摘要：基于深度学习的代码搜索方法通过计算代码与描述语句各自表征的相似程度,实现代码搜索任务.然而此类方法并未考虑代码和描述语句之间真实存在的相关性概率分布.针对此问题,将经典概率模型中代码和描述语句的相关性概率分布与向量空间模型中特征提取相结合,提出基于生成对抗策略的代码搜索方法.所提方法首先设计代码和描述语句的特征编码器用于特征提取.接着采用生成对抗策略,将代码和描述语句之间的概率分布应用于生成器和判别器的交替训练,同时实现对代码编码器和描述语句编码器的优化,生成高质量的代码表征和描述语句表征用于代码搜索任务.最后在公开的数据集上进行实验验证,结果表明所提出的方法相比于DeepCS方法在Recall@10,MRR@10和NDCG@10指标上分别提升8.4%、32.5%和24.3%.

摘要：对于给定的自动机,能将所有状态都转换到同一状态的输入字被称为该自动机的同步字.有同步字的自动机称为同步自动机.同步自动机已广泛应用于系统测试、编码、工业自动化、机器人技术及生物计算等领域.同步自动机研究的基本问题是自动机的同步问题(含同步性判定问题和同步字查找问题),最具挑战性的课题是证实或证伪关于同步自动机最短同步字长度的Cerny猜想.偏序自动机是具有一个相容偏序结构的自动机.同步自动机的研究从理论上可以归结到同步偏序自动机的研究上,因此,Cerny猜想成立当且仅当其对所有的偏序自动机都成立.现有的研究工作表明,Cerny猜想只对于一些结构较为特殊的偏序自动机类,包括单演自动机、广义单演自动机以及有界偏序自动机是成立的.作为偏序自动机的另一类特殊情形,本文研究关于树形偏序自动机的同步性检测问题,同步字查找问题以及Cerny猜想,主要贡献包括:讨论了树形偏序自动机与现有的几类偏序自动机之间的关系,说明了树形偏序自动机包含所有单演自动机和有界偏序自动机,并且不同于广义单演自动机类;给出了树形偏序自动机的同步性判定和同步字计算方法,特别地,证明了Cerny猜想对树形偏序自动机成立;设计了树形偏序自动机的专用同步算法,该算法的时间复杂度低于通用的自动机同步算法,且对任意n-状态同步树形偏序自动机都可以找到长度不超过(n-1)^(2)的同步字.

摘要：载重约束的电动车辆路径问题(capacitated electric vehicle routing problem,CEVRP)是物流配送中的一种NP困难的组合优化问题,要求满足车辆的载重和电量约束条件,最小化总配送距离。提出一种混合遗传搜索算法来解决CEVRP,将其分解为两个子问题:载重约束的车辆路径问题和固定路径车辆充电问题。设计了双层染色体结构的编码方案,表示两个子问题的决策变量。采用Split操作生成满足载重约束的车辆路径,使用Relocate、2-Opt、2-Opt^(*)、SWAP和SWAP^(*)邻域搜索算子对其进行局部优化;提出一种基于回溯的充电策略,将合适的充电站编号插入车辆路径,以满足电量约束。本文算法与五种方法实验比较的结果表明,本文算法在多数CEVRP测试问题上能找到比其它方法更好的解,尤其适合于求解大规模的CEVRP。