课程文献中心 更多>>

关键词： 移动边缘计算   MCC   能量优化   卸载决策   元启发式算法  

摘要： 基于物联网设备和移动设备计算能力有限的问题，针对移动边缘计算（mobile edge computing，MEC）环境中的任务卸载优化问题，采用蚁群优化算法（ant colony optimiz-ation，ACO）、灰狼优化算法（Grey wolf optimization，GWO）和鲸鱼优化算法（whale optimization algorithm，WOA）三种元启发式算法，建立了能量消耗和计算延迟的数学模型，并结合大量仿真试验，分析了三种算法在不同任务大小和节点数量情况下的性能表现。结果表明，在节点数量为100、任务大小为1 000 kB的条件下，GWO算法相比ACO和WOA算法，平均节能10.2%，平均减少延迟15.8%。结论是，GWO算法在优化MEC系统的能耗和延迟方面表现出优异的综合性能，为MEC任务卸载策略提供了有效的优化方案。

关键词： 张量补全   双层模型   收敛性   零空间性质   RIP条件  

摘要： 基于张量的Tucker秩,本文提出了张量按模展开矩阵核范数的极小极小、极小极大以及它们组合的优化模型.首先研究了这三种新模型的零空间性质和约束等距性质(restricted isometry property,RIP).然后采用增广Lagrange乘子方法框架,设计了求解张量补全的三种优化算法,分析了求解极小极小与极小极大组合优化模型算法的收敛性.最后进行了数值实验,将本文提出的三种算法与求解传统模型的高精度低秩填充算法进行了比较,结果显示:极小极小与极小极大组合的优化模型与传统的核范数优化模型精度基本相同, CPU (central processing unit)时间明显减少.

关键词： 深度学习   YOLOv5s   钢材   卷积神经网络   小目标缺陷检测   注意力机制   损失函数   分类定位  

摘要： 针对钢材表面缺陷检测中小目标特征提取难度高、精度不足以及错检与漏检问题，文中提出一种基于改进YOLOv5s(You Only Look Once version5s)模型的小目标检测算法。通过在主干网络中引入SE(Squeeze-and -Excitation)注意力机制增强对小目标特征的关注度。采用动态蛇形卷积(Dynamic Snake Convolution， DSConv)替换主干网络中的部分C3模块，有效提升了微弱特征的提取能力。通过采用归一化Wasserstein距离(Normalized Wasserstein Distance， NWD)优化的EIoU(Efficient Intersection over Union)损失函数降低了对小目标位置偏差的敏感性，进而提高了小目标的检测性能。引入解耦头优化模型头部，解决了分类与回归任务间的冲突，从而减少错检和漏检情况的发生，提升了小目标的分类和定位准确性。在NEU-DET(Northeastern University Detection)数据集上的实验验证了所提算法的有效性，其平均精度均值(mean Average Precision， mAP)为80.4%，较原始算法提升了5%，且保持61.72 frame/s的检测速度。结果表明，改进算法在检测速度和精度方面均优于其他对比算法，证明了其在高效检测小目标钢材表面缺陷方面的优越性。

关键词： 行人检测   目标检测   深度卷积   迁移学习   自注意力机制  

摘要： 密集行人检测是行人检测领域的一大研究热点。针对密集行人检测场景中被遮挡目标及小目标行人易产生漏检的问题，提出一种改进DETR的目标检测算法Pe-DETR。本算法采用基于多头自注意力机制的Dino-DETR作为基准模型，针对自注意力机制缺少捕获局部特征的能力导致密集行人检测效果较差的问题，对FFN进行多种改进与实验，提出DWSEFFN使模型可以提取到更多局部细节特征；针对ResNet-50骨干网络对重要特征提取效率较低的问题，采用Swin Transformer-L作为特征提取网络，提升骨干网络对重要特征的提取能力，同时使Pe-DETR完全基于注意力机制搭建，结构中不包含深度卷积结构；针对密集行人场景中目标数量多与DETR检测器中的稀疏匹配矛盾的问题，应用密集不同查询有效应对行人密集的场景，且不会引入无效的相似查询。在CrowdHuman密集行人检测数据集上进行实验，所提行人检测算法领先DINO算法3.7%的AP50准确率和4.5%的mAP准确率，实验结果表明在密集行人检测任务中改进后方法的准确率明显优于其他端到端模型。

关键词： 光子神经网络   器件误差   马赫曾德尔干涉仪   梯度下降算法   学习率  

摘要： 本文优化了训练算法和学习率组合以提高光子神经网络(Optical Neural Network，ONN)对器件误差的鲁棒性能，同时确保其对数字图像的高精确识别。本文仿真搭建两种全连接ONN架构，即GridNet和FFTNet，其中使用马赫曾德尔干涉仪(Mach-Zehnder Interferometers，MZI)作为光子器件，并对含有器件误差的ONN进行了不同算法的训练，包括随机梯度下降(Stochastic Gradient Descent，SGD)、均方根传递(Root Mean Square prop，RMSprop)、适应性矩估计(Adaptive Moment Estimation，Adam)和自适应梯度下降(Adaptive Gradient，Adagrad)。结果表明，在不同程度的器件误差下，FFTNet型ONN比GridNet型ONN更鲁棒。具体来说，采用学习率为0.005的RMSprop和Adam算法以及学习率为0.5的Adagrad算法训练的FFTNet型ONN在数字图像识别精度和器件误差鲁棒性上表现最佳。因此，优化训练算法和学习率的组合可以有效提高ONN的鲁棒性能。

关键词： docker容器   APS算法   蚁群算法   云服务器   集群资源  

摘要： 为提升云服务器集群资源利用率，研究基于docker容器和APS算法的云服务器集群资源调度优化方法。采用Docker Swarm容器架构，通过Discovery Service单元监控集群资源节点，获取当前云服务器节点负载的CPU和内存利用率;利用线性回归模型预测节点负载，计算每个云服务器集群节点权重;选择权重相同的云服务器节点，使用APS算法中的蚁群算法进行优化，并获取云服务集群资源调度优化结果;依据该结果docker swarm容器启动Leadership单元，为用户创建融合并分配最佳云服务器集群节点，从而实现云服务器集群资源调度优化。仿真实验表明:该方法具备较为准确的云服务器集群节点负载预测能力的同时，还可有效对云服务器集群资源进行调度优化，有效提升了云服务器集群资源利用率，应用效果较为显著。

关键词： 多接入边缘计算   任务卸载   强化学习   多智能体算法   平均场近似理论  

摘要： 基于单智能体强化学习的任务卸载算法在解决大规模多接入边缘计算(MEC)系统任务卸载时，存在智能体之间相互影响，策略退化的问题。而以多智能体深度确定性策略梯度(MADDPG)为代表的传统多智能体算法的联合动作空间维度随着系统内智能体的数量增加而成比例增加，导致系统扩展性变差。为解决以上问题，该文将大规模多接入边缘计算任务卸载问题，描述为部分可观测马尔可夫决策过程(POMDP)，提出基于平均场多智能体的任务卸载算法。通过引入长短期记忆网络(LSTM)解决局部观测问题，引入平均场近似理论降低联合动作空间维度。仿真结果表明，所提算法在任务时延与任务掉线率上的性能优于单智能体任务卸载算法，并且在降低联合动作空间的维度情况下，任务时延与任务掉线率上的性能与MADDPG一致。

关键词： 工程技术   勘探开发   井下作业   二氧化碳   提高采收率   二氧化碳吞吐   能源安全   算法  

摘要： （目的意义）高含二氧化碳凝析气自喷井，导致井下工具使用寿命低、凝析气可采期短。耐二氧化碳节流器能够延长凝析气井经济可采期。（方法过程）基于气井二氧化碳侵蚀机理，对工程现场应用中上百例井下节流器失效案例进行了重点调查统计和系统分析，通过开展 9 种井下节流器橡胶密封件进行力学性能室内实验，结合现场井下试验，在 14 种橡胶配方中确定了以改性氢化丁晴橡胶作为基础的新型橡胶密封件材料，同时，将井下节流器常规设计改为易投捞结构。（结果现象）新型橡胶密封件材料力学性能在井筒腐蚀环境中展现了较强的抗侵蚀效果，通过在中心杆的尾部增加了开槽设计等 4 处改进的易投捞井下节流器在室内地面投捞性能试验中无卡顿，耐二氧化碳节流工艺在凝析气井应用，试验井现场成功应用该节流技术后连续生产 120 d以上。（结论建议）耐二氧化碳井下节流工艺的成功应用，确保高含二氧化碳凝析气田长期可持续发展。

关键词： 粒子群优化算法   泛微网   网络规划   规划模型  

摘要： 为了提升泛微网的运行质量，本文采用粒子群优化算法对泛微网规划模型进行优化设计。首先，确定泛微网的规划覆盖范围和内部拓扑结构。然后，借助粒子群优化算法，优化了各个网络节点的IP地址和实际安装位置，将网络资源分配到各个节点和链路中。在路由协议的支持下，实现了网络的数据传输功能，从而完成了泛微网的规划。通过实验得出:与传统模型相比，优化设计模型规划泛微网的覆盖率提升约5.38%，网络传输数据溢出量降低的同时提升通信速度，证明优化设计模型具有较高的规划效果。

关键词： 油气润滑   模糊PID   粒子群优化   智能控制  

摘要： 油气润滑在高速电主轴轴承中应用广泛,需根据工况精准调节润滑量。针对传统模糊PID算法不足,提出基于粒子群优化的模糊PID控制算法,优化比例因子,快速整定最佳参数。Matlab仿真显示,该算法在超调量、响应速度、稳态时间上表现更优。应用于油气润滑智能控制系统,可根据轴承工况智能调节润滑量,延长使用寿命。该系统已成功应用于企业高速磨削电主轴,长期测试表现稳定。