课程文献中心 更多>>

关键词： 自动驾驶汽车   电车难题   伦理困境   多数决策  

摘要： 电车难题的本质是行驶中的电车面对不可避免的冲撞时的伦理选择困境。自动驾驶汽车也会面临同电车难题一样的伦理困境。同时,面对自动驾驶汽车伦理难题的变体问题,人们会因为情境的变化而改变自己先前所秉持的伦理原则。基于伦理原则的多数决策道德算法依据“少数服从多数”原则,在尊重各利益相关者伦理原则偏好的基础上,能够有效地解决自动驾驶汽车伦理难题及其变体问题。

关键词： 信息科技   计算思维能力   增强  

摘要： 目前,信息科技已经成为推动新课程改革和实施素质教育的关键手段。教师需要对教学活动进行精心的设计,促使学生的计算思维能力得到提升。本文作者从多个角度对增强学生计算思维能力进行深入分析,以期为教师提供建议,促进学生全面发展。

关键词： Collaborative filtering   User profiling   Recommender system   Similarity  

摘要： With the arrival of the big data era,the phenomenon of information overload is becoming increasingly *** response to the common issue of sparse user rating matrices in recommendation systems,a collaborative filtering recommendation algorithm was proposed based on improved user profiles in this ***,a profile labeling system was constructed based on user *** study proposed that user profile labels should be created using basic user information and basic item information,in order to construct multidimensional user ***-IDF algorithm was used to determine the weights of user-item feature ***,user similarity was calculated by weighting both profile-based collaborative filtering and user-based collaborative filtering algorithms,and the final user similarity was obtained by harmonizing these ***,personalized recommendations were generated using Top-N *** with the MovieLens-1M dataset revealed that this algorithm enhances both recommendation Precision and Recall compared to single-method approaches(recommendation algorithm based on user portrait and user-based collaborative filtering algorithm).

关键词： 跨站脚本攻击   模糊测试   遗传算法   支持向量机   特征向量化  

摘要： 针对现有基于过滤器、动态分析、静态分析等的解决方案在检测未知XSS攻击方面效果不佳的问题,利用机器学习方法可高效检测出未知XSS攻击的特点,提出一种基于遗传算法和支持向量机的XSS攻击检测模型.通过模糊测试生成XSS攻击预样本,利用遗传算法搜索特征空间,迭代生成最优测试用例,从而扩充数据集、丰富XSS攻击向量库.给出了基于遗传算法和支持向量机的攻击检测模型,确定了XSS测试用例编码规则.进行了适应度函数设计,完成了选择算子、交叉算子、变异算子的设计.从准确率、召回率、误报率和F_(1)值来评价分类器的检测效果,结果表明:该模型准确率达到了99.5%;对比其他检测方法,该检测模型具有更好的检测效果,并且召回率和误报率也有明显改善.

关键词： 电动汽车   充电站   选址优化   灰狼优化算法   配电网   功率损耗   粒子群算法   遗传算法  

摘要： 随着电动汽车(EV)数量的增加,EV充电站的不合理选址使得配电网的功率损耗增大、电压分布不均。分别从运营商和投资者角度提出了两种EV充电站选址优化目标,然后基于配电网的功率损耗和充电站的安装成本得到综合目标函数,基于灰狼优化算法(GWO)寻找目标函数全局最优解,得到充电站的最优选址配置。以IEEE 34节点系统为例,对接入最优选址采用不同控制模式的EV充电站的潮流进行对比分析,结果表明优化配置后的配电网功率损耗明显降低,电压分布更加均衡;与粒子群算法和遗传算法的优化结果对比表明,GWO算法具有更好的收敛性和鲁棒性。

关键词： 再制造装配体   罗盘算子   蝙蝠算法   产品拆卸序列规划   适应度函数模型  

摘要： 针对再制造装配体人工拆卸比重较高,自动化拆卸使用率低等问题,提出了一种基于改进蝙蝠算法的方法来研究拆卸序列规划问题。在传统蝙蝠算法的基础上,引入罗盘算子改进蝙蝠算法,选择拆卸方向变化数量,拆卸工具更换次数和拆卸操作位置变更数作为评价指标,建立适应度函数模型。通过一个应用案例,对改进蝙蝠算法的优化性能进行了测试和验证,并将改进的蝙蝠算法与GA、PSO和差分蝙蝠算法进行了对比。数值结果表明,该算法相较其他三种算法具有更好的优化性能和更精确的解,采用该方法能获得具有高度自动化的再制造装配体拆卸序列且能够指导操作者高效完成拆卸工序。

关键词： 高精地图   无损水印   鲁棒性   存储特征  

摘要： 高精地图对推动自动驾驶发展具有关键作用,其安全和版权保护问题不容忽视。该文基于车道存储顺序,提出一种适用于高精地图的无损数字水印算法。首先,利用车道存储顺序变换不影响数据精度的特点,建立车道存储关系与水印比特的映射关系;然后,对高精地图要素间的连通关系进行分类,以此对车道进行分类分组并建立其与水印索引的映射关系;最后,利用车道的存储特征与连通关系获取水印比特与水印索引并实现水印嵌入。以OpenDRIVE地图数据作为实验数据进行算法验证,结果表明,该算法既能完全实现高精地图数据精度无损,又能较好地抵抗平移、旋转、缩放和裁剪等攻击,算法鲁棒性强,可为高精地图安全和版权保护提供可靠的技术支撑。

关键词： 动态多目标优化   神经网络   预测   目标个数不规则变化  

摘要： 文中提出了一种基于混合策略的初始种群预测算法(A Hybrid Strategy Based Initial Population Rrediction Algorithm,HIPPA)来解决目标个数随时间不规则变化的动态多目标优化问题。HIPPA依据目标个数判断环境是否发生变化,根据不同的目标个数划分环境类型。在种群初始化阶段,初始种群由3种机制产生。首先,利用历史种群信息训练改进的神经网络算法,生成一部分初始种群。其次,改进的精英策略利用历史种群信息生成一部分初始种群。最后,使用改进的随机策略生成一部分种群,以保持种群的多样性。本文使用基准实验F1-F5验证所提算法的有效性,并将结果与其他动态优化算法对比。实验结果表明,HIPPA可以更加有效地解决目标个数随时间不规则变化的动态多目标优化问题。

关键词： CSO算法   Markov链   上鞅收敛定理   Egoroff定理   几乎处处强收敛   一致收敛  

摘要： 针对鸡群优化(chicken swarm optimization, CSO)算法已有的收敛性分析结果属于弱收敛,不能保证算法能在有限步内收敛到问题的全局最优这一不足,提出了运用鞅方法来研究CSO算法的全局收敛性.首先,基于CSO算法的相关定义,建立CSO算法的马尔可夫(Markov)链模型,分析其Markov性质;其次,将具有最小适应度值的鸡群状态序列转化成上鞅,利用上鞅收敛定理和Egoroff定理证明了CSO算法的几乎处处强收敛性和一致收敛性,进而得出了当鸡群状态空间有限时,CSO算法能确保在有限步内收敛到问题的全局最优这一结论;最后,在仿真实验中成功验证了理论证明的正确性,并发现CSO算法比其他算法具有更强的寻优能力和更高的收敛精度.

关键词： 运动控制   AMR   移动机器人   双轮差速   路径规划  

摘要： 针对在空间受限的环境下,双轮差速机器人如何有效地进行位置调整,以避开障碍物并达到目标位置的问题,本文提出一种简易高效的位置调整算法。本文首先详细阐述了算法的实现过程,基于Gazebo和ROS2的仿真实验平台,并设计了四种最常见的窄巷道场景,通过仿真实验验证了算法的有效性和实用性。在详细阐述该算法时,我们介绍了其两步核心策略。首先,机器人通过原地旋转的方式,对各个方向进行采样,以确定在不发生碰撞的前提下可实现的最大旋转角度范围。其次,基于该旋转角度范围,机器人通过遍历不同角度的直行路径,在考虑障碍物的情况下,生成一系列潜在的运动轨迹。为确定最优轨迹,我们采用了一种基于目标点接近程度和用时的评分机制,在所有潜在运动轨迹中,选择最符合要求的路径作为控制目标路径。Addressing the question of how a two-wheeled differential robot can effectively make position adjustments to avoid obstacles and reach a target position in a space-constrained environment, this paper proposes a simple and efficient position adjustment algorithm for two-wheeled differential drive robots to effectively navigate and avoid obstacles in constrained environments, ultimately reaching a target position. The implementation process of the algorithm is elaborated in detail, leveraging the Gazebo and ROS2 simulation platforms. Four common narrow corridor scenarios are designed to validate the effectiveness and practicality of the algorithm through simulation experiments. The algorithm comprises two core strategies. Firstly, the robot rotates in place to sample various directions, determining the maximum achievable rotation angle range without colliding with obstacles. Secondly, based on this rotation angle range, the robot generates a series of potential motion trajectories by traversing straight paths at different angles, taking into account the presence of obstacles. To determine the optimal trajectory, a scoring mechanism is adopted, which considers both the proximity to the target point and the time required. Among all potential motion trajectories, the path that best meets the requirements is selected as the control target path.