人工智能在智慧海洋建设中的应用

围绕人工智能与智慧海洋建设这条主线，论述人工智能、智慧海洋的概念，列举当前较为成熟的人工智能与海洋科技在海洋观测方面融合的切入点，初步展现一种海洋技术与装备智能化的发展路径，提出加快人工智能技术向智慧海洋建设赋能的几点建议。     

巴斯夫推出基于可再生原料的增塑剂产品组合

巴斯夫已开始向PVC行业提供部分基于循环原料的增塑剂组合。对于这种新的增塑剂组合,在价值链的开始阶段,使用可再生或化学循环原料代替化石资源。替代原料根据质量平衡法分配到销售产品中。巴斯夫的生物质平衡(BMB)增塑剂基于可再生原料,名称为Hexamoll■DINCH BMB、Palatinol■N BMB、Palatinol■10-P BMB和Plastomoll■DOA BMB,使用所需数量的生物石脑油或沼气代替化石资源。这些材料来自有机废物或植物油。生物质平衡增塑剂比传统增塑剂的碳足迹更低,有助于节约化石资源。巴斯夫的质量平衡方法和BMB增塑剂都是根据REDcert2认证的。     

主存高效的公交网络路径规划索引

在公交时间表下给定起始和目标站点,路径规划查询返回一组到达时间早和换乘次数少的帕雷托最优路径.现有的索引方法需要大量运行时内存.本文提出主存空间高效的索引方法(a-)PAINT.(a-)PAINT对每个站点v预计算一组标签,使得对于从站点s到站点d的查询可以通过匹配s和d相关的标签高效地生成查询结果的一条路径.PAINT对任意查询返回最优路径.a-PAINT只需要很小的预处理开销,但可能返回多一趟换乘的次优路径.用真实的公交时间表与模拟查询测试,PAINT具有合理的预处理开销.a-PAINT需要更少量的预处理开销,在大规模公交网络下准确率达90％.     

基于改进D?Lite遗传算法路径规划研究

针对遗传算法在移动机器人路径规划中易产生早熟现象和收敛速度慢的问题,提出了改进的D~* Lite遗传算法。该算法将D~* Lite算法和遗传算法相结合,通过引入碰撞系数和可视检测技术以提高路径安全性,寻找最短路径。在遗传算法设计中加入动态调整交叉与变异概率,以解决算法在路径规划中因陷入局部最优值而不能到达目标点的问题。最后,通过实验仿真可知:与蚁群算法和免疫遗传算法相比,改进的D~* Lite遗传算法执行效率高,可以快速规划出全局最优路径。     

基于启发式BP算法的软件缺陷预测模型

针对软件缺陷预测时缺陷数据集中存在的类别分布不平衡问题，结合上采样算法SMOTE与Edited Nearest Neighbor (ENN) 数据清洗策略，提出了一种基于启发式BP神经网络算法的软件缺陷预测模型。模型中采用上采样算法SMOTE增加少数类样本以改善项目中的数据不平衡状况，并针对采样后数据噪声问题进行ENN数据清洗，结合基于启发式学习的模拟退火算法改进四层BP神经网络后建立分类预测模型，在AEEEM数据库上使用交叉验证对提出的方案进行性能评估，结果表明所提出的算法能够有效提高模型在预测类不平衡数据时的分类准确度。     

飞机客舱的屏蔽效能研究

功率平衡法的网络化公式是以电磁拓扑学和统计电磁学为基础而发展起来的一种电大尺寸系统电磁效应的系统级评估方法。利用全波仿真的方法验证了功率平衡法的可行性,在此基础上,对波音747-8客舱的品质因数和屏蔽效能进行了评估。该方法具有快速便捷和适用范围广的特点。     

高校组织育人的发展困境与路径选择

组织育人是新时代高校思政工作创新发展的新探索,具有独特的价值内涵。表现为构建了多维联动育人格局、跳出了立德树人体内循环、促进了育人环节互融互通和强化了育人工作组织存在。但现实中组织育人也遭遇了组织育人意识不强、育人合力难聚、盲目协同育人和作用层层递减等发展困境。鉴于此,深化组织育人教育理念、探索组织协同育人模式、拓展组织育人空间阵地和丰富组织育人平台载体是新时代高校开展组织育人的必然选择。     

无线传感器网络中移动sink节点的路径规划

在无线传感器网络中,大量感知数据汇集到sink节点的采集方法会导致sink节点附近的节点能量耗尽,造成能量空洞。针对该问题,利用移动的sink节点进行数据收集是一种解决方法,其中移动sink的路径规划成为一个重要的问题。提出了一个移动sink路径规划算法,将无线传感器中随机分布的节点划分为不同的子区域,寻找sink节点移动的最佳转向点,最终得到最优的移动路径,以实现无线传感器网络生命周期最大化。仿真实验表明,与现有方案相比,该算法能显著延长网络的生命周期。