基于无人机的高层住宅最后“一百米”配送优化

针对城市高层住宅顾客对上门配送服务的需求，借助无人机停放平台，考虑包裹异质性以及无人机在不同配送阶段的精确能耗，构建以无人机飞行成本和能耗成本最小为目标，以无人机容量、电池组容量等为约束的高层住宅无人机上门配送模型，解决“垂直位置最后一百米配送”问题。基于此模型，设计带变邻域下降(VND)搜索的混合蚁群算法(HACO-VND)，引入4个算子进行变邻域下降搜索，为了提高算法的求解性能，提出两种局部搜索算子组合，根据顾客点数量使用不同的算子组合。实验结果表明，HACO-VND算法较CPLEX在求解精度与求解时间方面更优，特别是在大中型算例中表现出较佳性能。参数分析表明，高层住宅楼层数越多，无人机单次 飞行的能耗利用率越大，无人机容量与电池组容量共同对配送方案产生影响。为以后无人机送货上门服务方面的研究提供参考和思路。     

基于随机森林结合前向序列选择算法的铁路隧道防水板检测数据关键影响因素识别北大核心

针对参数特征复杂度高的铁路产品,提出了一种基于随机森林(RF)结合前向序列选择(SFS)算法的铁路产品检验检测数据关键影响因素识别方法,以辅助基于经验的识别方法。创新使用RF-SFS算法,将其应用于铁路隧道防水板检验检测数据关键影响因素的识别研究。根据多年铁路隧道防水板检测数据,建立RF模型,获得了影响铁路隧道防水板检测结果的特征关键性评分序列。随后,结合SFS方法得出关键性评分序列的阈值,将排名前6位的影响因素识别为关键特征,模型的预测能力达到99.98%。为验证关键特征识别方法的有效性,对比分析3种模型在使用不同特征子集时的预测能力。当仅选用关键特征时,3种模型的预测能力均达到最佳,加入冗余特征后模型的预测能力逐渐降低。     

芳香硫酸酯酶定点饱和突变方案的比较

目的比较随机引物与精确引物PCR扩增实施绿脓杆菌芳香硫酸酯酶(Pseudomonas aeruginosa arylsulfatase, PAAS)定点饱和突变的整体效率及成本,以建立高效实用的定点饱和突变方案。方法以大肠杆菌碱性磷酸酶(Escherichia coli alkaline phosphatase, ECAP)与PAAS融合表达质粒为模板,分别用针对PAAS目的位点的随机引物、精确引物等量混合物及单个精确引物,进行全质粒PCR扩增构建定点饱和突变体库;碱裂解细胞后高通量测定PAAS突变体与ECAP活性比值进行筛选,比较3种定点饱和突变建库方案需筛选的单克隆数量、所获突变体种类、整体耗时、整体成本及影响因素。结果用随机引物PCR对M72位定点饱和突变有明显密码子偏好性,筛选超600个单克隆仅获得10种预期突变体,但对G138位定点饱和突变未见明显的密码子偏好性且筛选不到150个单克隆获得18种预期突变体;精确引物等量混合物对M72位实施定点饱和突变,筛选不超过190个克隆成功获得19种预期突变体;单个精确引物对M72位逐个PCR实施定点饱和突变,仅各筛选2个单克隆就获得19种预期突变体。单个精确引物逐个PCR实施定点突变所获饱和突变体库完整,需筛选的单克隆数最少,总耗时和总成本最低;相比之下,用随机引物和精确引物等量混合物实施定点饱和突变时,所需筛选的单克隆数、整体耗时及成本均显著增加。结论解析序列-活性关系时,用单个精确引物逐个PCR实施定点饱和突变有显著整体成本和效率优势;仅筛选阳性突变体时,用精确引物等量混合物进行PCR建库在成本和效率上更有优势。     

闭环增益成型算法在运动控制器中的应用

我国内河众多,海上疆域广大,蕴含着丰富的石油、天然气、可燃冰、有色金属等资源,因此,对海洋资源的开发以及海上航运业的发展成为国家的战略规划重点。舰船与海上作业平台作为主要的开发工具,其设计与制造质量具有重要意义,尤其对于高速化、大型化船舶的运动控制。船舶在海上受到的干扰力较多,本文针对船舶的运动过程建立模型,并结合闭环增益成型算法设计一种船舶运动控制器,并基于Matlab进行了船舶运动控制器的仿真试验。     

基于果蝇优化算法的轮廓误差控制研究

针对传统果蝇优化算法精度低、收敛慢、易陷入局部最优的问题,通过增加随机机制扩大其探测能力,并通过改变步长,提高其后期寻优精度。将改进后的算法应用于PID控制器的参数优化,并将复杂的时变信号作为优化模型的输入。对获得的PID参数的控制效果进行验证,结果表明:改进后的果蝇算法寻优速度快、精度高,其优化后的PID参数,轮廓运动控制精度高、鲁棒性好。     

公共自行车使用时空特性挖掘及租还需求预测

基于宁波市公共自行车刷卡数据、POI(Point of Interest)数据、气象和空气质量等数据，从数据驱动视角，深入挖掘公共自行车使用的时空特征及站点租还车需求预测。在时间上，采用KMeans算法，将站点聚为5类，探讨各类站点的时变需求规律及影响因素；在空间上，提出基于POI 数据的站点用地类型识别方法，将站点分为居住类、交通设施类、办公类和商业休闲类。构建以 15，30，60 min 为间隔，以租还车需求为目标变量的随机森林预测模型，并与常用的 BP (Back Propagation)神经网络、K最近邻方法进行比较。结果表明，随机森林模型的精度更高，适用性更强。以30 min为间隔的站点租还车需求预测精度最高，考虑站点土地利用类型后能有效提高模型的预测精度。本文结果可作为未来站点平衡调度的依据并推广应用于共享单车系统，为改善服务水平提供技术和理论支撑。