摘要：针对武器装备科研经费分配难的问题,首先,考虑了不同武器装备研制费用随时间的分布模型,其次,在满足多种现实约束的情况下,以分配方案最大化满足经费需求为目标建立了数学规划模型,并设计了基于差分进化的求解算法。针对模型的特殊性,设计了特殊的编码方式,以满足各种现实约束。最后,通过一个示例验证了该模型和算法的有效性,可以为武器装备科研经费规划提供决策支持。

摘要：江苏师范大学文化创意产业园文化创意大厦钢结构空中连廊位于75m以上高空。该项目高度高,体量大,质量要求高。在结构安装过程中,采取了缆索吊装这一非常规吊装方法,通过科学、合理、可靠的技术论证和有效的质量控制,成功地施工了该项工程,满足了施工和设计要求。

摘要：针对武器装备组合规划中存在的选择难、规划难问题,在给定能力需求的条件下,从分析装备的组合变更对整体体系的影响出发,考虑了总的经费预算、年度费用分配、装备规划周期等约束,以能力差距和发展风险最小为准则,构建了双目标优化模型,并设计了基于差分进化和非支配排序的遗传算法的求解算法,获得模型的Pareto解。通过逼近理想解排序法方法从所求Pareto解中求得令决策者满意的折中解。通过一个具体示例验证了模型和算法的有效性,能够为武器装备组合规划提供辅助决策。

摘要：针对多阶段武器装备组合规划中的选择难、规划难问题,提出基于多目标优化算法以及强化学习技术的混合优化方法。在各个阶段以装备组合效能最大和成本最小为准则,构建单阶段多目标优化模型,并设计基于非支配排序遗传算法的求解算法以生成各阶段的Pareto解,在此基础上建立多阶段的组合优化模型。通过强化学习的Q-Learning方法,在各阶段的Pareto解中采用探索或者利用两种模式,生成各阶段的装备组合,并指导下一阶段的装备选型,从而生成整个周期内的规划方案。通过对比实验分析,验证了所提模型和算法的有效性,能够为多阶段武器装备组合规划提供辅助决策。

摘要：提出了一种面向俄乌冲突的时序知识图谱推理方法,该方法基于进化图演变的思路,将历史事件和相关知识构建成一个时序知识图谱,并通过对知识图谱中节点和边的演化过程进行建模,实现了对未来事件的预测和分析。具体而言,首先利用自然语言处理技术对公开的新闻报道、社交媒体信息等进行爬取和处理,提取关键词和时间信息,并将其转换为结构化数据。然后,利用这些数据构建起一个时序知识图谱,其中每个节点表示一个事件或概念,每条边表示它们之间的关系。其次,通过基于进化图演变的算法对知识图谱建模,从而能够模拟节点和边在不同时间段内的演化特征。最后,通过在俄乌冲突数据集上构建推理系统,实验结果表明该模型与系统设计具有良好的效果和应用前景。

摘要：时序知识图谱推理是将时序信息引入知识表征学习和知识推理任务中,旨在推断事件在未来的演变趋势.针对大多数时序知识图谱推理方法存在跨时间实体与关系推理能力有限的问题,提出基于多关系事件和注意力机制的时序知识图谱推理模型(Attention Events Network,Attn-Net).为利用时序知识图谱中推理任务与时序事件的关联信息,往往需要设计专门的、复杂度高的时序编码器.然而循环神经网络作为最常用的一类序列编码器,忽略了序列节点与任务之间的关联程度,并不能很好适用于知识推理.文中提出了使用自注意力机制序列编码模型来融合序列的历史信息,计算推理任务与时序历史信息的注意力标量,从而得到更准确的历史事件关联信息编码.在此基础上,使用注意力机制优化多关系邻域聚合器,根据不同关系下事件关注程度计算得到实体的邻域表示,从而获得更准确的事件编码,最终获取了更准确的实体邻域向量表示.在WIKI和YAGO数据集上实验表明,Attn-Net的效果分别提升了1.5%和2%,且有效提高了时序知识图谱推理的能力.