课程文献中心 更多>>

关键词： 深度强化学习   游戏智能体   奖励函数塑形   近端策略优化算法  

摘要： 针对传统游戏智能体算法存在模型输入维度大及训练时间长的问题,提出一种结合状态信息转换与奖励函数塑形技术的新型深度强化学习游戏智能引导算法.首先,利用Unity引擎提供的接口直接读取游戏后台信息,以有效压缩状态空间的维度,减少输入数据量;其次,通过精细化设计奖励机制,加速模型的收敛过程;最后,从主观定性和客观定量两方面对该算法模型与现有方法进行对比实验,实验结果表明,该算法不仅显著提高了模型的训练效率,还大幅度提高了智能体的性能.

关键词： 自动驾驶   小目标车辆检测   多尺度检测   坐标注意力机制   损失函数  

摘要： 车辆目标检测是自动驾驶的重要环节,YOLOv5s是目前车辆目标检测中最有效的算法之一,但是对小目标车辆存在检测精度较低且容易造成错检、漏检等问题。现提出一种改进的YOLOv5s算法,首先引入C2f结构代替原算法中的C3结构,既获取了更丰富的梯度信息,又提高了推理速度,同时将坐标注意力机制引人到骨干网络中的C2f结构,可捕捉不同特征信息的长距离依赖关系,更精准地定位车辆特征;然后,添加一层浅层检测层,将原算法的三尺度检测变为四尺度检测,加强了对小尺度目标的学习能力;最后,使用添加了交并比加权项的Focal EIOU Loss损失函数突出高质量锚框的贡献度。将改进的YOLOv5s算法在自动驾驶数据集BDD100K上进行测试,实验结果表明与几个YOLO系列算法和两阶段算法Faster-RCNN相比,平均精度均值和召回率分别至少提高了5.2%、4.7%。

关键词： 计算机辅助计算   算法框图   化工原理  

摘要： 随着计算机技术的普及以及人工智能技术的快速发展,越来越多非计算机类专业的理工科学生已经掌握了一定的计算机编程基础,本文在非计算机专业的理工科学生所掌握的计算机编程基础上,举例说明了在《化工原理》课程教学中,利用算法框图来讲解教材中一些涉及繁琐计算过程的知识点的解题思路。在教学过程中,利用算法框图可以使学生更容易更清晰地掌握复杂问题的解题思路,培养学生严谨细心的学习态度和举一反三的思维能力,从而达到强化化工原理教学效果的目的。

关键词： 蜣螂优化算法   Tent混沌映射   黄金正弦搜索   自适应t分布策略   工程优化设计  

摘要： 针对蜣螂优化算法易陷入局部极值、收敛速度慢等缺陷,提出了一种多策略增强的蜣螂优化算法.首先,创新地提出了基于最大最小欧式距离-Tent混沌映射种群初始化新方法,使初始种群均匀分布在解空间中,提升种群的多样性;进一步,引入黄金正弦搜索策略平衡算法全局探索和局部开发能力;最后,设计基于自适应t分布策略对全局最优解进行扰动,提升算法摆脱局部最优解的能力.将所提算法与4种经典元启发式算法和2种先进的改进算法在10个基准测试函数上进行寻优性能对比,通过Wilcoxon秩和检验结果分析了显著性差异水平,结果表明所提算法在高维单峰测试函数上均优于其他6种算法,在多峰测试函数上表现突出.此外,将所提算法应用在2个典型工程优化设计中,优化效果均达到最佳值,进一步验证了其在解决实际工程问题时的优越性.

关键词： 协同优化   差异   权重   松弛  

摘要： 针对协同优化算法对初始点的选取敏感、稳定性差、求解困难等问题,提出了一种按权重分配差异信息的多学科协同优化算法(Multidisciplinary collaborative optimization algorithm based on weight distribution differential information),通过对学科间的差异信息和系统与各学科最优解均值间的差异赋予不同的权重值来定义松弛因子,改进后的松弛因子既保证了各子学科最优点的一致性,又兼顾了系统级优化与学科级优化的一致性。采用两个经典算例验证,结果表明所提算法的稳定性和收敛速度都有着明显的提升。

关键词： 无人机三维路径规划   蜘蛛黄蜂优化算法   透镜成像反向学习策略  

摘要： 针对无人机三维路径规划问题提出一种改进的蜘蛛黄蜂优化算法(Improved spider wasp optimization, ISWO)。在捕猎和筑巢阶段之后引入透镜成像反向学习策略扩大了种群搜索的范围,增强了算法探索能力以及提高了算法收敛精度。通过地形代价、航程代价和边界代价等约束条件模拟真实的三维地形环境进行建模。通过无人机三维路径规划仿真实验,表明改进的蜘蛛黄蜂优化算法规划的路径长度较原始的蜘蛛黄蜂算法减少了7.4%,有效提升了算法的寻优性能。验证了改进的蜘蛛黄蜂优化算法在无人机三维路径规划问题中的适用性和有效性。

关键词： 异常检测   知识蒸馏   特征融合   注意力   深度学习  

摘要： 针对当前基于知识蒸馏的异常检测算法中,教师与学生模型之间因异常特征表达差异性不高导致异常检测和定位精度较低的问题,本文提出一种基于双向多尺度知识蒸馏的异常检测算法。用教师模型、学生模型和反向蒸馏学生模型组成的非对称师生网络结构抑制学生对异常特征的泛化。在双向学生模型之间引入特征融合残差模块以融合多尺度特征和减少异常干扰。在正向蒸馏的学生模型内部嵌入注意力模块以增强重要特征的学习能力。在测试阶段通过多尺度异常图融合的方式进行异常评估。在公开数据集MVTec AD上的实验结果表明,以ResNet18作为主干的本文算法在接受者操作特征曲线下面积评估标准上取得了较高的97.7%像素级得分和98.8%图像级得分,有效改善了当前的知识蒸馏算法。

关键词： 粒子群算法   透镜成像反向学习   互联电力系统   风力发电   负荷频率控制  

摘要： 针对新型能源在互联电力系统中对负荷频率的影响较大、控制困难等问题,提出了一种基于透镜成像反向学习改进粒子群算法的PID控制策略。以火电机组-风电机组的两区域互联电力系统为研究对象,建立负荷频率控制模型,引入透镜成像反向学习策略的粒子群算法实现模型中PID控制器的参数整定。通过仿真试验,将多种同类型智能优化算法与改进的粒子群算法做横向对比,验证改进后算法的优越性。随后将改进后的粒子群算法与原算法、另一种动态反向学习粒子群算法做纵向对比试验,得到算法适应度值收敛曲线、频率偏差曲线、区域控制偏差曲线、联络线功率偏差曲线。仿真结果表明,基于透镜成像反向学习改进粒子群算法的PID控制策略收敛速度快、寻优精度高,且具有更好的抗干扰性,控制效果优于另外两种算法,能够很好改善互联电力系统负荷频率的稳定性。

关键词： 内涝   随机森林   风险预估   南昌市  

摘要： 利用南昌市2016—2022年内涝灾情资料及110个国家和区域气象观测站小时降雨数据,首先分析了南昌市内涝灾害的时空分布特征,确定了不同积水深度降雨指标强度临界值,结合承灾体条件,建立内涝风险预估等级;然后进一步基于随机森林算法,构建积水深度预估模型,开展城市内涝风险预评估;最后应用典型个例对风险等级预报的准确性进行检验。结果表明:(1)内涝灾害月变化呈现单峰型分布特征,峰值出现在6月;日变化呈现双峰型分布特征,峰值分别出现在09时和16时,灾害点多集中在城区核心区域。(2)短时强降雨或暴雨是导致南昌市50 cm以上积水深度的主要降雨类型,当1 h降雨量>40 mm、3 h累计降雨量>78 mm、6 h累计降雨量>98 mm、12 h累计降雨量>123 mm或24 h累计降雨量>135 mm时,极易引发50 cm以上的积水深度。(3)积水深度预估模型训练集和测试集平均精确率分别为96%和79%。依据积水深度预估区间[10,25)cm、[25,50)cm、≥50 cm,结合人口和GDP条件,将内涝气象风险划分为低、中、高3级。(4)南昌市两次暴雨过程内涝灾害点风险等级预估准确率分别为67%和56%,提前1~3 h预估的27个内涝点均在预估风险区域内。

关键词： 数据挖掘   模糊C均值聚类算法   线损管理   线损预测  

摘要： 随着电力行业的发展和人们生活水平的提高,对供电质量和电网性能的要求不断增加。线损作为评估电网质量的重要指标,管理和优化对电力行业的健康发展至关重要。为了有效提高线损管理,提出一种基于数据挖掘和聚类算法的线损预测方法。通过分析电网数据,采用模糊C均值聚类算法预测线损,以提高线损管理的效率和精度,从而降低线损率,提升电力企业的运营效率和盈利能力。