课程文献中心 更多>>

关键词： 无地图导航   深度强化学习   确定策梯度   无人机   动态环境  

摘要： 针对无人机导航系统在未知动态环境中难以进行建图、导航的问题，提出了基于改进双延迟深度确定性策略梯度(Twin Delayed Deep Deterministic Policy Gradient, TD3)算法的端到端无地图导航方法。为解决无地图环境下无人机感知受限问题将导航模型定义为部分可观马尔科夫决策过程(Partially Observable Markov Decision Process, POMDP)引入门控循环单元(Gated Recurrent Unit, GRU)，使得策略网络能够利用历史状态的时序信息获取最优策略，避免陷入局部最优；基于TD3算法引入softmax算子对值函数进行处理，同时采用双策略网络，以解决TD3算法中存在策略函数不稳定和值函数低估问题；设计非稀疏奖励函数，解决强化学习策略在稀疏奖励条件下难以收敛的问题。最后，在AirSim平台上进行仿真实验，结果表明，相比传统深度强化学习算法，改进算法在无人机无地图避障导航问题上，具有更快的收敛速度和更高的任务成功率。

关键词： 等效声源   轴对称结构   波叠加   特征频率   声辐射  

摘要： 对轴对称结构的声辐射问题，提出一种综合利用等效面声源与点声源的方法。针对传统等效点声源在对应结构内部Dirichlet特征频率处解非唯一和对于声学参数灵敏度较大问题，在结构内部布置面声源进行结构外声场的匹配运算，点声源则位于面声源内部保证解的唯一性。根据结构的对称性，将表面声压与振速按旋转角度展成Fourier级数形式，利用级数之间正交性建立各项待定系数表达形式。基于波叠加原理，建立等效源强度与Fourier级数待定系数之间的关系方程，并把虚拟面积分方程转变为轴对称结构外侧边界积分和旋转角度积分的乘积形式；进一步利用形函数对结构外侧边界进行插值处理，以此获取轴对称结构表面声压与振速之间的传递函数。采用新方法与传统等效点声源法、面声源法与解析法等结果作对比，结果表明了新方法的精确性。

关键词： 流量测量   超级传播者检测   高速网络   自适应采样   sketch  

摘要： 在高速网络环境中，超级传播者被界定为那些具有大量连接的主机或设备。准确的超级传播者检测在网络监控、安全分析及流量管理等多种应用中起着至关重要的作用。基于Sketch的可逆算法因其卓越的内存效率与从内部结构中恢复超级传播者ID的能力，受到了广泛关注。根据应用需要，从同一台主机或设备发出或接收的所有数据包通常被抽象为一条流。在高速网络中，流的分布通常高度偏斜，仅有少部分流为大流，绝大多数是小流。然而，现有研究的内存结构设计无法高效地适应高度偏斜的流分布，使得内存资源利用率较为低下。为此，本文设计了一种基于自适应采样的超级传播者检测算法AS-SSD ( Adaptive Sampling Based Super Spreader Detection )，该算法提出了一种基于寄存器共享的自适应采样策略，弥补了上述不足。AS-SSD首先将到达的流元素映射到一个寄存器数组中，使得小流仅使用少量寄存器，而越大的流使用越多的寄存器，从而适应偏斜的流分布。然后，AS-SSD首先将所有流的元素映射到一个寄存器数组中，使得小流仅使用少量寄存器，大流使用更多的寄存器，从而适应偏斜的流分布。然后，AS-SSD利用自适应采样策略动态调整不同规模流的元素采样概率，在保证精度的前提下，减少大流对寄存器的占用，进一步提升内存资源的利用效率。实验评估显示，AS-SSD在维持高吞吐量的同时，在超级传播者检测任务中展现出了更高的检测准确度，相比目前最先进的算法，最高可以将F1值提高0.609以上。

关键词： 小目标检测   NWD损失函数   小目标检测层   可变形卷积  

摘要： 针对YOLOv8算法在无人机视角下小目标性能不佳的问题，提出了一种改进后的YOLOv8-NDTiny算法。改进原有的CIoU损失函数，引入NWD损失函数，提高算法对于小目标的敏感度；在保持算法原有参数量的同时，将原有C2f模块中的卷积模块替换成可变形卷积，使得模型能够适应复杂的场景；优化了颈部结构，将原有的检测头替换成小目标检测层，使模型更加轻量化，并提高网络对小目标的感知能力。经实验数据表明，改进后的算法相比原算法在VisDrone2019数据集上mAP50%和mAP50%:90%分别提高了2.4%和1.8%，并且参数量为原先的71%。

关键词： 白鲸优化算法   PWLCM混沌映射   准反向学习   非线性收敛因子   动态平衡搜索策略   差异性种群进化策略   PV辨识问题  

摘要： 为进一步提升白鲸优化算法（BWO）的寻优能力和收敛速度，提出一种融合多策略改进的白鲸优化算法（Multi-strategy improved Beluga Whale Optimization，MIBWO）。针对算法初期因随机生成个体的遍历性较差使得算法易陷入局部的劣势，利用PWLCM混沌映射增加种群多样性以及准反向学习生成的反向解增强初始解的质量，为算法寻优性能奠定基础；其次构造一种动态限制局部扰动搜索机制，引入非线性收敛因子扰动个体增加求解精度与速度，为避免收敛因子在迭代后期过快收敛，利用动态平衡搜索策略以避免陷入局部最优；最后提出一种差异性种群进化策略对鲸鱼坠落阶段进行最优值位置扰动更新，有效提升收敛精度。理论分析和数值实验证明MIBWO算法具有较强的寻优性能，MIBWO算法在PV辨识问题体现了良好的寻优性能、收敛速度及鲁棒性并具有一定的实际工程应用前景。

关键词： 输电系统   配电系统   风电   鲁棒优化   经济调度   列与约束生成   利普希兹动态规划   目标级联分析  

摘要： 随着风电分别以集中式和分布式的形式广泛接入输电系统和配电系统，如何在考虑风电出力不确定性的条件下对输配电系统进行协同经济调度以确保整个系统的经济性和安全性面临新的挑战。文中首先建立了考虑风电出力不确定性的输配电系统鲁棒经济调度模型，并采用多面体不确定集描述风电出力的不确定性。然后，在列与约束生成(C&CG)算法框架下，分别针对C&CG主问题和C&CG子问题，提出基于利普希兹动态规划算法和目标级联分析法的分布式求解算法，以保证输电系统和配电系统信息的相对独立。在小型输配电系统和某实际输配电系统上进行了仿真计算，其结果验证了所提算法的正确性和有效性。

关键词： 能源消耗   改进动态运动原语   拖动示教   关键点抓取   Pybullet仿真  

摘要： 动态运动原语（DMP,Dynamic Movement Primitives）算法是工业机械手中常见的模仿学习算法，当前DMP算法发展迅速，但是在能源消耗方面优化较少，针对国家绿色环保战略和企业用人用工成本等问题，提出了一种以减少能源消耗和机械手示教快速复现为目的改进DMP的机械手模仿学习算法研究，该算法在DMP的基础上优化了示教路径并增加了对能源消耗的控制，首先对机械手拖动示教后的轨迹编码进行优化，在示教轨迹中添加机械手抓取的关键点，通过关键点优化DMP的示教编码去除多余动作并计算其中能源消耗最小的机械手电机运行策略和最优路径，最后通过机械手进行复现操作，在Pybullet仿真平台中搭建了一个7轴冗余机械手和若干抓取物并设定相应的物理规则来实现算法，经目标抓取实验测试：基于改进DMP的机械手模仿学习算法与传统DMP模仿学习算法比较，在保证任务成功率的基础上综合减小了42.82%能源的消耗，验证了方法的有效性。

关键词： 集成框架   投票机制   超目标优化问题   解排序算法  

摘要： 在超目标优化问题中，目标之间的冲突会导致没有一个解可以同时优化所有目标，求解时存在大量非支配解.选择合适的解排序算法评估解的质量，对算法性能起着关键作用.而不同的解排序算法，在处理不同的超目标问题时有着各自的优劣.因此，本文提出一个基于投票机制和动态分配价值点的集成框架(ensemble many-objective evolutionary algorithm based on voting and dynamic value point, VDVP-EMEA),将不同解排序算法聚合在一起协同工作.首先，根据每种解排序算法的有效投票率，动态分配每个专家拥有的价值点，有效投票越多的解排序算法，相应赋予更多的价值点，反之则对价值点进行惩罚.然后使用末位淘汰制，废弃能力最差的专家的投票.其次，在环境选择过程中，使用精英选择策略，通过投票结果和价值点来定义个体适应度，适应度越大的个体越优先被选择.最后，为了测试VDVP-EMEA算法的性能，进行大量试验，将VDVP-EMEA与4种常用的单一解排序算法NSGA-III、SPEA2、BiGE、GrEA和一种先进的集成算法VMEF进行了比较.实验结果表明，VDVP-EMEA的收敛性和多样性明显优于这些算法.

关键词： 青年群体   朋友圈倦怠行为   社会比较   印象管理   算法  

摘要： 近年来，青年群体对于微信朋友圈这一“熟人”社交媒体的逃离逐渐引发关注，青年群体朋友圈倦怠行为的特征及其生成机理值得研究。通过深度访谈发现，朋友圈倦怠行为是个体理性的行为选择，但倦怠行为伴随的负面心理问题仍需要正视和关注“；熟人社交”的定位和特殊性给予了朋友圈存在的价值和必要性，但算法和“内容社区”的合作正在引导人们转向“陌生人社交”。个体和平台方都应找到适宜的方式接受朋友圈的变化并寻求改变。

关键词： 零工   劳动关系   劳动者保护从属性   算法   平台经济  

摘要： 数字时代,互联网平台经济的快速发展催生了平台零工劳动者这一新型就业模式,赋予了劳动者更多选择空间,但是也导致劳动关系认定陷入困境,零工劳动者合法权益保障缺失。如何应对平台零工经济下劳动关系的非典型化发展,成为亟待解决的问题。通过选取裁判文书网2023年度涉外卖骑手劳动关系确认纠纷的18份有效案例,对其中的肯定性裁判与否定性裁判进行深入对比分析,研究发现平台零工经济背景下,用工单位通过规避劳动合同的签订、引入第三方评价以转移矛盾,滥用算法技术以增强劳动控制,重构劳动者联结方式以弱化劳动关系、规避企业社会责任,进而引发一系列规范适用危机。对此,应当以数字时代的算法控制重新解读零工劳动者选择自由的判断内核,从身份属性、算法支配属性以及劳动内容属性三方面重构人格从属性的判断标准,从算法支配下的劳动价值获得与劳动收入来源层面完善经济从属性的认定要求,从经济价值创造、数据价值创造以及品牌价值创造3个维度构建劳动关系判断的价值归属标准。