摘要：针对当前实际运输中广泛存在的绿色多舱车辆路径问题(GMCVRP),文章提出一种双重信息引导的蚁群优化算法(DIACO)进行求解.首先,在DIACO的全局搜索阶段,重新构建传统蚁群优化算法(TACO)中的信息素浓度矩阵(PCM),使其同时包含客户块信息和客户序列信息,即建立具有双重信息的PCM(DIPCM),从而更全面学习和累积优质解的信息;采用3种启发式方法生成较高质量个体,用于初始化DIPCM,可快速引导算法朝向解空间中优质区域进行搜索.其次,在DIACO的局部搜索阶段,设计结合自适应策略的多种变邻域操作,用于对解空间的优质区域执行深入搜索.再次,提出信息素浓度平衡机制,以防止搜索陷入停滞.最后,使用不同规模的算例进行仿真测试和算法对比,结果验证了DIACO是求解GMCVRP的有效算法.

摘要：移动应用(APP)软件的版本更新速度正在加快,对软件缺陷的有效分析,可以帮助开发人员理解和及时修复软件缺陷.然而,现有研究的分析对象大多较为单一,存在信息孤立、零散、质量差等问题,并且没有充分考虑数据验证及版本失配问题,分析结果存在较大误差,导致无效的软件演化.为了提供更有效的缺陷分析结果,提出一种面向版本演化的APP软件缺陷跟踪分析方法(ASD-TAOVE).首先,从多源、异构的APP软件数据中抽取APP软件缺陷内容并挖掘缺陷事件的因果关系;接着,设计了一种APP软件缺陷内容验证方法,基于信息熵结合文本特征和结构特征定量分析缺陷怀疑度,用于缺陷内容验证并构建APP软件缺陷内容异构图;然后,为了考虑版本演化带来的影响,设计了一个APP软件缺陷跟踪分析方法,用于在版本演化中分析缺陷的演化关系,并将其转化为缺陷/演化元路径;最后,通过一个基于深度学习的异构信息网络完成APP软件缺陷分析.针对4个研究问题(RQ)的实验结果,证实了ASD-TAOVE方法在面向版本演化过程中对缺陷内容验证与跟踪分析的有效性,缺陷识别准确率分别提升约9.9%和5%(平均7.5%).与同类基线方法相比,ASD-TAOVE方法可分析丰富的APP软件数据,提供有效的缺陷信息.

摘要：本文针对绿色分布式可重入作业车间调度问题(GDRJSSP),提出一种融入概率学习的混合差分进化算法(HDE PL),以实现最大完工时间和总能耗最小.根据GDRJSSP的问题特点,设计编码和解码规则,并采用差分进化算法执行全局搜索来发现优质解区域.为能更明确地引导全局搜索方向,设计基于贝叶斯网络结构的多维概率模型合理学习和积累优质解(即当前种群中的较优解)的模式信息.结合问题解的结构特征,提出基于关键路径的4种邻域结构来构造局部搜索,并设计基于非关键路径的节能策略来提升算法获取低能耗非劣解的能力.仿真实验和算法对比验证了HDE PL可有效求解GDRJSSP.

摘要：本文针对动态流水车间调度问题(DFSP),以最小化最大完工时间为优化目标,提出一种自适应深度强化学习算法(ADRLA)进行求解.首先,将DFSP的新工件动态到达过程模拟为泊松过程,进而采用马尔科夫决策过程(MDP)对DFSP的求解过程进行描述,将DFSP转化为可由强化学习求解的序贯决策问题.然后,根据DFSP的排序模型特点,设计具有较好状态特征区分度和泛化性的状态特征向量,并依此提出5种特定动作(即调度规则)来选择当前需加工的工件,同时构造基于问题特性的奖励函数以获取动作执行效果的评价值(即奖励值),从而确定ADRLA的3类基本要素.进而,以深度双Q网络(DDQN)作为ADRLA中的智能体,用于进行调度决策.该智能体采用由少量小规模DFSP确定的数据集(即3类基本要素在不同问题上的数据)训练后,可较准确刻画不同规模DFSP的状态特征向量与Q值向量(由各动作的Q值组成)间的非线性关系,从而能对各种规模DFSP进行自适应实时调度.最后,通过在不同测试问题上的仿真实验和与算法比较,验证了所提ADRLA求解DFSP的有效性和实时性.

摘要：针对乙醇间歇发酵生产速率低、劳动强度大,连续发酵会带来基质损失,甚至可能导致系统失稳的问题,探讨了一种能自动进行周期开关操控的自循环发酵(SCF)方案,并期望通过理论分析与设计来提高发酵过程的生产强度,同时消除产物抑制诱导系统失稳。具体地,从连续发酵模型稳定性分析出发,借助最优周期控制(OPC)理论给出SCF强化生产速率的必要性判据;进一步研究发现乙醇产物抑制作用会导致连续发酵系统失稳,并可有效缓解产物抑制作用,消除产物诱导失稳问题。模拟结果表明,生物乙醇的SCF生产模式可以缩短批次发酵时间、避免系统失稳。

摘要：红外成像技术通过捕捉目标热辐射特征进行成像,能实现复杂道路场景下的目标监测和道路冗杂信息滤除。针对红外行人和车辆目标检测模型参数量大、依赖高性能GPU资源和检测速度慢等问题,提出了一种注意力引导的多尺度红外行人车辆实时检测模型。首先,为精确匹配校准红外行人和车辆目标尺度与锚框尺寸,利用K-Means++算法对红外行人和车辆目标尺度进行先验框预置参数重聚类生成,并设计128×128精细尺度检测层;其次,设计注意力引导广域特征提取模块增强模型特征提取能力和空间及通道信息聚焦能力;随后,构建跨空间感知模块引入空间信息感知,强化不同尺度空间下的目标的特征表达能力;最后,针对资源受限设备,通过4倍通道剪枝方法降低模型参数量,增强移动端算法部署适应性。实验结果表明:所提IRDet算法与基准方法相比,模型平均检测精度提升4.3%,达到87.4%,模型权重值压缩60.4%,降至5.7 MB。

摘要：纳滤膜技术基于膜孔筛分和界面道南效应,实现不同价态离子分离,无需引入其他溶剂,是一种绿色环保的新型分离技术。根据中国盐湖卤水高镁锂比现状及难开采、产量低等特点,将纳滤分离技术应用于盐湖锂资源提取中具有深远意义。总结了盐湖卤水中提锂的现状,对比了盐湖提锂技术的优劣,对国内外从事纳滤膜相关研究的机构及其典型成果进行了分析。并对目前纳滤膜材料的设计与制备以及膜材料的发展进行了总结和展望,同时,深入研究了纳滤膜表面传质模型对纳滤膜实现镁锂分离机制及促进纳滤膜广泛应用所具有的重要意义。最后,对纳滤膜技术特点进行了分析总结,对常用的纳滤膜传质模型的研究进展进行了详细综述,在此基础上提出了在盐湖提锂中运用纳滤膜分离技术的未来发展方向。

摘要：为实现包装盒纸质基底层和透明膜层缺陷的同步检测,开展了对纸和膜缺陷的同步成像研究。首先,分别建立了标准球面积分光场、椭球面积分光场和弧面积分光场模型,并利用COMSOL Multiphysics 5.6对3类光场进行射线仿真,对比分析了球面积分光场下射线角度均匀性及辐照均匀性,通过正交仿真优化椭球面积分光场参数;其次,在椭球面积分光场环境、亮场前打光环境、暗场前打光环境下对包装盒成像。与此同时,对包装盒的油污、抵触、开口、泡皱、破损5项常见缺陷依次进行物理检测和机器视觉检测,验证缺陷成像的有效性。试验结果表明,在椭球面积分光场下成像,图像对纸质基底层缺陷特征、透明膜层缺陷特征均有较好的呈现效果,图像上油污、抵触、开口、泡皱、破损的物理检出率分别为96.2%、92.5%、100%、95%、92%,异常检出率分别为98.6%、97.5%、100%、100%、98.4%,缺陷类别检出率分别为97.6%、96%、100%、97%、96%。研究结果表明,椭球面积分光场光路角度和辐照强度均匀,覆透明膜包装盒的缺陷特征呈现清晰,满足工业生产的检测要求。

摘要：街道场景视频实例分割是无人驾驶技术研究中的关键问题之一,可为车辆在街道场景下的环境感知和路径规划提供决策依据.针对现有方法存在多纵横比锚框应用单一感受野采样导致边缘特征提取不充分以及高层特征金字塔空间细节位置信息匮乏的问题,本文提出锚框校准和空间位置信息补偿视频实例分割(Anchor frame calibration and Spatial position information compensation for Video Instance Segmentation,AS-VIS)网络.首先,在预测头3个分支中添加锚框校准模块实现同锚框纵横比匹配的多类型感受野采样,解决目标边缘提取不充分问题.其次,设计多感受野下采样模块将各种感受野采样后的特征融合,解决下采样信息缺失问题.最后,应用多感受野下采样模块将特征金字塔低层目标区域激活特征映射嵌入到高层中实现空间位置信息补偿,解决高层特征空间细节位置信息匮乏问题.在Youtube-VIS标准库中提取街道场景视频数据集,其中包括训练集329个视频和验证集53个视频.实验结果与YolactEdge检测和分割精度指标定量对比表明,锚框校准平均精度分别提升8.63%和5.09%,空间位置信息补偿特征金字塔平均精度分别提升7.76%和4.75%,AS-VIS总体平均精度分别提升9.26%和6.46%.本文方法实现了街道场景视频序列实例级同步检测、跟踪与分割,为无人驾驶车辆环境感知提供有效的理论依据.

摘要：初烤烟叶等级的快速准确检测对开发烟叶智能分级设备以促进农产品精细化管理有着重要意义。针对相似度较高但等级不同的初烤烟叶难以区分的问题,本文提出多感受野特征自适应融合及动态损失调整的初烤烟叶等级检测网络(Flue-cured Tobacco Leaf Grade Detection Network,FTGDNet)。首先,FTGDNet采用CSPNet作为特征提取主干网络,采用GhostNet作为辅助特征提取网络以增强模型的特征提取能力;其次,在主干网络末端嵌入显式视觉中心瓶颈模块(Explicit Visual Center Bottleneck module,EVCB)以实现全局特征信息与局部细节特征信息融合;然后,构建多感受野特征自适应融合模块(Multi-Receptive Field Feature Adaptive Fusion module,MRFA_d),利用注意力特征融合机制(Attention Feature Fusion,AFF)将不同感受野特征图进行自适应加权融合,在增强模型局部感受野的同时突出有效通道信息;最后,设计了一种新的定位损失函数(More Complete IoU Loss,MCIoU_Loss),结合预测框与真实框面积损失以解决在回归定位过程中二者宽高比相等且中心点重合时CIoU_Loss性能退化导致定位精度下降问题,此外,引入矩形相似度衰减系数在训练过程中对真实框与预测框的相似度判别项进行动态调整,加快模型拟合。实验结果表明,FTGDNet对十个等级的初烤烟叶的验证精度达到90.0%,测试精度达到87.4%,且推理时间仅为12.6 ms。相较于多种先进目标检测算法,FTGDNet具有更高的检测精度和更快的检测速度,可为高精度初烤烟叶等级检测提供关键技术支撑。