求解带容量约束车辆路径问题的改进遗传算法

为解决传统遗传算法求解带容量约束的车辆路径问题时收敛速度慢和局部搜索能力差的问题,对传统遗传算法提出一种改进策略。使用基于贪婪策略的启发式交叉算子加强算法接近最优解的能力,加快算法收敛速度,在变异操作中,引入最近邻搜索算子,缩小基因变异范围,使用单点局部插入算子提高算法的局部优化能力。采用精英选择和轮盘赌法结合的选择策略,保持种群多样性以加强算法的全局搜索能力。实例计算测试表明,与传统遗传算法相比,所提算法求解平均偏差降低了70.25%,求解时间减少了87.41%;与ALNS和AGGWOA算法相比,有更高的求解质量和更好的稳定性。     

考虑起降安全的无人机血液运输路径规划

针对使用无人机进行血液运输的路径规划问题,以无人机运输总距离最小为目标,建立多约束无人机血液运输路径规划模型。考虑无人机起降平台数量受限情况下的无人机连续起降安全时间间隔,设计无人机起飞顺序调度策略,以减少无人机完成运输的总耗时,并提出一种基于帝国改革的帝国竞争算法求解该问题。该算法引入正弦扰动策略、增加帝国改革阶段来提高算法的搜索精度,使用与解质量相关的接受准则以保持种群的多样性。利用基准算例和无人机运输血液实例进行验证,结果表明,所提算法可为无人机血液运输任务提供满足各项约束,且没有无人机起降冲突的运输方案;无人机起飞顺序调度策略,可有效减少无人机实际完成任务的总耗时。     

一种基于BERT和池化操作的文本分类模型

使用预训练语言模型的微调方法在以文本分类为代表的许多自然语言处理任务中取得了良好的效果,尤其以基于Transformer框架的BERT模型为典型代表。然而,BERT直接使用［CLS］对应的向量作为文本表征,没有从全局和局部考虑文本的特征,从而限制了模型的分类性能。因此,本文提出一种引入池化操作的文本分类模型,使用平均池化、最大池化以及K-MaxPooling等池化方法从BERT输出矩阵中提取文本的表征向量。实验结果表明,与原始的BERT模型相比,本文提出的引入池化操作的文本分类模型具有更好的性能,在实验的所有文本分类任务中,其准确率和F1-Score值均优于BERT模型。