摘要:视觉SLAM(visual SLAM,vSLAM)已成为无人系统在未知环境中实现全自主导航和环境感知不可或缺的重要组成部分.鉴于此,简要介绍vSLAM的发展历程和典型构成,总结两种前端位姿估计方法(特征法与直接法)和两种后端优化方法(非线性滤波与非线性优化)的典型代表及优缺点.在此基础上,依次按照耦合方式和后端优化方法的不同对视觉/惯性SLAM的相关研究成果进行分类.进一步分析代表性开源vSLAM框架的异同,给出公开数据集下的性能对比,并分别从泛化能力、高级感知能力、动态适应性和多传感器集成化等方面对当前vSLAM所面临的挑战进行阐述,探讨vSLAM未来的发展趋势和方向,为研究者提供有益参考.

摘要:针对天基、临空基和空基协同的对地观测发展新趋势和“看得见、盯得住、跟得上”的对地观测应用新要求,研究面向3种典型对地观测任务的天临空协同任务规划模型与算法.首先,构建统一化的观测路径决策模型,为不同资源的观测路径提供统一的描述手段;其次,建立差异化的约束与收益模型,指明区域目标覆盖、定点目标监视和移动目标跟踪等3种典型对地观测任务,以及覆盖率、监视率和跟踪率等3种收益函数,同时提出一种并行竞争的模因算法,通过并行、竞争和进化操作逐代发挥算法、算子优势和计算机算力,提供灵活、易用和自适应的模型求解手段;然后,开展3种典型对地观测任务仿真实验,检验天临空协同对地观测任务规划模型和并行竞争模因算法,呈现出天临空对地观测的时、空协同性;最后,讨论模型和算法在天临空协同对地观测实际应用中的可行性和改进方向.

摘要:传统的单视角方法对来自不同场景不同形式的多视角样本难以获得较好的分类性能,因此多视角学习成为近年来的热门研究课题并被广泛研究.在多视角学习中,可能存在这样一种特殊现象,即来自不同视角相同类的样本间的差异比来自同一视角不同类的样本间的差异大,这给多视角学习带来很大挑战,并导致多视角学习效果变差.鉴于此,首先利用Parzen窗技术构建共享隐空间,并将共享隐空间联合原始空间得到扩展空间,进行多视角学习,能够很好应对上述特殊现象;然后利用支持向量机(SVM),提出一种新型的多视角学习方法,即基于共享隐空间的多视角SVM;最后通过在人工和真实的多视角数据集上的实验验证了所提方法在应对上述挑战时具有很好的实验效果.

摘要:密度峰值聚类算法对密集程度不一数据的聚类效果不佳,样本分配过程易产生连带错误.为此,提出一种基于相互邻近度的密度峰值聚类算法.所提算法引入k近邻思想计算局部密度,以此保证密度的相对性.定义综合数据全局和局部特征的样本相互邻近度的度量准则,据此准则,提出一种新的样本分配策略.新的分配策略采用k近邻思想寻找密度峰值,将密度峰值的k个近邻点分配给其对应类簇,对所有已分配数据点寻找相互邻近度最高的未分配数据点,将未分配数据点分配给已分配数据点所在类簇.在合成和UCI数据集上,将所提算法与DPC、DBSCAN、OPTICS、AP、K-Means及DPC的改进算法进行比较, 实验结果表明,所提出的算法性能最优.

摘要:双论域模糊概率粗糙集是针对双论域信息系统的一种新的数据挖掘模型,现实应用中的双论域信息系统总是处于动态更新中,针对该问题提出一种基于矩阵的双论域模糊概率粗糙集增量式更新方法.首先,通过矩阵方法重新对双论域模糊概率粗糙集进行表示;然后,在矩阵表示模型的基础上,分别研究双论域信息系统两个论域中对象增加和减少时模型的增量式更新机制;最后,基于该增量式更新提出相应的增量式更新算法.实验分析表明:相比较于非增量式更新算法,所提出的增量式更新算法可以在很短的时间内完成模型的动态更新,从而验证算法的有效性;同时,与其他相关算法相比,所提出算法具有一定的优越性.

摘要:研究每阶段含不相关并行机的多阶段混合流水车间问题(MHFSP),工件的加工时间取决于所分配的机器,相邻阶段之间缓冲区能力有限.鉴于直接求解该NP-hard问题较为困难,将其转化为带阻塞和不相关并行机的MHFSP(BMHFSP-UPM),建立整数规划模型,基于遗传算法(GA)和禁忌搜索(TS)提出一种混合启发式算法(HH-GA&TS)进行求解.在该算法中,设计基于多阶段并行加工的二维矩阵编码方案,继而基于二维矩阵元胞组的初始解群体表述设计参数自适应策略;引入基于工件位-基因位的单点倒置交叉以及基于机器号的单点变异过程,利用GA求解机制完成解更新过程;设计机器号次序交换(MNE)、工件位置交换(JNE)、工件工序变异(JNM)三种邻域解移动规则,从而完成基于MNE-JNE-JNM 的TS二次优化.仿真实验测试了多达120个工件的720组不同规模实例,结果表明,相较于GA、TS 及NEH-IGA, 所提出的混合启发式算法在解的质量方面表现更佳.

摘要:和声搜索算法是一种模拟音乐即兴创作过程的元启发式搜索,已成功应用于解决许多实际问题.针对高维函数优化问题,提出一种基于动态行为选择的和声搜索算法.在算法中新和声的即兴创作有3种策略,迭代过程中通过计算每个策略的即时价值和综合价值选择和声的即兴创作策略,并通过个体即兴创作策略选择方法提升寻优速度或避免陷入局部最优解.将所提出算法与9个改进和声搜索算法在22个基准函数上进行对比.实验结果表明,所提出算法具有较好的求解精度、稳定性和收敛速度,擅长于解决复杂的高维问题.

摘要:效能优化是实现体系结构设计、多方案配置等工作的重要途径.体系仿真系统通常具有组成结构复杂、连续离散混合、输入输出变量多、运行开销大等特点,导致效能优化面临多目标、混合变量、多峰值、低效率等问题,提出一种基于复杂昂贵仿真的体系效能优化算法.针对昂贵仿真问题,提出基于聚类与空间填充准则相结合的开发-探索序贯元模型策略;引入混合编码策略和相应遗传算子改进传统的NSGA-II(nondominated sorting genetic algorithm II)算法,提高多目标优化效率.与目前较流行的3种昂贵优化算法的对比分析表明,所提算法得到的优化结果具有较好的收敛性、多样性及分布性.最后,以某防空体系的效能仿真优化为例,验证所提方法的可行性和有效性.

摘要:针对不同相对度的离散线性重复过程,研究有限频域范围的动态迭代学习控制问题.对于零相对度和高相对度的控制对象,结合二维(2D)系统理论,分别设计有限频域的动态迭代学习控制器;然后,运用广义Kalman -Yakubovich-Popov(KYP)引理,以线性矩阵不等式(LMI)的形式给出控制器存在的充分条件以及控制器的增益矩阵;最后,在弹簧阻尼系统和桁架机器人模型的仿真中,与静态迭代学习控制算法进行比较,验证所提算法的优越性和可行性.

摘要:研究在模型依赖平均驻留时间切换策略下切换线性系统的异步切换控制问题,同时考虑模型依赖的控制器滞后时间的约束问题.在实际情况下,信号传输和系统检测等原因会导致控制器的切换滞后于子系统.基于这类情况,首先将子系统运行的区间划分为子系统与控制器相匹配的区间和非匹配的区间,根据模型依赖的驻留时间策略设计出各子系统的控制器;然后,结合模型依赖的控制器滞后时间、系统参数和Lyapunov稳定条件推导出合适的驻留时间设计参数,且使得异步切换系统全局一致指数稳定;最后通过数值仿真验证了所提出方法的有效性.

摘要:对于不平衡数据的分类,不平衡率并不是影响分类效果的唯一因素,类别间的重叠、正类样本的分离以及噪音样本的存在等均会对分类效果造成影响.针对具有类别重叠的不平衡数据集,提出基于CGAN模型的重抽样方法(RECGAN).该方法结合负类样本的欠抽样和正类样本的过抽样,既能够提高重叠区域正类样本的识别度,又可以克服以往均从样本点的局部邻域出发合成样本的缺陷.实验结果表明,无论是从AUC和$F_1$的取值看,还是从数据集上的平均排序看,RECGAN方法均具有明显的优势.

摘要:为增强栗翅鹰优化算法的全局探索能力和局部开采性能,提出一种融合能量周期性递减机制与牛顿局部增强策略的改进栗翅鹰优化算法(improved harris hawks optimization,IHHO).该算法在传统HHO算法基础上,启发于自然界中鹰与猎物间的多轮围捕-逃逸现象且猎物能量整体上呈现递减态势,进而设计一种猎物能量的周期性递减调控因子并嵌入能量函数中,该机制有利于实现IHHO算法全局探索与局部搜索间的多轮动态迭代平衡.牛顿局部增强策略借鉴牛顿迭代思想构造一种猎物邻域(当前最优解)的局部再搜索,并依概率实现IHHO算法的局部寻优性能改善.数值实验验证了不同能量周期数和局部搜索次数对HHO算法性能的差异性影响、优越的并行迭代寻优性能以及高收敛精度、高维情形(100Dsim10000D)的较好适用性.

摘要:多目标多因子优化(MO-MFO)问题作为一类新的优化问题近年来受到了众多关注,其特点是需要利用单个种群来同时优化多个多目标优化任务.针对该问题,提出一个基于分解策略的多目标多因子进化算法(MFEA/D).算法通过多组权重向量,将MO-MFO问题中的每个任务分解成一系列单目标优化子问题,并用单个种群同时优化.\;在种群进化过程中提出不同任务之间的信息交流策略,以充分挖掘不同任务之间的有用信息,进而加快每个任务的收敛速度.基于10个多目标多因子标准测试问题的实验结果表明,所提出的不同任务之间的信息交流策略能够加快问题的求解速度,使得MFEA/D算法显著优于当前的MO-MFEA算法.

摘要:时间序列是一种广泛存在于现实各领域之中的海量高维数据,时间序列预测是该领域的一个研究重点.传统的时间序列预测方法仅仅从时间的维度对时间序列进行分析,忽略了外界影响因素对时间序列可能产生的影响.针对传统时间序列预测方法存在的问题,提出一种基于深度学习的时间序列预测模型DAFDC- RNN(dual-stage attention and full dimension convolution based recurrent neural network).该模型引入目标注意力机制来学习输入特征与被预测特征之间的相关性,引入全维度卷积机制来学习输入特征之间的相关性,并引入时间注意力(temporal attention)机制来学习时间序列的长期时间依赖性.在实验部分首先确定模型的超参数,然后对模型部件的有效性进行验证,最后通过对比实验验证了所提出的DAFDC-RNN模型在大特征量数据集上具有最佳的预测效果.

摘要:为解决无人机飞行过程中障碍物规避问题,提出一种新的三维自主避障算法.首先,根据障碍物的若干信息利用标准凸面体对不规则障碍物进行数学建模,用一个或多个标准凸面体覆盖障碍物整体或关键部分;然后,根据障碍物模型设计圆弧规避航路算法,将避障问题转化为跟踪规避航路控制问题,并定义避障判定、避障方向判断和成功避障规则;最后,结合非线性制导律和高度通道控制,实现无人机实时三维航路跟踪与自主避障.非线性数值仿真结果表明,避障算法能够有效地规避障碍物且三维航路跟踪精度好,能够应用于无人机的避障飞行任务.

摘要:海上舰船目标识别对于海运交通、海上目标跟踪、军事侦察等都有着重要作用,然而海面气象复杂、光照不均、云雾遮挡等自然现象易导致遥感图像中舰船目标识别率低、鲁棒性差等问题.针对云雾遮挡问题,提出一种改进InceptionV3网络模型InceptionV3-FC的舰船目标识别算法.首先,InceptionV3-FC通过引入一层全连接层用来学习新的目标函数,用该目标函数对清晰样本和遮挡样本进行训练;其次,通过目标函数的约束项对清晰样本以及遮挡样本的特征进行约束,进而使得训练的遮挡样本和清晰样本的特征映射彼此接近,共享它们的特征,提高被遮挡舰船目标识别的鲁棒性.由光学遥感图像数据集的实验可知,相比于改进前的网络,将被云雾遮挡达到30%、50%、70%的舰船目标平均识别率分别提高3.23%、4.44%、15.67%.实验结果表明,该网络模型能有效改善舰船被云雾遮挡后特征丢失而导致的识别率低的问题.

摘要:资源受限项目调度问题(resource constrained project scheduling problem,RCPSP)要求在满足相关约束的条件下安排各活动开始时间,从而达到某一目标的最优,具有很强的应用背景,并受到众多学者的广泛关注.经典的RCPSP模型以最小化项目工期为单一目标,忽略了资源使用率等因素对项目整体的影响,使其与实际应用仍有较大差距.基于经典的RCPSP模型,引入最优资源均衡为另一目标,将模型扩展为多目标模型,丰富了RCPSP模型的应用场景.同时,考虑到新模型中各活动间存在大量的控制关系,使用传统的启发式多目标算法需要耗费大量的时间对不可行解进行判断,求解性能较低,提出一种新的算法框架NSGA-IIs.该算法框架基于活动间控制关系将各活动分成若干子集,并在初始化和交叉变异等阶段以子集为基本单位产生新的个体,能够较好地避免不可行解的产生,提高算法的效率.使用解集覆盖度作为评价指标,通过实例数据集的实验表明,与已有的求解RCPSP的经典算法相比,所提出的算法具有明显的优越性.

摘要:属性约简是知识获取的重要内容,目前针对区间粗糙数信息系统属性约简的研究十分匮乏.考虑到现有研究中论域的分类结果存在冗余,且尚未有研究对分类冗余进行度量,在区间粗糙数信息系统中提出覆盖分类冗余度的概念,并且在提出相似类和beta-极大相容类的概念之后,提出beta-等价类的概念,使得以beta-等价类对论域进行分类所得的结果为论域的一个划分,将覆盖分类冗余度降低为0.在此基础上,对区间粗糙数信息系统提出一种保持beta-等价类不变的属性约简定义,同时根据beta-等价类的特点,给出仅以beta-等价类中某个元素作为区分对象建立区分矩阵的属性约简方法.实例分析验证了所提出方法的有效性.

摘要:锂离子电池是一个复杂的电化学动态系统,实时准确的健康状态(SOH)估计对电动汽车动力锂电池的维护至关重要,传统建模方法难以实现SOH的在线估算.基于此,从实时评估电池的SOH出发,在增量学习的基础上,选取与电池健康状态相关的指标建立SOH预测模型.考虑到增量学习中的耗时性问题,提出融合滑动窗口技术的HI-DD算法,该算法可以检测概念漂移是否发生,从而指导和确定模型更新位置;设计出HI-DD与AdaBoost. RT结合的模型更新策略,进而提高模型的在线学习性能和预测精度,最后使用CALCE提供的电池老化实验数据对所提出的方法进行验证.结果表明,基于增量学习的HI-DD-AdaBoost.RT预测算法具有较强的在线更新能力和较高的预测精度,能够满足SOH 在线预测的实际需求.

摘要:提出一种自适应模糊滑模控制方法用以提高可控励磁直线同步电动机(controllable excitation linear synchronous motor,CELSM)磁悬浮控制系统的性能.根据CELSM的特定结构和运行机理,建立CELSM磁悬浮系统的数学模型,包括励磁回路的电压方程、磁悬浮力方程和运动方程;设计积分滑模面和分段趋近律,系统状态轨迹可以根据距滑模面的距离自动切换趋近速度,以很小的斜率穿越滑模面,减小系统的抖振,推导出相应的滑模控制器;为了克服不确定性扰动对系统的影响,设计自适应律使自适应模糊系统对不确定性扰动进行实时估计,用该估计值进行前馈补偿控制,减小控制律中的切换增益和系统的抖振,进一步推导出自适应模糊滑模控制器;用Matlab对控制系统进行仿真,仿真结果表明,采用自适应模糊滑模控制的CELSM磁悬浮系统的性能得到改善.

摘要:针对小数据集下单纯使用深度学习方法的草图特征提取可分辨性低下的问题,提出一种融合稀疏编码和深度学习的草图特征表示方法.该算法首先对草图进行语义分割;然后迁移深度学习方法,分别提取草图特征和草图部件特征,之后将部件特征降维聚类,获取聚类中心;最后利用部件聚类中心向量初始化稀疏编码中的字典,交替迭代求取获得最终的草图特征.不同于以往的草图特征表示方法,将迁移深度学习获得的草图部件特征引入到稀疏编码中,作为字典的初始基向量,将语义信息融入到稀疏编码,在提升草图特征表示性能的同时,使得稀疏表示具有更好的可解释性.实验结果显示,所提方法下的草图识别率高于采用传统非深度学习和深度学习方法提取的草图特征的草图识别率.

摘要:智能网联车的大规模应用为交通冲突区域的优化与管理提供了新的机遇和挑战.为保证冲突区域车辆的汇入安全,提高冲突区域车流的运行效率,引入优化时间区间的概念,以车辆平均延误为优化目标,车辆通过冲突区域的最小安全时间间隔为约束条件,构建车辆进入冲突区域时序的混合整数线性规划模型.为研究不同流量状态对模型结果的影响,设计不同流量场景的数值仿真实验.结果表明:与不优化时序相比,所提出的模型和算法能够有效地减少车辆的延误和油耗,且最大能够减少54.23%的车辆延误和34.36%的燃油消耗.

摘要:在模糊需求环境下绿色供应链运作系统中,研究由单一制造商和单一零售商组成的两级绿色供应链.首先,引入创新成本,分别建立风险中性制造商为主导者,具有中性、悲观和乐观等风险偏好的零售商为跟随者的两级绿色供应链Stackelberg博弈模型;然后,推导出最优决策的期望值和机会约束规划模型,并进行算例分析,比较产品绿色度、批发价格及零售价格与不同置信水平之间的相互影响,探讨具有不同风险偏好的零售商对模糊绿色供应链中制造商、零售商及供应链整体运作绩效的影响.研究结果表明:悲观决策模型中,伴随置信水平的增加,产品的绿色度水平、批发价格及创新成本逐步下降,零售价格、制造商、零售商及绿色供应链整体利润逐步上升;在乐观决策模型中,结论相反.

摘要:针对前景模型在投资情绪偏好决策的不足,基于BW理论从偏好角度对投资者情绪的定义,建立附加情绪的投资决策模型.首先根据从众心理与收益追踪对投资者的影响,定义情绪转变的概率分布;然后构建附加二元非线性参数的价值函数,对可选投资项目进行偏好排序;最后根据偏好决策及风险差异将收益约束下的最大信息熵作为风险规避者的目标函数,将熵约束下的最大均值收益率作为风险偏好者的目标函数,分别进行迭代计算求得投资比例.仿真与算例分析结果表明:收益波动超过临界值后,持悲观态度的投资者占比更大;乐观投资者的初始占比一定程度上会改变个体偏好决策;风险偏好者愿意对高收益高风险的项目给予更大的投资权重;经济市场有序化有利于投资者作出投资决策.

摘要:为解决传统模型在度量时间连续状态有限的星座效能时存在的困难,构建一种基于生灭过程的评估铱星效能的BDP-ADC模型.首先,利用生灭过程描述星座状态的转移过程,得出该状态转移过程存在极限分布,并定义铱星的可用度;其次,结合Kolmogorov前进方程来衡量星座在任务执行过程中的可信度;再次,根据建立的铱星星座能力评估指标体系,利用熵权法求得指标的权重,结合全概率公式对星座能力进行表征;最后,利用BDP-ADC效能评估模型得出铱星星座效能动态关系式,求出铱星的效能,从而为星座的设计及优化等问题提供依据.

摘要:针对单向非循环偏好下的三边匹配问题,考虑主体的心理行为特征,提出一种三边单向非循环偏好序下的稳定匹配算法.首先,基于三边主体间单向非循环的偏好结构关系,给出三边单向非循环匹配及其稳定性的定义,构建基于最大基数和稳定匹配的数学模型;然后,考虑主体不完全接受性和有限妥协性的心理特征,提出有限妥协条件下的搜索优选稳定算法,并分别对算法的时间复杂度和输出方案的稳定性进行计算和证明;最后,通过一个实际应用算例验证所提出算法的可行性和有效性.

摘要:运用斯坦伯格博弈模型,分析联合定价策略下生产两种具有一定替代性水果的果农对下游零售商的选择与优化问题.果农对零售商的选择方案有两种:一是将两种水果同时批发给一个零售商;二是将两种水果分别批发给两个不同的零售商.采用“批发价$+$利润率”的定价模式分析上述两种情形下果农和零售商的最优决策,并进一步对比得出果农对零售商的最优选择方案.研究结果表明:两种方案下果农的批发价决策不变,但第2种方案下零售商对水果的利润率降低,导致水果的售价降低,从而增加消费者市场的需求,能够进一步促进果农的生产,提高果农的利润.算例分析表明,水果替代性增强时,为了刺激水果的销量,果农将提高两种水果的批发价,从而提高其利润.

摘要:随机系数回归模型是一种描述设备退化过程的重要模型.在基本随机回归系数模型的基础上,运用加速失效时间模型,加入协变量的影响,对设备的退化过程进行建模分析.针对退化过程设置两类更新阈值,一类是预防性维修更新阈值,一类是故障更新阈值.当设备的运行状态被监测到达到或超过预防性更新阈值时,设备将被预防性维修更新,一个预防性更新周期完成;当设备的运行状态被监测到达到故障阈值时,设备将被故障更新,一个故障更新周期完成.运用更新回报定理,对两类更新周期内的单位时间期望维修费用建立模型,对模型求解可得设备的最优监测区间和最优预防性维修阈值.为进一步对所建立的模型进行验证,设计仿真过程求解最优值,并运用数值案例对所建立的模型和仿真过程进行计算.

摘要:选择是进化的主要驱动力,也是多目标进化算法的关键特征,然而,在处理高维多目标问题时,随着目标维数的增加种群的收敛性和分布性的冲突加剧,传统多目标进化算法中的选择算子已难以有效地维持种群的收敛性与分布性之间的平衡.针对该问题,提出一种基于向量角分解的高维多目标进化算法.首先,将个体本身作为参考向量,利用目标向量之间的夹角作为个体的相似度测度估计种群分布性,以减轻算法预先指定权重向量的负担;然后,利用成绩标量函数作为个体的收敛性测度,该收敛测度在引导种群走向Pareto最优前沿方面发挥着重要作用;最后,提出一种基于向量角分解的精英选择策略,其在环境选择过程中利用向量角信息将目标空间动态分解,并利用成绩标量函数从分布性较好的区域中挑选较好的个体进入下一代,能够动态地平衡种群的收敛性和分布性.对比实验结果表明,所提出算法具有较强的竞争力,其在保持种群分布性的同时具有足够的选择压力,能够有效地引导高维目标空间的搜索.