-
题名用于求解混合车辆路径问题的混合进化算法
被引量：4
- 1
-
-
作者
孙启
金燕
何琨
徐凌轩
-
机构
华中科技大学计算机科学与技术学院
莱斯大学计算机科学系
深圳华中科技大学研究院
-
出处
《计算机科学》
CSCD
北大核心
2018年第4期76-82,共7页
-
基金
国家自然科学基金项目(61602196
61472147
+2 种基金
61772219
61270183)
深圳市科技计划项目(JCYJ20170307154749425)资助
-
文摘
文中研究了具有NP难度的混合车辆路径问题(Mixed Capacitated General Routing Problem,MCGRP),其是在基本车辆路径问题(Vehicle Routing Problem,VRP)的基础上通过添加限载容量约束及弧上的用户需求而衍生的。给定一列车辆数不限的车队,使车辆从站点出发向用户提供服务,服务完用户需求后仍返回站点;规定每辆车的总载重不能超过其载重量,且每个需求只能被一辆车服务且仅服务一次。MCGRP旨在求解每辆车的服务路线,使得在满足以上约束条件的情况下所有车辆的旅行消耗之和最小。混合车辆路径问题具有较高的理论价值和实际应用价值,针对该问题提出了一种高效的混合进化算法。该算法采用基于5种邻域算符的变邻域禁忌搜索来提高解的质量,并通过一种基于路径的交叉算符来继承解的优异性,从而有效地加速算法的收敛。在一组共计23个经典算例上的实验结果表明,该混合进化算法在求解混合车辆路径问题时是非常高效的。
-
关键词
元启发式
车辆路径问题
禁忌搜索
混合进化算法
-
Keywords
Metaheuristic
Vehicle routing problem
Tabu search
Hybrid evolutionary algorithm
-
分类号
TP183
[自动化与计算机技术—控制理论与控制工程]
-
-
题名基于神经机器翻译的文本隐写方法
被引量：3
- 2
-
-
作者
尉爽生
杨忠良
江旻宇
黄永峰
-
机构
清华大学电子工程系
莱斯大学计算机科学系
-
出处
《应用科学学报》
CAS
CSCD
北大核心
2020年第6期976-985,共10页
-
基金
国家重点研发计划基金(No.SQ2018YGX210002)
国家自然科学基金(No.U1536201,No.U1636113,No.U1705261)资助。
-
文摘
深度学习促进了自然语言处理技术的发展,基于文本生成的信息隐藏方法表现出了巨大的潜力.为此,提出了一种基于神经机器翻译的文本信息隐藏方法,在翻译文本生成过程中进行信息嵌入.神经机器翻译模型使用集束搜索(Beam Search)解码器,在翻译过程中通过Beam Search得到目标语言序列各位置上的候选单词集合,并将候选单词依据概率排序进行编码;然后在解码输出目标语言文本的过程中,根据秘密信息的二进制比特流选择对应编码的候选单词,实现以单词为单位的信息嵌入.实验结果表明,与已有的基于机器翻译的文本信息隐藏方法相比,该方法在隐藏容量方面明显提升,并且具有良好的抗隐写检测性和安全性.
-
关键词
文本隐写
信息隐藏
神经网络
机器翻译
-
Keywords
text steganography
information hiding
neural network
machine translation
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
