随着电子商务的飞速发展以及互联网的普及,退换货更加便捷,因此客户对商品的需求呈现出时效性、多品种、小批量、退换货等特点。针对有容量的同时送取货选址路径问题(LRPSPD),同时考虑客户多样性需求的特点,建立了带时间窗的同时送取货选址路径问题(LRPSPDTW)的数学模型。使用改进烟花算法(IFWA)对模型进行求解,对烟花爆炸和变异进行相应的邻域操作,并用一些基准LRPSPD算例来评估烟花算法的性能。通过大量的数值实验验证了所提模型和算法的正确性和有效性。实验结果表明,相较于分支切割算法(B&C),IFWA得到的结果与标准解的平均误差缩小了0.33个百分点。所提算法缩短了寻求最优解的时间,为解决选址路径相关问题提供了一种新的解决思路。
针对基于深度学习的遥感图像目标检测方法密集目标漏检率高、分类不准确的问题,建立了一种基于深度学习的无锚点的遥感图像任意角度的密集目标检测方法。首先采用CenterNet作为基线模型,经过主干网络提取特征,并改造原有检测器结构,即加入角度回归分支进行目标角度回归;然后提出一种基于非对称卷积的特征增强模块,并将主干网络提取到的特征图输入特征增强模块,从而增强目标的旋转不变性特征,消除由于目标的旋转、翻转带来的影响,进一步提升目标中心点、尺寸信息的回归精度。采用HourGlass-101作为主干网络时,该方法在DOTA数据集上的平均精度均值(mAP)比旋转区域候选网络(RRPN)提升了7.80个百分点,每秒处理帧数(FPS)提升了7.5;在自建数据集Ship3上,该方法的mAP比RRPN提升了8.68个百分点,FPS提升了6.5。结果表明,所提方法能获得检测精度和速度的平衡。
JXTA技术是SUN公司开发的P2P系统的应用平台。P2P技术作为网络计算的一种新技术,已经广泛地应用到了各个领域。研究了JXTA技术及其特点,讨论了基于JXTA技术的P2P系统的性能保证问题,并通过研究和实验建立了初步的性能保证机制模型。