基于多目标贪心策略的增益最大化团队构建算法

研究了满足一定约束条件的协同作业团队的构建。针对传统构建忽略了团队成员在协作过程中个体技能可增加这一因素,提出了团队构建的统一优化目标函数问题,并在综合考虑协同作业任务所需技能集合覆盖约束和团队成员之间交流代价最小化约束的基础上,引入了团队成员增益最大化约束。针对该多目标优化问题,提出了3种基于贪心策略的启发式团队构建算法,即基于最小集合覆盖贪心策略的团队构建算法——贪心集覆盖算法(GSCA)、基于团队增益最大化贪心策略的团队构建算法——贪婪团队增益算法(GTGA)和基于多路径(MR)贪心策略的团队构建算法——MRGTGA。大量实验证明,GSCA较适用于交流代价极高的远程协作环境,MRGTGA较适用于对算法运行效率要求不高、但对整体增益最大化要求极高的场景,GTGA构建的团队整体增益值接近精确解(其值达到暴力枚举算法的96.70%),同时该算法运行效率极高(其计算时间接近GSCA)。     

基于PowerMill的工艺知识库自动生成系统

介绍了基于PowerMILL的数控工艺知识库自动生成系统的开发过程。该系统基于对PowerMILL平台进行二次开发,实现对PowerMILL工程项目的工艺策略及其参数值自动获取与分析,并将其创建与保存至数据库,最后生成工艺知识清单。借助该系统,缺乏经验的编程人员可通过工艺知识清单学习前辈的编程策略以及积累相关工艺知识,从而减少人为的编程失误,提高编程质量和编程效率。     

面向一致性对话生成的对抗匹配网络与目标侧注意力机制研究

序列到序列(seq2seq)方法在开放域对话生成领域中备受研究学者的关注。然而,标准的序列到序列模型容易产生语义冲突和不连贯的对话回复,这种不一致性是现有系统生成的回复显著有别于人类真实对话的重要原因之一。对话生成中的一致性既包括回复内部的语义一致性,也包括上文与其回复之间的外部关联性。本文提出了一个新的对话生成框架,称为基于张量匹配的生成式对抗网络(MatchGAN),以提高对话回复与其上文之间的外部关联性。与传统的基于最大似然估计的方法不同,该框架通过基于序列到序列模型的生成器和基于张量匹配网络的判别器之间的对抗学习来生成与上文相关的回复。通过使用匹配网络对上文与回复之间的多维关系进行建模,该模型所产生的回复更加符合人类对话的特点。此外,本研究进一步引入了目标侧注意力机制来增强所产生回复的内部语义一致性。实验结果表明,本文提出的框架能够产生高质量的对话回复,在量化指标评价和人工评测方面均优于其他基线方法。     

面向用户体验的动态负载均衡算法研究

随着互联网用户数量的迅速增长,Web服务面临着巨大的访问压力,对Web服务器持续提供服务提出了更高的要求.当负载过重时可能会导致服务器宕机等严重状况,从而影响Web服务器对用户HTTP请求的响应,进而影响服务质量,因此Web服务器集群需要更好地响应用户请求.本文提出了一种基于用户体验的动态负载均衡算法(QRFS),在保...