声等问题,提出了一种结合左心耳解剖位置和超声图像灰度及相位信息的方法,全自动定位常规切片中的左心耳。首先,根据医生采集习惯,以左心耳在标准切面中的解剖位置为先验知识,结合其灰度特性,自动确定分割模型中的初始轮廓;然后,通过线型加权相位和梯度信息构造新的外力项,改进向量场卷积模型,完成左心耳轮廓的自动提取。300张左心耳超声图片测试结果表明,以医生手动勾勒的轮廓作为“金标准”,该方法自动提取左心耳的准确性为0.8969 0.0494、敏感性为0.9058 0.0762、特异性为0.9645 0.1687。分割效果优于传统的向量场卷积模型,能够解决自动定位超声图像中左心耳的初始轮廓和弱边界分割的问题。     

模糊系统结合蚁群算法的金具温升建模

为了得到准确可靠的阀厅连接金具温升模型,运用模糊系统结合蚁群算法的方法进行建模。在分析基本蚁群算法与梯度下降法优缺点的基础上,将两种方法结合形成改进蚁群算法,即在基本蚁群算法基础上应用梯度下降算法。通过试验得到的训练数据分别用基本蚁群算法、梯度下降算法、改进蚁群算法训练模糊系统,改进蚁群算法的收敛效果优于其他两种方法;通过试验得到的测试数据对4种方法所得的模型进行测试,由改进蚁群算法训练模糊系统所得模型的测试效果是最好的。结果表明,若能通过试验得到足量训练数据,用改进蚁群算法训练模糊系统的方法对阀厅连接金具的温升进行建模是可行的。     

大型复杂跨流域调水工程电站-水库-泵站群多目标优化调度

考虑调水量、发电最大和耗能最小3个目标,建立电站-水库-泵站群多目标优化调度模型。基于参数调整策略、邻域变异和加速策略,提出了求解多目标优化调度模型的综合改进布谷鸟新算法并求解模型,获得了发电、调水、泵站耗能多目标Pareto解集。以引汉济渭大型复杂跨流域调水工程为实例,将该模型与模拟调度模型和NSGA-Ⅱ算法多目标优化调度模型的结果进行比较,结果表明,该优化调度模型的发电、调水、耗能、弃水等各项指标合理,具有相对优势。