摘要：针对实际生产中广泛存在的一类带恶化效应的同构并行机调度问题,以最小化最大完工时间为优化目标,构建该问题的整数规划模型,并提出一种启发式列生成算法(HCGA)进行求解.在HCGA中,首先,利用Dantzig-Wolfe分解方法,将原问题分解为一个主问题(MP)和多个子问题;然后,设计启发式算法获得初始列,其中每列为一台机器上的一个调度方案,基于初始列构建限制主问题(RMP)模型;接着,设计快速有效的动态规划算法求解子问题,以得到需添加至RMP的列集,同时,考虑传统列生成算法收敛速度较慢,设计一系列方法来加速列生成过程;最后,基于所获取的MP线性松弛解,设计深潜启发式算法确定原问题的整数解. HCGA与商用求解器GUROBI的对比实验结果表明, HCGA可在较短时间内获得更优的解.

摘要：针对一类广泛存在的分布式生产-运输-装配集成调度问题(Integrated scheduling problem of distributed production,transportation and assembly,ISPDPTA),建立问题模型并提出一种增强三维分布估计算法(Enhanced three-dimensional estimation of distribution algorithm,E3DEDA)进行求解。在E3DEDA的全局搜索部分,先根据ISPDPTA的问题特性,对包含工厂信息的工件与产品进行多段编码,并依据最短路径规则获得各车辆路径;再采用双三维概率模型分别学习和积累种群中较优个体的工件块与产品块结构及其位置信息,并采样生成新个体,从而增强算法发现优质解空间区域的能力。在E3DEDA的局部搜索部分,设计自适应变邻域局部搜索来增强算法的局部搜索能力。具体而言,针对问题各阶段特性,设计10种有效的邻域操作组成备选集合,并采用二维概率模型学习由不同邻域操作所构成的优质邻域结构信息,进而采样生成合理的邻域操作排列并依次执行,以实现对全局搜索所发现优质区域的深入搜索。此外,设计块结构概率评价更新机制,可提升算法执行效率。最后,通过仿真试验与算法对比验证E3DEDA可有效求解ISPDPTA。

摘要：事件驱动故事生成旨在根据有限的故事背景和事件信息生成连贯且符合事件内容的故事.然而,现有方法常因对复杂的事件关系推理不足,导致生成的故事存在语义不连贯、情节冲突等问题.为此,文中提出基于三幕结构思维链和语义自洽的事件驱动故事生成方法,在生成故事前选择类型多样的故事示例,学习不同类型故事的写作方式.生成故事时,按照故事的开端、冲突和结局三幕结构设计思维链,引导方法合理规划故事内容,避免故事情节前后矛盾.生成故事后,引入语义自洽,模拟作家的推敲过程,从生成的多个故事中选择语义一致、连贯性和相关性较高的故事.实验表明,相比提示学习方法,文中方法的BLEU-4和BERTScore指标值有所提升,并且在人工评估中也占有一定的优势.

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：针对民族服装图像属性信息复杂、类间相似度高且语义属性与视觉信息关联性低,导致图像描述生成结果不准确的问题,提出民族服装图像描述生成的局部属性注意网络.首先构建包含55个类别、30000幅图像,约3600 MB的民族服装图像描述生成数据集;然后定义民族服装208种局部关键属性词汇和30089条文本信息,通过局部属性学习模块进行视觉特征提取和文本信息嵌入,并采用多实例学习得到局部属性;最后基于双层长短期记忆网络定义包含语义、视觉、门控注意力的注意力感知模块,将局部属性、基于属性的视觉特征和文本编码信息进行融合,优化得到民族服装图像描述生成结果.在构建的民族服装描述生成数据集上的实验结果表明,所提出的网络能够生成包含民族类别、服装风格等关键属性的图像描述,较已有方法在精确性指标BLEU和语义丰富程度指标CIDEr上分别提升1.4%和2.2%.

摘要：针对民族服装风格多样、款式和配饰复杂,导致单视角三维服装重建结构不完整、风格不准确和局部特征模糊等问题,为了学习和映射民族服装的潜在风格特征,提出一种单视角三维服装重建的民族风格表征学习方法.首先结合定义的民族服装形状风格和几何拓扑构建形状表征,学习形状潜在特征;然后基于区域定位和关键点,并融合定义的款式风格、着装部位进行款式表征,得到局部感知区域图,以学习款式潜在特征;再联合形状、款式特征以及定义的对称损失函数,隐式重建出民族服装的初步模型;最后在卷积网络中引入图像的超像素特征、Branch分支和配饰的语义解析建立配饰表征,并编码UV位置图到特征空间,生成民族服装的最终模型.在自定义的少数民族服装数据集上的实验结果表明,所提方法的倒角距离和法线余弦距离分别为1.732和0.13,较已有方法降低11%和18%,能够提高单视角三维民族服装重建的精度,生成具有民族风格的三维服装模型.

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：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：提出了一种新的具有预设性能的自回归小波神经网络(self-recurrent wavelet neural network,SRWNN)超扭曲非奇异快速终端滑模(super-twistingnon-singularfastterminalsliding mode,STNFTSM)控制方法(SRWNN_STNFTSM),在动力学不确定性和未知扰动的情况下提高板球系统的跟踪控制性能。利用预设性能函数(prescribed performance function,PPF),将板球系统受约束的位置误差转换为无约束的误差模型。引入非奇异快速终端滑模(non-singular fast terminal sliding mode, NFTSM)面来消除常规终端滑模控制存在的奇异问题,并加入一个tanh函数的补偿项改进NFTSM滑模面,以调节轨迹跟踪的收敛速度和跟踪精度,同时结合超扭曲算法(super-twisting algorithm,STA)设计STNFTSM控制器,以削弱抖振和集总扰动的影响。针对系统存在的集总扰动,为了保证高跟踪精度,结合STNFTSM设计了自适应SRWNN补偿器来消除扰动,保证了鲁棒性。与现有常规滑模控制相比,仿真验证表明SRWNN_STNFTSM具有良好的跟踪性能和鲁棒性,能够对集总扰动下的板球系统进行准确跟踪。