Abstract ：

当前立体仓库正大规模应用于纺织车间.针对一种新型通用的纺织企业多任务类型的立体仓库调度效率低的问题,从任务提前调度、货位分配以及任务序列优化3方面提出一套立体仓库调度方法.首先,针对工人操作时间不明确的问题,提出一种基于自回归滑动平均模型的工人操作时间预测方法;其次,针对货位分配不合理的问题,建立多目标的货位分配模型,并提出一种基于模拟退火算法的货位分配求解方法.最后,针对任务序列累积导致执行效率低的问题,提出一种改进的遗传-粒子群算法的任务序列优化方法.实验对比分析表明,所提方法可有效提升立体仓库调度效率.

Keyword ：

立体仓库 时间预测 货位分配 任务序列优化 纺织车间

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明涉及一种基于改进爬山法的非对称多核架构下预取控制策略，属缓存预取、非对称多核领域。该方法考虑非对称多核架构下核心之间的性能不同这一情况，通过改进后的爬山法，针对不同核心对其预取激进程度进行控制，提高核心的IPC。预取激进程度由预取度和预取距离进行刻画，考虑到爬山法会陷入局部最优解，通过与模拟退火策略结合的方式跳出局部最优。同时考虑到爬山法不适用于解决二维搜索问题，本方法采用控制变量的方式，通过采样阶段的IPC反馈，进行预取策略的调整，提升核心的IPC。该方法利用爬山法，根据程序运行的不同阶段，对不同核心的预取激进程度进行调整，实现不同核心的IPC增长。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明涉及一种网络攻击检测的方法，特别是涉及一种基于堆叠稀疏收缩自动编码器(StackedSparseContractiveAutoencoders，SSCA)、模拟退火遗传粒子群优化(GeneticSimulated‑annealing‑basedParticleSwarmOptimization，GSPSO)、引入注意力机制的双向长短时记忆网络(Attention‑based BidirectionalLong‑termandShort‑termMemory，AB‑LSTM)分类器以及决策融合的网络入侵检测方法。首先，将获取到网络流量数据进行归一化处理，而后将其传入SSCA中，对该流量数据进行特征提取，使用GSPSO算法对SSCA的超参数进行优化以提取到更有效的N个特征集，然后将获得的N个特征集传入N个AB‑LSTM分类器中输出N个分类结果，最后利用决策融合算法，将N个分类器的分类结果融合，输出最终的准确分类结果。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明涉及一种面向水质指标预测的方法，特别是涉及一种基于SG(Savitzky‑Golay)滤波、变分模态分解(Variational Mode Decomposition, VMD)、注意力机制、基于遗传模拟退火的粒子群优化算法(Genetic Simulated annealing‑based PSO, GSPSO)与编码‑解码器的双向长短时记忆(Encoder‑Decoder Bidirectional Long Short Term Memory, BiLSTM‑ED)神经网络的水质指标预测方法。首先，将获取到的水质指标历史数据进行归一化处理，并采用SG滤波进行平滑去噪，其次对处理过后的数据使用VMD进行分解得到相对平稳的子序列，然后将数据输入加入注意力机制的基于编码‑解码器的双向长短时记忆BiLSTM‑ED神经网络模型，最后采用GSPSO优化模型的超参数，从而预测未来多个时间点的水质指标情况，最终获得了较高的预测精度。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

本发明涉及面向绿色云数据中心的任务调度和能耗优化方法，特别是涉及一种基于模拟退火和DQN(DeepQ‑Learning)的面向绿色云数据中心能源优化方法。首先基于谷歌集群负载数据构建用户工作负载模型，用户工作负载模型将用户需求分类并管理到任务队列中。然后，任务处理器模拟服务器的资源信息，基于用户工作负载模型构建深度强化学习决策模型，该模型中智能体将基于模拟退火和DQN的方法生成决策。最后构建混合能源模型，将风能、太阳能代替部分传统电力。该方法最终目标是通过训练将能源成本降至最低，同时降低任务拒绝率。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

针对案例推理(case-based reasoning,CBR)检索过程中特征权重的分配结果直接影响CBR预测模型性能的问题,提出了一种基于自私牧群优化-模拟退火(selfish herd optimizer-simulated annealing,SHO-SA)算法的特征权重优化分配方法.首先,将CBR预测模型的均方根误差定义为SHO算法和SA算法中权重寻优的适应度;然后,通过SHO算法的牧群运动、捕食及恢复等步骤得到种群内最小均方根误差所对应的权重;最后,采用SA算法对上述权重进行随机搜索,从而获得特征权重的近似最优解.采用加州大学欧文分校(University of California Irvine,UCI)数据集中的5个标准回归数据集进行实验,结果表明该方法与一些典型的优化方法相比可以显著提高CBR预测模型的精度,说明SA算法能够改善SHO算法陷入局部最优的问题.

Keyword ：

分配权重 案例推理 模拟退火 自私牧群优化 案例检索 特征权重

Cite：

Copy from the list or Export to your reference management。

Abstract ：

为应对由客户的动态需求、大型货车的限行政策及配送时间窗的限制给供应商制定科学配送计划带来的严峻挑战,设计考虑动态度和时间窗的两级车辆路径优化方法.该方法基于客户动态增量概率阈值及动态度构建响应增量需求的车辆路径更新策略;将连续两级车辆路径优化问题映射为由配送中心到中转站和由中转站到客户的两个子网络的带时间窗的车辆路径问题(VRPTW),并在并行模拟退火算法框架下融合Or-opt,2-opt,2-opt*,Swap/shift 4种邻域搜索策略求解VRPTW.用数据案例对模型及算法进行验证,表明所提策略及方法能较好地满足供应商对客户动态需求的响应,且具有良好的鲁棒性.

Keyword ：

两级车辆路径 需求不确定 并行算法 模拟退火算法 动态度

Cite：

Copy from the list or Export to your reference management。

Abstract ：

目的血流储备分数(FFR)是临床诊断功能性冠脉狭窄的"金标准"。现有的基于冠脉CT血管造影(CTA)和计算流体力学的几何多尺度算法实现了FFR的无创数值计算(FFRCT),但是模型复杂、仿真时间长。为了缩短计算时间,提出一种降维心血管模型快速无创数值计算FFR(FFR0D)。方法纳入73例接受了临床有创FFR的患者。根据冠脉CTA构建结构个性化的集中参数模型;基于异速标度率量化微循环阻力,通过模拟退火法优化模型参数,实现参数个性化;

Keyword ：

数值计算 心血管模型

Cite：

Copy from the list or Export to your reference management。

Abstract ：

一种城市生活垃圾焚烧过程炉排空气流量设定方法，涉及城市固体垃圾焚烧炉优化设定技术领域，通过关键被控变量(各炉排空气流量)的优化设定，使自动燃烧控制系统运行在理想范围内，主要包括如下步骤：(1)根据城市生活垃圾焚烧过程的历史数据建立设定数据库；(2)参数初始化；(3)基于自私牧群‑模拟退火算法分配特征权重；(4)通过案例检索模型得到K个相似案例的解；(5)通过案例重用求取K个相似案例解的平均值，从而得到目标案例解的设定值。(6)将目标案例与其设定值构成一条案例存储至设定数据库中；(7)重复步骤(3)～步骤(6)，以实现城市生活垃圾焚烧过程各炉排空气流量的优化设定过程。

Cite：

Copy from the list or Export to your reference management。

Abstract ：

出水总磷的准确预测对于城市污水处理厂的高效、稳定的运行至关重要.文中针对城市污水处理过程中出水总磷难以预测的问题,提出一种基于改进集合经验模态分解(modified ensemble empirical mode decomposition,MEEMD)和深度信念网络(deep belief network,DBN)的出水总磷预测方法.首先,设计一种MEEMD算法对城市污水处理过程出水总磷数据信号进行分解,获取多个本征模态函数(intrinsic mode function,IMF)组合;然后,建立一种基于模拟退火(simulated annealing,SA)算法的深度信念网络预测模型,通过优化的模型结构对分解后得到的每个IMF分量进行有效预测;最后,通过大气CO2浓度预测和城市污水处理出水总磷预测验证了所提出方法的有效性.

Keyword ：

集合经验模态分解 城市污水处理过程 深度信念网络 出水总磷

Cite：

Copy from the list or Export to your reference management。