An Effective Hybrid Optimization Algorithm for Capacitated Vehicle Routing Problem

IntroductionVehicle routing problem(VRP)is a well-known combinatorial optimization problem and isalso a focal problem of distribution managementwithin the area of service operations managementand logistics.Capacitated vehicle routing problem(CVRP)is a very hard vehicle routing problem.The problem is to simultaneously determine theroutes for several vehicles from a central depot to aset of customers,and then return to the depotwithout exceeding the capacity constraints of eachvehicle.In prac…     

系统故障诊断的理论与技术研究

从技术应用的角度就故障、故障诊断技术研究中的若干问题进行了探讨，指出故障的检测与诊断技术可提高系统的可靠性与运用效率，铁路的发展更需要故障诊断技术的支持。     

用隧洞工程优化南水北调中线方案

介绍了南水北调优化方案，对方案的实施期限、工程造价、优越性及可行性进行了分析。     

人工智能的搜索策略在物料管理系统中的应用

人工智能中的搜索策略广泛地应用在许多领域，在分析人工智能的搜索策略一宽度优先搜索算法的基础上，在开发的物料管理系统中采用了该算法，物料管理系统是某工厂CIMS工程的一个子系统，采用人工智能的搜索技术对大型数据库的数据进行处理，大大提高了程序的执行效率和速度，优化了程序设计，该系统已投入实际应用。     

人工智能研究方法及途径

人工智能是一门工程技术学科，它的每一步发展都与人们采用的方法有很大的关系。传统的人工智能研究方法，如符号主义，联结主义，并没有使计算机达到具有人类智能的水平。要想使机器具有人类智能，必须突破计算机的局限性，与其它学科联手，开展思维科学的研究，创造新的研究方法和途径。     

江苏如东海域西太阳沙人工岛工程潮流数学模型研究

基于不规则三角形网格有限差分法建立了江苏如东海域大范围和小范围嵌套二维潮流数学模型,在对模型验证的基础上,对西太阳沙2 km2人工岛工程及配套码头工程方案的潮流场进行了数值模拟研究。根据模拟结果,就人工岛及配套码头工程对周围海区的潮流场、各水道潮量的影响进行了分析,从潮流动力角度论证了工程的可行性。     

基于有限元分析的潜艇耐压液舱结构系统可靠性计算

潜艇耐压液舱结构复杂，往往需进行有限元分析以获得结构在极限载荷作用下的应力。此时，由于失效函数缺乏显式表达，故应用一般的可靠性计算方法将遇到困难。作者采用人工神经网络代替传统的多项式函数拟合失效面，并结合方向抽样技术，提出了基于有限元的结构系统可靠性计算的新算法。由于该方法引入了结构有限元分析，且无需进行失效模式间相关性的近似分析，因而计算精度好，适用范围广泛。潜艇耐压液舱结构系统可靠性分析的算例表明，该法有效地解决了复杂工程结构的系统可靠度计算问题。     

基于神经网络的无速度传感器感应电机转子电阻辨识方案

针对矢量控制系统提出了一种转子电阻在线辨识方案.应用神经网络理论,以转子磁链电压模型的输出为参考值,神经网络模型的输出为估计值,通过反向传播算法不断调节神经网络的权值,使转子磁链的估计值跟踪参考值,间接辨识出转子电阻.在MATLAB6.5/SIMULINK下,对无速度传感器感应电机矢量控制系统在电阻变化时的情况进行了仿真.仿真结果表明,辨识算法具有较好的静动态性能.     

禁忌语的文化心理学透析

语言禁忌是社会文化心理特征和民俗民风的具体体现,它与社会文化有着密切的联系。本文针对日常用语中的禁忌现象,从文化心理学的视角加以分析,以期对禁忌的研究加以心理学的扩充。     

Artificial intelligence for traffic signal control based solely on video images

Learning-based traffic control algorithms have recently been explored as an alternative to existing traffic control logics. The reinforcement learning (RL) algorithm is being spotlighted in the field of adaptive traffic signal control. However, no report has described the implementation of an RL-based algorithm in an actual intersection. Most previous RL studies adopted conventional traffic parameters, such as delays and queue lengths to represent a traffic state, which cannot be exactly measured on-site in real time. Furthermore, the traffic parameters cannot fully account for the complexity of an actual traffic state. The present study suggests a novel artificial intelligence that uses only video images of an intersection to represent its traffic state rather than using handcrafted features. In simulation experiments using a real intersection, consecutive aerial video frames fully addressed the traffic state of an independent four-legged intersection, and an image-based RL model outperformed both the actual operation of fixed signals and a fully actuated operation.