课程文献中心 更多>>

关键词： 传感器网络   时序知识图谱   任务与资源匹配   知识图谱  

摘要： 面向传感器网络的复杂任务异构性、复杂资源动态性以及任务与资源匹配的灵活性等新需求,提出基于时序知识图谱的任务资源智能匹配方法。首先,构建任务知识图谱存储任务信息,传感器能力时序知识图谱表征网络节点能力,提高任务与网络知识的利用率。同时,提出任务资源匹配框架,为任务资源匹配提供标准化的描述方法。然后,设计任务资源匹配规则,从时间、空间和信息3个维度关联分析,优化网络任务与资源匹配。仿真结果表明,所提方法在能量消耗和资源利用率上均优于传统算法,证明其在传感器网络任务与资源匹配的可行性和有效性。

关键词： 陆上时敏目标   订单式火力打击规划   改进遗传算法   自主竞单   强制派单  

摘要： 订单式作战是俄乌战场上出现的一种新型作战样式,为解决该作战样式打击陆上时敏目标的实时订单分配问题,本文针对自主竞单-派单与强制派单两种订单式火力打击样式,构建任务部队自主竞单模型、指挥机构最小成本派单模型及多批次优化模型,采用改进遗传算法进行规划分配,定量对比了该作战样式在任务时效、成本、毁伤概率及时敏目标响应方面的优势,与其他算法进行了对比,对二次自主竞单结合强制派单进行优化。仿真实验表明,本文所提模型和算法能够初步满足订单式火力打击任务规划的运算需要,具备重要军事应用价值。

关键词： 覆盖路径规划   旅行商问题   动态规划   可视图   启发式算法  

摘要： 覆盖路径规划是无人机完成任务的关键。将多区域覆盖路径规划问题建模为旅行商问题,针对单机多区域覆盖路径规划,提出基于可视图和动态规划方法的路径规划算法,解决考虑避障的多区域覆盖搜索问题,实现从原点出发并返回原点的多区域覆盖搜索最短路径规划。针对多机大规模区域覆盖路径规划,提出一种“两阶段”路径规划方法,该方法综合启发式区域分配和滚动时域精确求解,相比于一步优化算法,具有更高的灵活性和计算效率。最后,通过仿真实验和对比分析验证了所提方法的有效性和实用性。

关键词： 铸态Ni-Cr-Co基高温合金   热变形   动态再结晶   微观组织   动态再结晶机制  

摘要： 目的 研究一种铸态沉淀强化型Ni-Cr-Co基高温合金不同变形参数下的热变形行为和微观组织演化规律,揭示DRX形核机制,为优化铸态高温合金开坯工艺和微观组织调控提供理论支撑。方法 利用Gleeble-3800试验机开展温度为1 030~1 150 ℃、应变速率0.01~10 s-1和应变为0.16~0.92的热压缩试验,分析了不同变形参数下合金流变应力特征,利用电子背散射衍射(EBSD)、背散射电子显微(BSE)和透射电镜(TEM)技术,研究不同变形温度和应变对铸态合金微观组织演化的影响规律,揭示不同变形温度下动态再结晶(DRX)形核机制。结果 铸态Ni-Cr-Co基高温合金流变应力随温度降低或应变速率升高而增大,应力-应变曲线呈典型DRX特征。DRX晶粒尺寸和体积分数随着变形温度的升高而增大,较低温度下(1030℃),DRX晶粒以团聚状晶簇分布,再结晶程度随应变的增加缓慢升高。较高温度下(1150℃),粗化的DRX晶粒沿晶界呈“项链”状分布并在高应变下形成匀晶组织。在1 060℃时,非连续动态再结晶(DDRX)和连续动态再结晶(CDRX)共同存在,以γ′相钉扎位错诱导亚晶形核的颗粒刺激形核(PSN)和晶界弓弯形核机制占据主导,CDRX为辅助再结晶形核机制。1 150 ℃时,晶界弓弯的DDRX是主要形核机制,CDRX总体贡献减小。结论 通过对铸态Ni-Cr-Co基高温合金不同变形参数的热变形流变行为、微观组织演化规律和DRX机制进行研究,获得了变形参数和强化相γ′对合金热变形微观组织和形核机制的影响规律,可用于优化Ni-Cr-Co基高温合金铸锭开坯工艺参数和组织调控。

关键词： 物资供应保障   装备维修保障   空间分区   保障关系  

摘要： 针对军事行动中的物资供应保障和装备维修保障问题,考虑保障需求与保障能力的平衡,结合需求点和供应点的空间位置关系,本文提出了一种保障关系规划方法来解决需求点和供应点之间的保障关系规划问题。该方法在离散空间中使用元胞自动机或在连续空间中使用Delaunay三角剖分算法构建需求点之间的邻接关系,形成初始的需求点邻接网络。然后基于邻接网络设计启发式的细胞生长规则来规划需求点和供应点的保障关系。得到的保障关系能够兼顾需求和能力的平衡以及合理的空间位置关系,可有效解决物资供应保障以及装备维修保障的方案规划问题。

关键词： AI大模型   红色文化资源   思政课  

摘要： 红色文化资源是中国共产党团结带领全国人民在革命、建设和改革过程中形成的宝贵精神财富,蕴含重要的育人功能。将红色文化资源融入思政教育是高校实现立德树人根本任务的重要途径。作为新一代科技革命的代表,人工智能大模型凭借其大规模语料库、多模态内容生成以及拟人化认知能力等技术优势为红色文化资源融入高校思政课提供技术支撑。高校思政课引入人工智能大模型,能驱动红色教育内容智能化精准适配、推进红色教育资源智能化范式转型、实现红色教育效果智能评价。在教育数字化转型背景下,需要研发“红色+思政”垂直大模型、打造“人机协同”的全员育人生态、创设“智能向善”的教育评价系统三重实施路径,共同促进红色文化资源与高校思政课深度融合。

关键词： 海上搜救   异构集群   航路规划   哈里斯鹰优化算法  

摘要： 针对水面无人艇(unmanned surface vehicle,USV)和无人机(unmanned aerial vehicle,UAV)组成的异构集群系统在执行海上搜救任务时,航路规划方法存在规划时间长、目标函数不可微等优化问题,提出一种基于改进哈里斯鹰优化(Harris hawk optimization,HHO)算法的集群协同航路规划方法。首先,基于HHO算法基本原理设计异构集群协同航路规划方法流程。然后,针对HHO算法存在的易于陷入局部最优、难以协调局部搜索和全局搜索的两个缺陷,结合反向学习、非线性能量因子、选择性反对3种策略对HHO算法进行改进。最后,结合异构集群两种典型搜救任务进行仿真分析。实验结果表明,所提方法显著提高了规划效率,可为异构集群协同航路规划提供技术参考。

关键词： 任务规划   全球离散网格系统   低轨大规模星座   热力图  

摘要： 低轨大规模星座凭借其资源数量多、全球覆盖以及搭载载荷类型多样等特点,在卫星资源对地观测等领域展现出巨大潜力。然而,现有的方法在任务与资源的统一表征与规划等方面仍存在不足,缺乏统一的描述模型,难以实现对多类型任务与卫星资源的有效整合与调度,尤其在大规模星座场景下,难以及时响应动态任务请求。为此,本文提出了一种基于H3网格的任务—资源统一表征框架:为实现对点目标、区域目标与移动目标的一致化表达与融合,将多类型任务统一转换为热力图,并设计了基于H3网格的点目标聚类算法、区域目标与移动目标分解算法,以实现对各类任务的高效处理。同时基于H3网格对卫星覆盖能力进行动态网格映射,形成包含“时间—侧摆角—网格”的资源能力编码,完成了资源能力的标准化与结构化表征。在此基础上,进一步提出了一种约束引导的任务规划算法(CGH-TS),算法以热力图网格任务与资源能力编码为输入,将传统“卫星—时间窗”约束显式转化为网格层面的可执行模式约束,并通过动态约束紧度评估与候选集更新实现快速分配,以提升任务分配的效率与质量。最后,通过仿真软件构建了包含240颗卫星的Walker星座进行实验验证。结果表明,本文所提出的基于H3网格的统一表征方法,可实现十万级网格的秒级生成,并在面积一致性和纬度稳定性方面优于GeoSOT网格表征方法;CGH-TS算法在任务完成率、资源均衡性和时间效率上均优于传统贪心算法与遗传算法。

关键词： 交通工程   路径优化   改进金豺算法   带时间窗   物流配送  

摘要： 以带时间窗的车辆路径问题(VRPTW)为研究对象,旨在从离散视角出发,通过改进金豺优化算法(IGJO)为解决该问题提供新方法。研究通过构建VRPTW数学模型,在金豺优化算法(GJO)基础上进行改进,采用插入式启发式算法构造优化路径,在邻域搜索改进阶段引入相关性删除和贪婪最优重插入策略,在局部搜索改进阶段融合insert、swap以及2—opt交换算子,以实现全局最优解的退火更新。利用Solomon标准算例的RC类客户数据进行实验验证,结果表明,IGJO在全部8个算例的最优解和平均解均优于GJO,75%算例路径缩短大于200单位距离,Wilcoxon秩和检验证实62.5%算例存在显著差异(p<0.05),验证该改进能有效提升VRPTW求解性能。

关键词： 医院管理   手术资源配置管理   大语言模型   Qwen   DeepSeek   模型微调   检索增强生成  

摘要： 目的 通过比较不同大语言模型对手术持续时长的预测性能,评估其提高手术室资源利用效率的潜在价值。方法 研究选取了2024年11月至2025年1月上海市胸科医院的6154条外科手术数据(手术名称、主刀医生、一助医生等)进行大语言模型(Qwen-7B、DeepSeek-32B和DeepSeek-671B)的训练和测试,主要采用LoRA微调技术、检索增强生成策略以及提示词工程等方法对模型进行优化,并通过均方误差、平均绝对误差、平均绝对百分比误差以及手术持续时长预测准确率等指标评估模型性能。此外,邀请3位医院管理者在大语言模型辅助下进行手术排程,通过与未使用大语言模型辅助时的手术室占用时间进行比较,评估大语言模型对手术资源配置管理的辅助效果。结果 DeepSeek-671B模型的预测准确率为52.06%(Z=-6.695,P<0.001),显著高于Qwen-7B的45.99%(Z=-2.854,P<0.001)和DeepSeek-32B的48.16%(Z=-5.199,P<0.005);同时,DeepSeek-671B的回归误差指标也优于Qwen-7B和DeepSeek-32B(MSE:2486.11vs.3734.31vs.3224.89,MAE:34.99vs.40.31vs.38.78);三种大语言模型辅助前后,手术室占用时间分别减少了5.48%、3.37%、8.26%,秩和检验结果显示具有统计学意义(Z=-3.408,P<0.005)。结论 通过大语言模型预测手术持续时长有助于提升手术资源配置的管理效率,医院管理者能够更科学地安排手术顺序,从而有效提升手术室整体运行效能。