摘要：有能力约束的车辆路径问题(CVRP)是现阶段供应链应用最常见的问题模型,现多采用启发式算法求解。但随着问题规模增大,启发式算法求解速度慢且无法保证解的质量。提出端到端深度强化学习(DRL)网络框架对CVRP进行研究。首先利用边聚合图注意力网络编码器(EGATE)对车辆路径规划问题的图表示进行特征嵌入编码;然后设计多头注意力解码器(MAD)进行解码,并提出多解码策略以增加解的空间多样性;接着利用带回滚基线的基线REINFORCE算法对端到端网络模型进行训练,基线可自适应性更新以提升模型训练效果,并利用奖励函数归一化和Adam优化器对算法进行优化。最后通过对不同规模问题的实验以及与其他算法进行对比,验证了所提出端到端DRL框架的可行性与有效性,经过训练的模型在CVRPLIB公共数据集上的平均求解时间仅需0.189 s即可得到较优解。

摘要：介绍了纺制三叶形粘胶长丝的工艺条件、喷丝孔设计、纺制结果,对关键技术进行了讨论。纺制的111.1dtex/20f三叶形粘胶长丝,纤维截面异形度高,具有明显的三叶形状,成品丝质量达到GB/T13758-2008一等品水平。

摘要：介绍了纺制333.3dtex/18f三叶形粘胶长丝的工艺条件、喷丝头设计、纺丝成形及成品丝物化指标和特点。研制试验结果表明,333.3dtex/18f三叶粘胶长丝可纺性良好,成品丝截面三枝叶形态完整,异形度高,其物化指标达到GB/T13758-1992一等品水平。

摘要：采用管中成形与喷丝头高抽伸技术纺制111.1dtex/100f连续纺细旦粘胶长丝,通过对喷丝头设计、纺丝成形工艺、喷丝头高抽伸率等关键技术的创新,产品各项物理指标达到FZ/T54011—2014标准一等品水平,染色均匀度达到4级以上。