课程文献中心 更多>>

关键词： 四旋翼无人机   姿态控制   参数优化   多维混沌映射   组合混沌扰动  

摘要： 针对四旋翼无人机控制器参数较多且难以获得最优整定解等问题,提出了四旋翼无人机姿态控制参数的改进混沌粒子群优化算法;采用多维混沌映射函数产生初始化种群,提高初代种群质量;提出一种全域模糊扰动+邻域精准扰动的多维组合混沌扰动策略,可生成优质混沌扰动粒子;为同时兼顾时频域指标要求,设计了多性能指标约束条件下的加权性能指标函数,以确保优化结果能够满足各项指标要求;另外,进行了四旋翼无人机姿态控制数字仿真,统计结果表明改进策略可以产生较优初代种群,且性能指标在第4代即可快速收敛至近似最优解附近,六自由度仿真验证了改进策略的正确性和有效性。

关键词： 蚁群算法   散射   聚焦   相位调制  

摘要： 光通过散射介质聚焦是光通信和生物成像领域的重要目标。由于散射介质材料的密度分布具有高度非均匀性,相干光在非均匀介质中传输会经历多次散射。寻找与散射介质相匹配的入射光波前分布是解决这一问题的核心和关键。采用蚁群算法来优化入射光波前的相位分布。利用探测器测量介质后的焦点光强,发现蚁群算法获得的增强因子比传统的遗传算法高。数值仿真和实验验证了蚁群算法的可行性和稳定性。因此,今后在相干光通过散射介质聚焦与成像领域,应当优先考虑利用蚁群算法优化入射光的波前相位分布。

关键词： 哈希学习   电动汽车   充电桩推荐   特征匹配  

摘要： 针对现有电动汽车共享充电桩推荐算法在大数据场景下存在耗时问题,本文提出一种基于哈希学习的快速推荐算法。该算法首先采集目标范围内充电桩的用户偏好因素,并利用监督离散哈希学习模型进行训练,得到一组能够保持原始空间语义相似性的二值哈希编码。然后,在汉明空间内进行特征匹配,实现快速推荐。实验结果表明,相较于传统方法,本文方法能够显著提高私人共享充电桩的推荐速度。

关键词： 计算思维   小学科学   Scratch   问题解决  

摘要： 随着信息化时代的到来,义务教育阶段的计算思维培养及其相关研究逐步展开。结合计算思维的抽象、分解、算法设计、概括、评估五要素,该研究以小学科学课“设计小台灯”为例,借助Scratch编程软件进行具体的教学设计与实施。基于问卷、访谈等研究方法,验证教学促进学生计算思维培养的有效性。研究发现,以计算思维为导向的小学科学教学有助于提高学生运用计算思维解决问题的能力。

关键词： 图卷积神经网络   邻域聚合   强化学习   节点相似性   节点分类  

摘要： 图卷积神经网络通过将相似性高的邻居节点信息进行聚合以得到节点表示,为节点选择合适邻域并进行有效聚合是图卷积网络的关键。现有的图卷积神经网络大多直接将多跳邻域内的节点信息聚合,没有考虑到不同跳数邻域的聚合权重对网络中不同节点的差异性。针对此,提出了一种基于路径感知邻域的节点分类算法(Path connectivity based neighbor-awareness node classification algorithm,PCNA),通过网络中的路径连通信息确定节点邻域,并自适应地感知不同长度路径对节点间相似性计算的影响权重,指导图卷积神经网络的邻域聚合过程。PCNA由邻域感知器和节点分类器组成,邻域感知器基于强化学习机制自适应地获取每个节点的聚合邻域及不同长度路径的影响权重,再利用节点间的路径连通信息得到相似性矩阵;节点分类器利用所得相似性矩阵进行邻域聚合得到节点表示,并进行节点分类。在8个真实数据集上与10种经典算法的对比实验表明了所提算法在节点分类任务上有较好的性能。

关键词： Focaler-EIoU   YOLOv8   水下目标检测   轻量化网络   PConv  

摘要： 基于机器视觉的无人水下航行器(Unmanned Underwater Vehicle, UUV)在工作时往往面临着嵌入式设备计算资源有限、实时检测速度慢的问题,为了解决这些问题,设计了一种轻量化网络检测算法——YOLOv8-FasterECA-Slim-neck-Focaler-EIoU(YOLOv8-FESF)。在骨干网络中,基于FasterNet Block和高效通道注意力(Efficient Channel Attention, ECA)机制构建全新的C2f_Faster_ECA模块,降低特征网络的参数量和计算量,采用Slim-neck作为颈部结构,进一步压缩模型的规模;重新设计检测头,利用参数共享的思想合并特征提取模块,从而轻量化模型,提高检测速度;使用边框回归损失函数Focaler-EIoU动态调整损失值,解决难易样本不平衡的问题,以提高检测精度。实验结果证明,所提模型在RUOD数据集上表现良好,相较于YOLOv8n基准模型,参数量和计算量分别减少40%和54%,检测速度提高10.5帧/秒,平均精度均值(mean Average Precision, mAP)仅下降0.1%,适合部署在计算设备资源受限的水下目标检测平台。

关键词： 变步长LMS算法   深度强化学习   自适应滤波   奖励函数  

摘要： 针对定步长LMS算法在收敛速度和稳态误差之间难以取得平衡的问题以及传统变步长算法对初始参数选择依赖程度高、工作量大且存在主观性的缺陷,提出了一种基于深度强化学习的变步长LMS算法。该算法对初始参数的依赖性小,规避了繁琐的调参流程。首先,构建了一个融合深度强化学习和自适应滤波的算法模型,该模型利用深度强化学习智能体控制步长因子的变化,代替了传统变步长算法中用于步长调整的非线性函数,从而规避了繁琐的实验调参流程,降低了算法使用的复杂性。其次,提出了基于误差的状态奖励和基于步长的动作奖励函数,引入动态奖励与负奖励机制,有效提升算法的收敛速度。此外,设计了基于欠完备编码器的网络结构,提高了强化学习策略的推理能力。通过实验验证,相较于其他较新的变步长算法,所提出的算法具有更快的收敛速度和更小的稳态误差,在不同初始参数下均能快速调整至合理的步长值,减少了实验调参的工作量。将训练完成的网络应用到系统辨识、信号去噪以及截流区龙口水域水位信号的滤波等实际领域中,均取得了良好的性能表现,证明了算法具有一定的泛化能力,并进一步证实了其有效性。

关键词： 大学生群体   算法素养   算法应对行为   形成机理  

摘要： 文章采用扎根理论方法,对大学生进行半结构化访谈,将获取的原始资料进行编码分析,提炼出31个初始概念、19个初始范畴和8个主范畴。基于此梳理各个范畴之间的内在逻辑,构建高校大学生算法素养形成机理模型。研究发现,大学生算法素养形成机理包括意识触发、认知形成、态度形成、应对行为四个阶段,梳理算法素养各要素之间的内在关系,提出大学生算法素养的培育策略。

关键词： SM4算法   塔域分解   S盒   量子实现  

摘要： 本文主要研究SM4算法的低Toffoli深度以及低T深度的量子电路构造.对于SM4算法的S盒,本文以对其基于塔域分解技术得到的经典实现的重新划分为基础,通过添加量子辅助比特使每部分的Toffoli深度以及T深度达到理论上的最小值.在经典实现的重新划分中,第二部分可视为4比特S盒,本文在基于NCT门集设计其量子电路时,提出了一种Toffoli深度为2的实现方案,该方案仅消耗8个量子辅助比特.针对重新划分中的第二部分基于Clifford+T门集的实现,本文使用基于SAT的搜索算法得到该部分与门深度为2的实现,并基于此设计了其T深度为2的量子电路.上述方法能在仅添加有限量子比特的条件下,有效地降低S盒整体电路的Toffoli深度以及T深度.基于上述方法,本文分别设计了SM4算法S盒Toffoli深度为8以及T深度为4的量子电路.将上述S盒电路应用于SM4算法整体设计中,本文最终分别设计了SM4算法的Toffoli深度为264、T深度为132的量子电路.

关键词： 微电网   需求响应   改进哈里斯鹰优化(IHHO)算法   Levy飞行   优化调度  

摘要： 针对新能源发电接入以及考虑需求响应背景下的微电网优化调度问题,建立微电网模型;以考虑需求响应带来的用户用电不舒适度和系统的运行成本构建目标函数,调整用户可转移负荷。根据风光出力具有的随机性、波动性等特点,采用模糊K-means算法对风光出力数据进行聚类,得到典型的风光出力曲线。对哈里斯鹰优化(Harris hawks optimization,HHO)算法种群分布不均以及易陷入局部最优的问题进行改进:首先,在初始化种群阶段引入Tent映射,使得初始种群覆盖更全面,避免在早期陷入局部最优解;然后,在搜索阶段引入Levy飞行函数,增强算法的全局搜索能力,再将改进哈里斯鹰优化(improved HHO,IHHO)算法应用于寻优,并将其与经典算法进行对比。最终结果验证了所提策略的有效性以及IHHO算法的优越性。