改进蚁群算法在合肥市包河区果蔬配送中的应用研究

路径优化是运输过程中必须考虑的问题。合理的路径既节省时间成本,又提高工作效率。文章引入蚁群算法和改进蚁群算法,利用算法的优越性,解决合肥市包河区处于快速发展状态下居民对果蔬需求的现实性,进而需要研究果蔬配送过程的路径问题,基于找出最优路径解,运用蚁群算法与改进蚁群算法解决果蔬配送,并对两种算法求出的解进行对比分析,找出最短路径,结果说明解决包河区果蔬配送路径的必要性,也说明算法在新环境中的适应性。     

算法“黑箱”的成因、风险及其治理

算法作为一种前沿技术,极大地提高了社会运行效率,不断推进了社会发展模式革新。然而,由于算法技术的复杂性、相关法律政策的匮乏、算法素养的限制、公开算法动力不足以及算法安全维护等原因,形成了算法“黑箱”。“黑箱”的存在使得算法在公共领域的应用中,极易衍生出私人资本支配公权力、算法监管的政府失灵、政府信任危机等问题。对此,必须对算法“黑箱”加以治理,治理的关键在于实现“有意义的算法透明度”,具体可遵循构建政府责任义务体系、推动技术公司算法公开、发挥社会组织监督作用等路径。     

算法推荐的权利风险及其治理

代码所形成的架构在网络空间中起到了重要的规制作用,在算法推荐场景中,架构包括三个主要部分,即可以自我执行规制的环境架构、以用户画像表达的个人数字身份架构,以及形成推荐内容的推荐算法架构。在架构规制的模式下,出现了一系列风险,包括由于个人参与不足、个人自决受限导致的自主性削弱的风险,由于传统隐私保护方式滞后导致的隐私权风险,以及表现为信息不平等与结构性不平等的平等权风险。对此可以采取设计架构、完善法律、调整社群规范的路径进行综合性治理,通过利用隐私增强的架构设计保护隐私权、配置用户画像权利义务保障自主性,以及强化网络平台的伦理约束促进算法向善,从而治理算法推荐所产生的风险。     

短视频推荐算法的运行逻辑与伦理隐忧——基于行动者网络理论视角

从行动者网络理论视角探寻短视频推荐算法的"黑箱"与运行逻辑,以及由此带来的算法伦理问题在智能时代尤为重要。短视频推荐算法是由短视频平台管理者主导的,与用户、商业资本、行业政策等行动者相互影响和动态建构而成的,并非纯然中立的客观物,而是具有价值观的行动者。短视频推荐算法中内嵌了用户偏好、社交关系、公共议题、场景、差异化和平台优先级六大价值观念要素,反映出流量至上和商业利益优先的算法价值观,以此为依据的短视频推荐算法实践带来了隐私泄露、信息窄化和算法歧视等伦理问题,亟需短视频平台公开并优化算法、用户改变信息消费习惯和提升算法素养、行业协会和政府部门加强算法审查与监督,从而促进算法"向善"更好地造福人类。     

用标号法实现单源最短路径问题的迪杰斯特(dijkstra)算法

最短路径问题(最低费用问题)广泛应用于计算机图论、数据结构、数据通信等领域.本文主要通过对迪杰斯特(dijkstra)算法的分析和改进实现来应用贪心算法解决实际问题.     

算法推荐场域中乡村主流意识形态风险及其防范

算法推荐技术被广泛应用于信息的采集、生产、分发、推荐、反馈各个环节,可能影响意识形态领域安全。在乡村社会,算法推荐深刻影响着农民群体的信息接受与传播行为,导致乡村主流意识形态话语原本拥有的注意力被分割,面临引领力被削弱、整合力被消融、凝聚力被消解的风险。防范乡村主流意识形态传播风险,必须用主流价值导向驾驭算法,推进算法推荐技术与主流媒体深度融合,以法律制度规范算法权力,培育农民算法素养,从多个维度开展乡村主流意识形态风险协同治理,确保主流意识形态在竞争中处于主导地位,推动中国特色社会主义事业稳步发展。     

算法歧视的侵权责任治理

算法运用导致的算法歧视正危害着民事主体的合法权益。不同国家（地区）分别从事前预防或事后问责两个维度展开对算法歧视的治理；目前我国在事前主要通过公法进行数据规制与个人赋权，同时在事后采用行政问责来应对算法歧视。在事前预防模式下存在新型权利行使障碍、责任主体不明确等问题，事后问责机制则忽略了民事主体的私法救济路径，存在效率低下等弊端。鉴此，需要明确算法歧视作出方的民事义务，在行政问责机制基础上完善以私法救济为核心的侵权责任法律体系，丰富事后问责体系，与事前规制共同治理算法歧视。在路径上可通过厘清算法歧视归因、公法规制困境以及侵权责任救济的适配性，将公法中对算法歧视治理的理念纳入侵权救济体系，对算法歧视侵权的归责原则、过错认定、免责事由等内容进行丰富与扩展，达到国家干预与调控算法歧视相济的正当性目的与法律效果。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

技术不确定性下算法推荐新闻的伦理风险及其法律规制

大数据、人工智能、算法推荐技术等信息技术的快速迭代,推动了传统社会的数字化转型,传统新闻业同样在开展数字化转型升级。在此背景下,随着新闻信息过载的不断加剧,由大数据衍生出的算法推荐新闻迅速崛起,算法信任、数据优势与新闻媒介的数字化客观上为算法推荐新闻的应用和发展奠定了基础。毋庸置疑,算法推荐新闻对于实现新闻准确分发、增强新闻受众黏性具有重要意义,智慧化、瞬时性的算法推荐新闻具有精准、高效、个性化优势,但同时算法作为一种复杂性、不确定性技术,带来了多层面、多环节、多领域的风险挑战和制度掣肘,算法推荐新闻同样引发了“算法黑箱”“算法偏差”“技术霸权”“责任缺口”与“信息泄露”等多种伦理风险。当前,学界对于算法推荐技术本身是否真的成熟,以及算法推荐新闻可能引发的伦理危机研判明显不足。对此,从技术不确定性理论所内嵌的技术本身不确定性、技术认知不确定性与技术制度不确定性三个向度,可以为算法推荐新闻的伦理风险提供适当的分析框架,在此基础上厘清算法推荐新闻伦理风险发生的根源,可将其归纳为技术本身不确定性向度的数学洗脑与主体性缺失、技术认知不确定性向度的能力不足与底线失守以及技术制度不确定性向度的法律...     

算法的风险及法律规制探析

算法作为人工智能的核心,以大量数据流为基础,按照被赋予的逻辑运算规则,进行数据处理分析,为日常生活、商业金融和行政自动化辅助乃至于独立决策提供服务。算法自动化决策虽带来了诸多便利,但也催生了“算法黑箱”“算法歧视”“信息茧房”“算法趋同”等新的安全风险。为规制算法、防治算法权力异化,《个人信息保护法》《互联网信息服务算法推荐管理规定》等法律法规相继出台,由此中国建立了多元的算法规制路径：针对算法的控制者和编写者,采用算法评估制度、算法备案制度、算法解释、算法检查制度以及严格的侵权问责进行规制;针对算法的相对人,采用个人数据赋权的方式保护用户权益。     

基于用户评分权重的矩阵分解推荐算法

在传统的推荐算法中存在数据评分稀疏的问题,同时,在建立预测模型时默认每个用户评分都是真实可信的.但实际评分中存在某些数据不符合用户的整体评分趋势和偏好.为了解决上述问题,对每项用户评分的真实性进行计算,在进行评分预测时,使符合用户整体评分趋势的评分数据获得更高的权重,让推荐算法更精准的把握用户和项目的特征信息,提升推荐系统的整体性能.经过在Movie Lens 100k数据集上与其它三种经典算法的对比实验表明,本文提出的改进算法能更好地把握用户真实喜好,提高预测的准确性.     

论我国超大型互联网平台算法的法律规制

超大型互联网平台算法以商业化利益为最终追求目标,对其法律规制就显得尤为重要。构建用户画像、差异化定价、精准推送和提供个性化服务是超大型互联网平台对算法的主要运用场景和目的。目前法律对算法的规制存在以下不足：规则分散且相互冲突;对算法本身规制不足;未能有效规制算法的设计者和所有者。通过数据保护、算法本身及算法相关责任人层面对欧盟和美国的算法法律规制的剖析,提出我国超大型互联网平台算法的法律规制路径：坚持数据治理为基础、三元主体协同理念以及算法公平、公正和透明原则;构建算法治理内在法律协调机制和完善相应法律规则。     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配 送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算 法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算 法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

代价敏感多车场车辆路径问题的免疫克隆算法

结合免疫算法和克隆选择算法,本文提出了一种基于免疫克隆选择算法的多配送中心车辆路径调度方法。给出了多配送中心的车辆调度模型、免疫克隆算法的原理和关键步骤,构造二维空间对抗体进行编码,对代价敏感多车场车辆路径问题的免疫克隆算法进行了实现。仿真试验表明,基于免疫克隆算法的代价敏感多车场路径的求解结果接近目前最优解。     

欧美社会治理中算法应用的伦理风险与规制路径研究

聚焦社会治理领域的算法应用伦理问题，以欧美社会治理中的智能算法应用为例，通过案例分析和归纳演绎相结合的方法，阐释智能算法嵌入社会治理面临的应用伦理风险，即算法“黑箱”与社会信任危机、算法歧视与社会不平等、隐私泄露与社会监视。基于此，从技术、伦理准则与法律、媒体三个层面提出欧美社会治理算法应用伦理的规制路径：一是优化算法技术，提升算法准确性和安全性；二是完善算法伦理准则和法律，构建智能算法善治体系；三是加强算法伦理的媒体监督，构建多元主体协商共治路径。本研究能够为我国人工智能伦理治理提供重要的启示与借鉴作用。     

融合多信息的个性化推荐模型

为了解决协同过滤推荐系统的数据稀疏与冷启动问题,通常利用辅助信息来提高推荐系统的整体性能。当前大多数社交媒体网站和电子商务系统都允许用户发表文本评论,以及对项目(如商户、电影、商品等)进行评分。为了更加有效地融合多种数据信息,解决数据稀疏的问题,提高推荐算法的准确性,构建了一个基于用户-项目历史交互数据源融合知识图谱的模型,提出了基于用户-项目历史评论的深度学习算法,将2种算法动态融合,利用随机梯度下降方法进行模型求解,为用户提供更精准的个性化推荐服务。实验结果表明:相比于已有典型推荐算法,所提模型取得更好的推荐效果,并且可以有效地解决数据稀疏带来的推荐准确性降低的问题。     

物流配送管理中的路径优化问题研究

经典的优化理论大多是在已知条件不变的基础上给出最优方案(即最优解),其最优性在条件发生变化时就会失去其最优性。本文提出的局内最短路问题,就是在已知条件不断变化的条件下,如何来快速的计算出此时的最优路径,文章设计了解决该问题的一个逆向标号算法,将它与传统算法进行了比较和分析,并针对实际中的物流配送管理中路径优化问题,按照不同的算法分别进行了详细的阐述与分析。     

算法推荐赋能新时代主流意识形态建设研究

作为一种工具存在的技术,算法推荐在算法设计、数据筛选以及信息推送等过程中潜藏着技术使用者的价值取向和传播观念,因而具有鲜明的意识形态属性。算法推荐的应用给新时代主流意识形态建设带来了双向效应：一方面,算法推荐为主流意识形态传播提供数据支撑、精准信息和实时评价;另一方面,算法推荐存在的“算法黑箱”“信息茧房”以及“受众本位”等不断消解主流意识形态的价值信仰,弱化主流意识形态的认知统合,解构主流意识形态的权威地位。为此,我们必须积极发挥算法推荐的正向效应,有效规避和抑制其负面影响,通过增强技术赋值、完善法治监管、培养意志自律、聚焦民生热点等方式,助推新时代主流意识形态建设。     

算法行政的风险场景及其法律规制——基于算法法权关系架构的分析

算法行政具有客观、高效优势,但同时伴随着技术内生的不确定性风险、法律层面权力行使与权利保障的挑战,以及价值层面技术理性吞噬价值理性等桎梏,亟需法律破解。规制对象是法律制度构建之前提,将“算法法权”作为算法行政风险的法律规制对象具有合理性和可行性,通过“权力—权利”的法权结构,可实现算法行政中“私权利、公权力、私权力”的整体性规制。质言之,算法行政风险的法律规制需要以“算法法权”的科学配置为核心,建构法律、伦理、技术与自我规制一体化的规制体系。     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题，课题组通过分析立体仓库中堆垛机的工作特点与运行情况，提出了基于混合蚁群粒子群算法的路径优化方法，在传统的蚁群算法中结合粒子群算法思想，使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明：混合算法路径优化速度较快，且比以往的路径更短。研究使堆垛机的运行效率得到提高。