摘要:软件测试是软件开发活动中一个关键且耗时的环节,其核心是生成满足特定准则的测试数据.随着软件复杂程度的不断增加,软件测试的难度也越来越高.使用遗传算法等智能优化方法解决复杂软件的测试问题,是近年来软件工程领域的一个研究热点.鉴于此,针对智能优化在软件测试的应用进行综述,首先介绍软件测试的基本原理和方法;然后介绍智能优化在不同测试领域的研究进展,并对基于不同智能优化方法的软件测试研究进展进行分析;最后给出该领域的挑战与展望.

摘要:布尔网络可以简洁有效地描述作用在有限集上的动态离散模型.然而,随着研究的深入以及一些实际问题的需要,传统的布尔网络已经不能满足建模的需求,由此衍生出多值逻辑网络以及混合值逻辑网络,统称为有限值动态系统.通过矩阵半张量积,有限值动态系统可以转化为便于处理的等价代数形式.鉴于此,对矩阵半张量积以及有限值动态系统的最新发展进行概括与总结,对矩阵半张量的推广即各种广义的矩阵半张量积及其应用做简单梳理,着重总结有限值动态系统的最新成果,包括最新的研究问题、最新的研究方法以及最新的几种控制器设计.

摘要:复杂未知环境下智能感知与自动控制是目前机器人在控制领域的研究热点之一,而新一代人工智能为其实现智能自动化赋予了可能.近年来,在高维连续状态-动作空间中,尝试运用深度强化学习进行机器人运动控制的新兴方法受到了相关研究人员的关注.首先,回顾了深度强化学习的兴起与发展,将用于机器人运动控制的深度强化学习算法分为基于值函数和策略梯度2类,并对各自典型算法及其特点进行了详细介绍;其次,针对仿真至现实之前的学习过程,简要介绍5种常用于深度强化学习的机器人运动控制仿真平台;然后,根据研究类型的不同,综述了目前基于深度强化学习的机器人运动控制方法在自主导航、物体抓取、步态控制、人机协作以及群体协同等5个方面的研究进展;最后,对其未来所面临的挑战以及发展趋势进行了总结与展望.

摘要:基于地方政府对工业互联网平台和加入平台的制造业企业的补贴,以及工业互联网平台与制造业企业间的成本共担,构建“政府-平台-企业”3个主体之间的非对称演化博弈模型,运用微分方程的稳定性定理分析各博弈主体的策略演化路径以及影响其策略演化的因素,并通过雅克比矩阵探讨系统的演化稳定策略.通过数值仿真分析政府补贴力度和平台成本分担比例对系统演化稳定策略的影响,界定可以促使制造业企业加入平台、工业互联网平台进行优化服务的政府补贴力度和成本分担比例的有效区间,为地方政府、工业互联网平台和制造业企业的行为决策提供理论参考.

摘要:为提升移动机器人的路径规划能力,提出一种改进双层蚁群算法,将蚁群划分为引导层蚁群和普通层蚁群.为提升算法的收敛速度和路径的平滑程度,在设计引导层蚁群启发函数时加大终点栅格的吸引力,设计普通层蚁群启发函数的同时考虑起点、终点和转折点的影响;针对复杂环境下蚁群算法死锁严重的问题,为引导层蚁群设计应对死锁问题的自由寻路-剪枝策略,当引导层蚁群发生死锁时可以迅速跳出并优化路径;为进一步提升算法的运行效率,每一次迭代后仅对长度较短的路径进行信息素更新,并在信息素更新公式中引入次优路径抑制因子,充分发挥不同层蚁群在搜索过程中的协作优势,避免在迭代过程中陷入局部最优.最后通过仿真实验验证所提出算法在大规模环境及复杂障碍环境下的可行性、高效性和鲁棒性.

摘要:为了掌握钢琴弹奏技能,初学者往往需要在教师的帮助下不断重复训练并纠正错误的触键动作.这种方法训练强度大,单调乏味,教学效果与教师的经验相关.近年来,用于辅助人手运动的外骨骼机械手研究逐渐增加,但结构复杂、运动精度较低、缺少反馈与运动评价等问题仍然存在.针对这些问题,首先采用leap motion建立手指触键动作测量平台,采集手指触键动作参数值,获得手指弹琴触键运动曲线;然后设计一款用于钢琴教学训练的外骨骼钢琴教学机械手.该机械手采用特有的欠驱动传动方式,实现远指节DIP、近指节PIP与掌指节MCP的耦合运动.最后,对钢琴教学机械手进行仿真分析,以及进行人手穿戴弹奏实验,验证了钢琴教学机械手结构可靠,动作还原精度较高,能够满足钢琴弹奏动作练习要求.该钢琴教学机械手结构简单、穿戴方便,可辅助钢琴弹奏初学者自学.

摘要:提出一种基于双分辨率2.5D分层栅格地图的Secure A*(SA*)路径规划方法,以解决移动机器人在非平坦地形下的安全路径规划问题.首先,设计一种双分辨率2.5D分层栅格地图,利用双分辨率栅格对环境中的障碍物信息与高程信息进行存储,以节约地图的存储空间;然后,结合移动机器人运动能力,将环境中的高程信息转化为约束因子,结合移动机器人尺寸,以移动机器人到目标点的距离作为自适应因子,引入A*算法的代价函数中,以保证移动机器人在非平坦地形下的路径符合其运动能力;最后,通过仿真实验结果表明,所提方案相比3D栅格地图下的传统A*算法,可将地图存储空间减少53.8%,路径的高程标准差降低63.9%,可以有效地确保机器人在非平坦地下的安全.

摘要:以一个零售商主导的两级供应链为研究对象,构建两个生产竞争性或互补性产品的制造商是否采用无线射频识别技术(radio frequency identification,RFID)时链上成员的收益模型,分析求解出各种情景下零售商定价/订货决策时制造商的最优批发价和RFID标签成本分摊系数,以及零售商的最优零售价/订货量,进而得出链上各成员的最大收益,并探讨两个制造商采用RFID的均衡策略.研究发现:相较于订货决策,零售商采用定价决策能够促使制造商采用RFID技术;当零售商采用定价决策时,两种产品间的影响系数越大,两个制造商越倾向于均采用RFID技术;当RFID成本或产品错放率在某一范围内时,若零售商选择定价(订货)决策且销售竞争(互补)性产品,则制造商采用RFID技术能够提升零售商的收益.

摘要:针对樽海鞘群算法(salp swarm algorithm,SSA)在求解复合问题时存在收敛速度慢和容易陷入局部最优等缺点,提出一种结合引力搜索技术与正态云发生器的樽海鞘群算法(cloud gravitational SSA,CGSSA).在更新樽海鞘领导者位置阶段引入引力搜索算法(gravitational search algorithm,GSA)中的加速度系数,避免樽海鞘群的无效搜索,从而加快搜索速度;使用正态云模型对樽海鞘追随者位置进行更新,可丰富种群的多样性;同时正态云模型熵值能随着迭代次数增加而自适应调整,可有效地提高迭代后期的收敛精度.在23个基准函数上进行CGSSA与其他10种优化算法的综合比较,仿真实验的统计结果、箱线图和收敛曲线表明,改进后的算法在搜索效率、收敛精度和避免局部最优方面具有更好的性能.

摘要:针对视网膜血管分割困难及时间复杂度高等问题,提出一种可以兼顾分割速度和准确度,同时结构非对称的视网膜血管分割模型,即紧凑混合网络(compact mixed network, CMNet).可变形卷积能够提取复杂多变的血管结构,并且混合深度卷积中的大核在增大感受野的同时能够改善分割质量,首先在此基础上提出一种轻量级混合瓶颈模块;然后采用自适应层融合方法进一步提高模型的空间映射能力;最后对血管分割性能进行定量和定性分析.算法在DRIVE、CHASE_DB1和HRF三个基准数据集上的AUC指标分别为0.9840、0.9879和0.9853.以上结果表明,所提出的模型能够得到高精度的分割结果.此外,在输入分辨率为$512\times 512$下,模型在单张V100显卡上帧率可达33FPS,进一步表明该模型适用于临床快速部署.

摘要:研究一类具有有限时间输出约束的切换非线性时滞系统的控制器设计问题.为了在有限时间将输出跟踪误差限制在预定边界内,引入一种改进的有限时间性能函数(FTPF).在控制器的设计过程中,利用障碍Lyapunov函数来解决输出约束问题.然后,将多维泰勒网(MTN)的逼近特性与自适应反步技术相结合,提出一种新的自适应MTN 控制方法.在该方法中,通过设计Lyapunov-Krasovskii泛函,使得存在时滞的情况下,仍然能够保证切换系统的稳定性.最后,通过仿真实例表明所提出设计方案的有效性和实用性.

摘要:针对区域综合能源系统协同优化调度问题,构建基于能量枢纽(energy hub,EH)的分层能量管理框架, 充分考虑新能源电厂、气-电、电-气能源转换装置调节能力,以共享电池站(shared battery station,SBS)替代传统储能电站,为能源系统提供电能存储功能,采用温控负荷为能源系统提供需求侧响应,保障异质能源供需实时平衡.基于区域能源系统相关数据及美国PJM电力市场数据,构建考虑多元分布式设备的区域综合能源系统成本函数,采用遗传算法求解该混合整数规划问题.仿真结果表明,在所提出的能量管理框架下,可以实现综合能源系统的供需动态平衡,保障系统的高效经济运行.

摘要:随着新型基础设施建设(新基建)的加速,云计算将获得新的发展契机.数据中心作为云计算的基础设施,其内部服务器不断升级换代,这造成计算资源的异构化.如何在异构云环境下,对作业进行高效调度是当前的研究热点之一.针对异构云环境多目标优化调度问题,设计一种AHP定权的多目标强化学习作业调度方法.首先定义执行时间、平台运行能耗、成本等多个目标,其中定义服务延迟成本以描述用户对服务质量的满意程度;然后设计面向异构资源的多目标调度综合评价方法,利用层次分析法(analytic hierarchy process,AHP)确定各个目标的权重;最后将该方法引入Q-learning的奖励值计算,使其能反映异构云环境下作业的总体执行情况,并对后续抵达的作业起到良好的经验学习作用.实验结果表明,所提出的方法优于大部分对比方法,能够较好地优化作业执行效率和保障用户及服务提供商的利益.

摘要:为了提高多目标优化问题非支配解集合的分布性和收敛性,根据不同差分进化策略的特点,基于切比雪夫分解机制,提出一种基于多策略差分进化的分解多目标进化算法(MOEA/D-WMSDE).该算法首先采用切比雪夫分解机制,将多目标优化问题转化为一系列单目标优化子问题;然后引入小波基函数和正态分布实现差分进化算法的参数控制,探究一种基于5种变异策略优势互补的最优变异策略,提出一种基于参数控制和最优变异策略的多策略差分进化(WMSDE)算法;在此基础上,实现一种基于WMSDE的分解多目标进化算法.采用ZDT和DTLZ测试函数验证MOEA/D-WMSDE算法的有效性,实验结果表明:所提算法在收敛性和分布性方面获得了较大的改进与提高,能够有效求解多目标优化问题;与其他算法对比分析表明,所获得的解集整体质量更优,为多目标问题求解提供了新方法.

摘要:针对维修保障系统内部工序调度问题具有工序多、维修人员种类不同、维修人员等级不同等复杂特性,建立以维修工时最短和人力资源总负荷最小为目标函数的多目标多约束优化模型,设计了基于关键路径算法的优先权值编码对抢占式调度问题进行第一层编码,采用随机产生方案得出第二层人力资源编码,进而针对混合粒子群遗传算法设计符合抢占式调度的交叉算子,利用Matlab软件对实例分别进行无抢占、一次抢占、多次抢占调度方案仿真,最后对仿真结果进行对比分析.仿真结果得出了多工序在多工种和多等级人力资源约束下的多次抢占式维修工序调度方案,以及无抢占、一次抢占、多次抢占调度所对应的目标函数解,决策者可根据实际需求设定目标函数权值以得出最佳调度方案.

摘要:以一类具有状态饱和与非线性耦合的复杂网络为研究对象,针对无线通信传输负荷大的问题,提出一种动态事件传输机制下的递推滤波算法,以达到保证滤波性能的同时减轻通信网络传输负担的目的.首先,构造此类时变复杂网络的数学模型;然后,设计具有较低保守性的递推滤波器,计算滤波器的增益,并对所设计的递推滤波算法进行有界性分析;最后,给出一个仿真实例.从仿真结果可以看出,动态事件触发机制的引入能够降低无线通信网络传输负担,达到节约能量的目的;同时,所提出的递推滤波算法能够保证此类复杂网络在动态事件触发机制下仍具有较好的滤波效果,验证了所提出算法的有效性.

摘要:非平稳工况下的齿轮故障检测是一项非常困难的工作,由于齿轮振动信号的复杂性,导致故障特征提取和故障诊断困难.针对这些问题,基于径向基(radial basis function,RBF)神经网络,提出一种在变速条件下齿轮的故障诊断方法CIHDRFD.首先利用自适应白噪声的完整集成经验模态分解(complete ensemble empirical mode decomposition with adaptive noise,CEEMDAN),将原始振动信号分解为多个固有的模态函数(intrinsic mode function,IMF),并通过计算其信息熵(information entropy,IE)筛选出IE最小的4个IMF作为特征IMF;然后利用希尔伯特变换(hilbert transform,HT)处理特征IMF并求出Hilbert包络谱,利用Hilbert包络谱构建故障特征向量;最后利用改进的双RBF神经网络进行故障检测.通过搭建齿轮故障检测平台验证CIHDRFD方法的有效性,实验结果表明,CIHDRFD方法适用于齿轮故障诊断,在速度波动为3%的情况下,诊断准确率和诊断时间分别为98.21%和74.53s.

摘要:近年来,离散事件系统故障诊断研究引起国内外学者广泛关注.鉴于此,研究动态观测下随机离散事件系统的故障诊断.首先引入一种动态观测,使事件的可观测性随着系统的运行而动态变化;然后分别对基于动态观测的随机离散事件系统的单故障可诊断性和模式故障可诊断性进行形式化;最后通过构造相应的诊断器,分别得到关于单故障可诊断性和模式故障可诊断性的充分必要条件,实现动态观测下随机离散事件系统的故障诊断.

摘要:针对一类不确定离散时间系统,提出一种新型两相幂次吸引律.在吸引律设计中,通过将跟踪误差收敛过程划分为两个不同阶段,增加误差收敛幅度并提高误差收敛速度.构造离散形式的扩张状态观测器有效补偿系统干扰,基于观测值设计两相幂次形式的离散时间控制器,提高系统鲁棒性并减小稳态误差.此外,推导出跟踪误差绝对吸引层和稳态误差带的具体表达式,并给出最大收敛步数分析用于刻画系统稳态和瞬态性能.最后通过仿真结果验证所提方法的有效性.

摘要:基于切换网络下带有随机时延和随机通讯噪声的多智能体系统模型,提出分布式多步近似次梯度随机投影算法,并对算法的收敛性进行分析.首先,利用网络扩维的方法将含随机时延的通讯网络转化为无时延网络;其次,提出近似次梯度概念,并设计多步近似次梯度随机批量投影算法,批量随机投影可以避免在实际问题中整体约束集合不易获得而导致投影算子不易执行等情况;最后,通过数值仿真表明即使存在随机噪声,所提出的算法较一般的分布式多步次梯度算法具有更好的收敛效果,同时还分析了随机投影集合个数和随机噪声对收敛效果的影响.

摘要:针对多模块网格存储系统中的多分拣点货物排列问题,提出一种解耦的分散式控制方法,将问题解耦为各存储模块的独立调度和模块之间的协调调度.模块内采用循环移动方式进行独立调度,模块间通过交换需求和模块状态控制协调过程.在不同参数条件下进行仿真实验,并与集中式控制方法进行对比仿真,结果表明分散式控制方法能够在各种工况下稳定有效地求解,且相比于集中式控制方法的结果更优,求解时间更短,验证了所提方法的有效性和通用性.

摘要:针对传统支持向量机在封装式特征选择中分类效果差、子集选取冗余、计算性能易受核函数参数影响的不足,利用元启发式优化算法对其进行同步优化.首先利用莱维飞行策略和模拟退火机制对秃鹰搜索算法的局部搜索能力与勘探利用解空间能力进行改进,通过标准函数的测试结果验证其改进的有效性;其次将支持向量机核函数参数作为待优化目标,利用改进后的算法在封装式特征选择模型中搜寻最优核函数参数,同时获得相对应的最优特征子集;最后对UCI存储库的12个标准数据集进行特征选择仿真实验,在平均分类准确率、所选特征个数及适应度值上进行综合评估分析.实验结果表明,所提算法可有效降低特征维度,能够更准确地实现数据分类,在空间搜索与求解精度方面较原算法及其他非线性最优化算法表现优秀,具有一定的工程应用价值.

摘要:集值信息系统中的对象的属性值多值化,可以实现对复杂信息更全面的刻画.在传统的集值信息系统中,每个属性只有一个尺度.但在具体应用中,人们往往需要在不同的尺度上处理和分析数据.为此,将多尺度信息系统的粒度转换函数引入集值信息系统中,建立多尺度集值信息系统的理论框架,并讨论该系统的不同尺度间信息粒、粗糙集的关系.在此基础上,建立多尺度集值决策信息系统的粒计算模型,并讨论该模型不同尺度间协调性的传递性质.最后,讨论了协调和不协调的多尺度集值决策信息系统的最优尺度选择方法.所提出的改进型多尺度决策信息系统的粒计算模型,在理论分析和实际应用中具有一定的价值.

摘要:针对蓄意攻击样本有限不均衡而引起无法有效识别关键危险源少数类样本的问题,提出多分类器集成加权均衡分布适配的关键危险源识别方法.首先,在保证少数类样本被充分选择的前提下随机抽取多数类样本,构成源域多样本训练集合,在目标域上直接预测伪标签并给样本赋予不同的权重,让少数类样本可以得到充分的训练;然后,训练源域样本集的分类器,经过多次迭代优化目标域伪标签并更新权重矩阵;最后,通过多分类器集成的策略将筛选出的基分类器集成为强分类器,采用宏平均和微平均两个评价指标来评价分类器的识别性能.利用全球恐怖主义数据库(GTD)中的数据进行实验验证,实验结果表明所提出方法在保证了整体精度的同时能有效识别少数类样本.

摘要:针对多车场绿色车辆路径问题,根据顾客的坐标位置,采用K-means聚类方法将顾客分配给不同的车场;考虑时变速度和实时载重对车辆油耗和碳排放的影响,确定车辆油耗和碳排放的度量函数;在此基础上,以车辆油耗成本、碳排放成本、车辆使用成本、驾驶员工资以及时间窗惩罚成本之和最小化作为优化目标,构建多车场绿色车辆路径模型,并根据模型特点设计一种改进的蚁群算法进行求解.算例仿真结果表明,所构建的模型和提出的算法能合理调配不同车场的车辆,科学规划车辆路径,有效规避交通拥堵时间段,降低物流配送总成本,减少车辆油耗和碳排放,促进物流配送企业的节能减排.

摘要:针对属性权重未知、评价信息为毕达哥拉斯模糊数的多属性决策问题,对毕达哥拉斯模糊集的得分函数进行深入分析,为解决现有得分函数中存在的不足,提出一种新得分函数,通过证明其相关定理,分析新得分函数的性质.将新得分函数运用到毕达哥拉斯模糊多属性决策问题中,以帮助决策者更好地处理模糊的决策信息.此外,针对现有大多数毕达哥拉斯模糊多属性决策方法基于决策者是完全理性的假设,忽略决策者在面临风险时的不同主观价值感受,引入累积前景理论,提出基于新得分函数和累积前景理论的毕达哥拉斯模糊TOPSIS法.该方法利用前景价值代替各方案与正负理想解之间的距离测度,能够避免忽略不同属性间相关性对决策结果造成的影响,同时将各属性的灰靶贡献度近似看作对应指标对评价结果的重要程度以确定各属性的权重大小.最后,通过实例分析验证了所提出得分函数及相关定理的正确性,并通过仿真数据进一步验证了所提出方法的有效性和可行性.

摘要:基于可以并行化计算的简单循环单元(simple recurrent unit,SRU)网络,引入高速公路网络(highway- networks)的连接思想,提出高速简单循环单元(H-SRU)网络:一方面利用非饱和激活函数可以有效缓解梯度消失的性质,将原有SRU结构里单元状态和隐状态的激活函数替换为非饱和激活函数;另一方面在SRU的单元状态表示中引入高速公路网络所采用的前馈链接思想,使网络对梯度变化更敏感;在此基础上,基于PTB(penn treebank dataset)和WikiText-2两个数据集构建语言模型,以验证所提方法的有效性.实验结果表明,所设计的高速简单循环单元网络H-SRU在保持SRU原有训练速度优势的同时,可较大地提高网络的性能.在WikiText-2数据集上所提方法的困惑度PPL值达到了26.1,这是目前已知最好效果,而且其效率也比已知的非SRU网络高.

摘要:在移动云计算中,数据存储和数据处理是在云端以远程方式进行的,因而信任是移动云计算安全中一个非常重要的因素.针对移动云计算环境中移动agent系统安全和信任管理问题,借鉴人类信任机制(human trust mechanism,HTM),研究主观信任形成、信任传播与信任进化规律,提出主观信任动态管理算法(MASTM);基于移动agent与执行主机的交互经历以及第三方推荐信息收集基础信任数据,给出公信主机选择算法;孤立恶意主机算法和综合信任度计算算法,实现选择信任机群,孤立恶意主机的功能,以增强移动agent与主机的安全交互效果.对所提出的算法均进行模拟实验,验证了其可行性和有效性.

摘要:针对现有弱敏无迹Kalman滤波需要代数求解增益矩阵耗时长和不能实时调节敏感性权重的问题,提出一种自适应快速弱敏无迹Kalman滤波算法.该算法在弱敏控制技术的基础上,重新定义弱敏无迹Kalman滤波的敏感性权重矩阵,将状态估计误差对不确定参数的敏感性加入滤波的代价函数,并通过最小化该代价函数得到滤波增益矩阵的解析解,减少了滤波计算复杂度和计算时间.同时基于量测残差正交原理,设计敏感性权重的自适应渐消因子,实现滤波过程中敏感性权重的实时调节.典型算例的数值仿真结果表明:所提出的自适应快速弱敏无迹Kalman滤波算法能够提高计算效率和实时调节敏感性权重,有效地降低不确定参数对状态估计的不利影响；相较于传统的弱敏无迹Kalman滤波算法,所提出算法的状态估计误差和计算时间分别减少19.5{%