摘要:多智能体网络定位在智慧物流、工厂监控、无人系统集群等领域具有广阔的应用,然而网络中节点测量量相对于节点位置的非线性本质给定位问题带来了巨大的挑战.鉴于此,对分布式多智能体网络定位问题进行综述.首先通过比较分析非线性定位方法与线性定位方法以及集中式定位方法与分布式定位方法,凸显了分布式线性定位方法的明显优势;然后从可定位性的判定条件与线性定位算法两个方面对目前已有的相关成果进行梳理与综述,其中包括距离、方位角、相对位置以及内角等4种测量量下的相关结果;最后总结目前尚未解决的难题以及未来的研究方向.

摘要:人类太空探索活动产生的空间碎片已成为太空空间中的主要污染物,并成为人类航天事业发展的重大障碍和威胁,因此,空间碎片主动移除问题引起了国际社会的广泛关注.对此,以空间碎片主动移除任务规划为主题,在对国内外相关文献进行系统分析的基础上,简要介绍空间碎片主动移除的发展现状;具体描述低地球轨道和地球同步轨道空间碎片主动移除任务规划问题;从目标筛选与分组、访问序列规划和转移轨迹规划3个层次介绍该问题的模型构建技术;按照显性枚举方法、隐形枚举方法和元启发式方法将空间碎片主动移除任务规划方法分类,对当前研究成果进行总结并指出存在的问题;最后,对未来空间碎片主动移除任务规划问题的研究方向进行展望.

摘要:针对复杂背景下小目标特征经多次卷积被背景噪声淹没导致的检测精度低的问题,提出一种增强弱特征表达的一阶段轻量级小目标检测算法SA-YOLO.首先,用改进的ShuffleNetv2网络构建骨干网络,通过嵌入SE注意力模块和Inception结构,提升网络在复杂背景下的特征提取能力,有效地抑制背景噪声,充分提取弱特征;其次,在颈部网络,采用新的特征融合模块,以含有弱特征较多的低层级特征块的空间位置信息对高层级特征进行权重调整,提高不同层级的特征融合利用率,减少小目标的特征损失;最后,在头部网络,用解耦的检测头替换原YOLO耦合的检测头,解耦分类任务和回归任务,提高弱特征的解码能力,增强小目标检测的性能.在公开数据集COCO2017上进行实验,结果表明,SA-YOLO参数量仅有1.14M,小目标平均检测召回率$\rm AR_S$达到31.6%.同时,将所提出算法与近几年主流算法进行对比,结果表明,所提出算法在小目标检测方面具有较强的竞争力.

摘要:针对固定翼无人机纵向控制的高性能需求,提出一种控制系统性能优化结构.该结构包括一个使系统稳定的标称控制器和一个参与性能优化的增量式控制器.控制系统增量式的实现不会改变原有的控制系统,而是仅对标称控制系统做控制输入的补偿与控制性能的优化.基于Q学习理论进行增量式控制器设计,针对状态信息完全可获得的系统,设计一种基于状态反馈的增量式Q学习算法.当状态信息不能完全获得时,利用系统输入、输出和参考信号数据,设计一种基于输出反馈的增量式Q学习算法.两种增量式控制器均是在数据驱动环境下自适应学习增量式控制律,无需提前知道系统动力学模型以及标称控制器的控制增益.此外,证明了增量式Q学习方法在满足持续激励条件的激励噪声下,对Q函数贝尔曼方程的求解没有偏差.最后,通过对F-16飞行器纵向模型实例的仿真验证该方法的有效性.

摘要:针对三维场景深度信息观测稀疏问题,提出一种融合彩色图像的多引导结构感知网络模型以补全稀疏深度.首先,利用三维平面法向量与场景梯度信息之间的映射关系,设计一种两分支主干网络框架,结合图像特征和几何特征进行深度预测,以充分提取空间位置信息的特征表示;然后,考虑到大范围场景下不同物体的结构差异性,基于网络通道注意力机制设计一种自适应感受野的结构感知模块,以对不同尺度的信息进行表征;最后,在网络采样的过程中,以不同尺寸图像为指导对预测子深度图进行滤波并修复物体的边缘细节.公开数据集上的实验结果表明,所设计的深度补全算法可以获得准确的稠密深度,同时通过两个下游感知任务进行深入评估,表明利用所提出方法能够有效提升其他感知任务的效果.

摘要:为提高黑猩猩优化算法的收敛速度、求解精度和局部极值逃逸能力,提出一种引入人工偏好权重的混合型黑猩猩优化算法(HChOA).首先,结合ChOA实际设计新的非线性收敛因子平衡算法全局和局部搜索能力;其次,在黑猩猩群体中引入“相异度”的概念和“趋异斥似”的人工偏好权重,以此优化黑猩猩位置更新公式,增强迭代末期种群多样性的同时加快算法收敛速度;最后,提出一种改进的算术优化算法(IAOA)并融入ChOA中,抽取部分黑猩猩个体执行IAOA优化策略,避免因领导者陷入局部最优而导致群体搜索停滞时出现早熟收敛现象.通过8个标准测试函数在多种维度下的数值对比实验以及1个工程设计问题的求解,综合分析验证了HChOA具有显著的优越性、稳定性和鲁棒性,且具备工程应用价值.

摘要:针对标准粒子滤波重采样导致的粒子贫化问题,提出一种基于弹性机制的萤火虫优化粒子滤波算法.首先,利用萤火虫算法的吸引和移动机制,设计最优粒子引导粒子群体朝高似然区域移动的粒子运动控制策略;然后,评估粒子实时分布情况,根据每次迭代的高似然区域粒子占比值自适应控制粒子的优化强度;最后,检测最优粒子周围的粒子密度,引入弹簧的弹性机制,根据粒子密集度对判断区域内的粒子进行位置调整,使得粒子分布更加合理,提高粒子滤波的精度.实验结果表明,在粒子数目较少的情况下,改进算法滤波精度较标准粒子滤波提高12%sim25%;在同等滤波精度需求下,改进算法的运算时间比标准粒子滤波的运算时间减少20%sim30%,改进算法的综合性能更优.

摘要:针对差分进化算法在解决大规模多目标优化问题时,出现优化后期多样性不足、收敛速度慢等问题,提出一种多群多策略差分大规模多目标优化算法.根据个体特性不同,将种群分为3个等级不同的子群,利用多群策略的优势维持种群多样性.为减少种群陷入局部最优的概率,在不同等级的子群中引入多个变异策略以较好地平衡子群个体的多样性和收敛性.为保证不同子群间信息得到有效交换,根据3个子群的进化状态确定重新分群时机,既保证个体在本群内得到充分进化,又保证个体在一定的条件下进行信息交换.为利用更多的信息生成优秀的子代,将更新后的子群与其父代子群合并,选出下一代子群.为验证所提出算法的有效性,在一组大规模基准测试问题上评估算法的性能,实验结果表明,所提出算法在两个常用测试指标IGD和HV上明显优于其他对比算法.

摘要:使用进化算法解决昂贵高维多目标优化问题时,因目标维数较高,导致收敛性和多样性平衡困难,并且消耗成本过高,使得计算资源有限时难以收敛.为此,提出一种基于分解和聚类的昂贵高维多目标进化算法(DC-EMEA),使用克里金模型近似目标函数,减少昂贵函数的评价次数.在优化器对模型的最优解集搜索时,借助参考向量分解目标空间,有利于收敛性和多样性的平衡,同时采取两轮选择的方式,保证后代种群规模与父代相同,为填充准则选择真实评价的个体时,提供更多选择,提升搜索效率.同时,提出一种自适应填充准则,首先使用K均值算法将种群划分为k个子种群.通过划分邻域, 将子种群自适应地分成不同类型,根据子种群的类型选择个体,提升计算资源的利用率.在选择个体时,侧重于对收敛性压力的维持,提升收敛速度.将选出的个体用于更新模型和档案.实验结果表明,DC-EMEA能够很好地平衡收敛性和多样性,同时具有较强的收敛能力.

摘要:为提高竞争群优化(competitive swarm optimization, CSO)算法求解高维优化问题的寻优效率,提出一种改进的3重竞争群优化(improved triple competitive swarm optimization, ITCSO)算法.首先,采用3重竞争机制提高算法的寻优效率,同时,获胜粒子较好的收敛基础可以提高失败粒子的个体认知,明确粒子更新方向以提高粒子探索能力;然后,提出优败粒子向获胜子群学习的策略,增强算法的社会认知能力,减少算法评估次数,从而提高算法全局搜索能力;最后,提出获胜子群自竞争和劣败粒子基于获胜者变异的操作,增强粒子局部开发能力,避免算法陷入局部最优.为验证所提出算法的可行性,通过计算系统状态转移矩阵特征值和使用极限分析方法,给出稳定性和收敛性理论证明.采用几种基准测试函数验证所提出算法求解高维问题时的性能,并与其他算法进行对比.实验结果表明,ITCSO算法不仅有较高的寻优效率,且全局搜索和局部开发能力突出,更适用于高维问题的求解.

摘要:针对现有稀土元素组分含量模型具有离线、时滞大、抗干扰能力弱等问题,提出一种改进的GRA-即时学习算法(GRA-JITL-LSSVM)建立稀土萃取过程组分含量在线检测模型.首先,采用灰色关联分析方法(GRA)分析输入输出变量之间的变化趋势和关联程度,采用哈希表确定学习集大小,确保数据相似度信息的完整性和学习集的合理性,据此建立最小二乘支持向量机(LSSVM)模型,并引入数据库更新准则,提高模型的抗干扰能力;然后,为了保证GRA-JITL-LSSVM模型参数的全局最优,提出一种带有停滞回溯策略的遗传算法(SBS-GA),并对SBS-GA的收敛性进行分析验证;最后,通过镨/钕萃取现场数据进行仿真实验,结果表明所提出SBS-GA算法能够保证寻优参数的全局解,所提出的GRA-JITL-LSSVM实时性高、预测精度好,可用于稀土萃取生产现场元素组分含量的在线检测.

摘要:针对随机与认知混合不确定性的概率盒灵敏度分析问题,提出一种利用概率盒缩减前后重叠面积作为不确定性度量的全局灵敏度分析方法.混合不确定性在航空航天仿真系统中广泛存在,概率盒方法用于随机与认知混合不确定性的表征在学术界已被广泛应用.首先,介绍传统概率盒灵敏度分析的不确定性缩减法理论,在此基础上,进一步考虑概率盒在位置和形状上的偏移量;然后,通过计算缩减前后的概率盒面积重叠量来表征各输入不确定性的影响程度,阐述其实施步骤;最后,通过数值算例对所提出方法与传统不确定性缩减方法进行全局灵敏度分析的对比和验证,并应用于发动机总体性能仿真计算灵敏度排序.研究结果表明,所提出面积重叠方法比传统不确定性缩减法适用范围更广,计算结果更准确.

摘要:针对移动机器人在大范围非结构化场景下的路径规划问题,在改进跳点搜索(JPS)算法的基础上结合A*搜索,提出一种基于分层栅格地图的Jump A*(JA*)路径规划算法.该算法对三维点云地图进行栅格化分层处理,将环境信息划分为结构层与非结构层,并建立搜索策略切换规则,依据图层信息使用不同的搜索策略,从而有效减少计算量.为了验证JA*算法的有效性,在图层比例不同的三维地图中进行仿真,仿真结果表明,JA*算法相比于传统的A*算法遍历节点更少,搜索效率更高;相比于双向A*算法,具有更高的鲁棒性.最后将JA*算法应用在公开数据集中,实验结果表明,JA*算法能有效解决移动机器人在大范围非结构化场景下的路径规划问题.

摘要:高增益的线性自抗扰控制(linear active disturbance rejection control, LADRC),应用于系统输出被噪声污染的场合时,性能会受到较大的影响和限制.针对经典滤波算法噪声抑制效果差,带宽损失严重的问题,提出利用噪声观测器(noise observer, NOB)降低LADRC噪声敏感,从而提高系统带宽的控制策略.首先,分析LADRC的频域特性和离散化效果,明确传感噪声对系统带宽的影响;然后,介绍基于NOB的LADRC实现,并进行系统内稳定性的分析;最后,针对惯性参考单元的位置环,将所提出方案与低通滤波器、预报式跟踪微分器进行对比分析.仿真结果表明,NOB能够在抑制噪声的同时,减小相位损失;硬件实验表明,引入NOB滤波的LADRC,驱动信号的RMSE降低至LADRC的20.47%,系统阶跃响应的上升时间减少56.67%,表明NOB对于降低LADRC的噪声敏感,提高系统带宽具有显著效果,具备相当的工程实践意义.

摘要:在实际工业系统中普遍存在输入死区、全状态约束等不可忽视的问题,其对系统的性能造成较大的影响,甚至可能会导致系统不稳定.为了克服上述问题,针对一类不确定非线性系统,提出一种快速收敛的自适应神经网络事件触发控制方法.首先,将障碍Lyapunov函数引入到反步控制框架中,采用径向基函数神经网络逼近未知非线性函数,同时设计自适应事件触发机制对输入死区进行动态补偿,通过减少控制信号的更新频率来减轻系统的通信负担,并保证系统所有状态不违反预定义的约束区间.在此基础上,引入快速有限时间稳定理论,在有限时间内能够保证闭环系统所有信号的有界性以及跟踪误差快速收敛到有界的紧集内.最后,通过两个仿真算例验证所提出控制方法的有效性.

摘要:为了提高组合优化问题可行解集合的收敛性和泛化性,根据不同无监督学习策略的特点,提出一种基于数据关联感知的深度融合指针网络模型(DMAG-PN),模型通过指针网络框架将Mogrifier LSTM、多头注意力机制与图卷积神经网络三者融合.首先,编码器模块中的嵌入层对输入序列进行编码,引入多头注意力机制获取编码矩阵中的特征信息;然后构建数据关联模型探索序列节点间的关联性,采用图卷积神经网络获取其多维度关联特征信息并融合互补,旨在生成多个嵌入有效捕捉序列深层的节点特征和边缘特征;最后,基于多头注意力机制的解码器模块以节点嵌入数据和融合图嵌入数据作为输入,生成选择下一个未访问节点的全局概率分布.采用对称旅行商问题作为测试问题,与当前先进算法进行对比,实验结果表明,所提出DMAG-PN模型在泛化性和求解精确性方面获得较大的改进与提高,预训练好的DMAG-PN模型能够直接对大规模实例进行端到端的求解,避免传统算法迭代搜索的过程,具有较高的求解效率.

摘要:地铁站台空调系统回路众多且具有强耦合和非线性特性,PID控制方法参数整定困难,无法兼顾乘客舒适性和能效最优,由于系统建模困难,非线性优化算法计算量大,智能控制方法难以实现工程应用.对此,提出一种地铁站台空调系统预测控制策略.首先,根据热湿负荷平衡和能量守恒定律建立地铁站台热动态特性预测模型;然后,将满足乘客舒适性并节省能耗作为系统优化目标,使用神经网络作为优化反馈控制器,将系统优化目标函数作为控制器优化性能指标,结合变分法和随机梯度下降法,对神经网络控制器的权值和阈值进行在线滚动优化,算法计算量小,占用存储空间适中.仿真实验结果表明,所提出的预测控制策略与传统PID控制方法相比,在满足乘客舒适性要求的前提下,系统响应时间可缩短约39.6%,末端风机能耗降低约73.39%.

摘要:针对一类含有外部扰动和执行器故障的刚体航天器姿态控制系统,提出一种基于自适应学习观测器的指定时间容错控制器的设计方案.首先,系统性地给出一种改进型自适应学习观测器设计方案,基于自适应学习观测器框架,设计航天器姿态系统的学习观测器实现对系统的综合扰动值估计;然后,利用综合扰动的估计信息和滑模控制理论设计指定时间容错跟踪控制器,使得系统的姿态角能够在指定时间跟踪指令信号,系统的收敛时间可通过容错控制器的参数预先设置,且与系统的初始状态值无关;接着,基于Lyapunov稳定性理论验证含有故障的姿态控制系统能够在指定时间内稳定;最后,通过数值仿真,与已有的观测器和有限时间控制方案进行对比,表明所提出方案的有效性和可行性.

摘要:针对一阶多智能体系统提出一种抗干扰的分布式控制算法,在固定时间内解决具有状态约束和外部扰动存在情况下的多智能体系统凸优化问题.该算法分为两部分:第1部分使得每个智能体在任意初始条件下都能在固定时间内收敛到一致;第2部分在满足状态约束条件的同时,使所有局部目标函数的总和在固定时间内取得最小值.该算法能够在外部有界扰动存在的情况下抑制干扰信号,获得最优解,且收敛时间不受初始状态和外部扰动的影响,可以根据任务需求离线地预分配任务建立时间.利用凸优化和固定时间李雅普诺夫稳定性理论证明算法在有界扰动存在时的固定时间收敛性,最后通过智能电网中经济调度问题的实例验证算法的有效性和优越性.

摘要:针对未知但有界扰动作用下的约束线性系统,提出一种性能维持的增广可行域Tube经济模型预测控制(tube economic model predictive control,TEMPC)策略.首先考虑经济性能优化目标和鲁棒稳定控制目标,构造TEMPC优化问题的隐式收缩约束,并对系统状态和控制约束进行紧缩Tube设计,给出增广可行域优化问题的数学描述;然后,引入线性分解增广名义终端状态和终端罚函数,扩大优化问题的初始可行域,在此基础上应用终端“三要素”和收缩原理,建立TEMPC策略的递推可行性和闭环系统关于最优经济平衡点有界稳定性的充分性条件,进而证明闭环性能在原初始可行域上的不变性;最后,通过对比仿真结果验证所提出策略的有效性和优越性.

摘要:基于矩阵半张量积方法研究智能电网需求侧管理问题.首先,基于势博弈的判定条件,利用势博弈对智能电网需求侧管理问题建模并构造相应的势函数;其次,当策略更新规则为时间级联型短视最优响应时,设计牵制控制使得势博弈在演化过程中镇定到最优纳什均衡;然后,在牵制控制设计过程中,为减少控制成本,设计算法得到尽可能少的控制玩家;最后,通过算例验证理论结果的有效性.

摘要:针对控压钻井过程中井下可能发生气侵的特殊工况,提出一种可在异常工况下估计井底压力,并借此判断异常工况的方法.首先,基于简化的漂移通量模型,在传统控压钻井水力学模型中添加气体膨胀项,建立控压钻井气液两相流模型;其次,将井下环空摩擦积分和井底气侵量视为未知参数,将井底流量视为未知状态,设计一种可对未知参数以及未知状态进行联合估计的自适应观测器,并以此为基础估计井底压力;最后,通过仿真实验验证所提方法的有效性.仿真结果表明,所建气液两相流模型可在井下发生气侵时模拟井底压力变化,且所提观测器能实时准确地跟踪井底流量及压力变化.

摘要:提出一种基于诊断观测器的最优事件触发故障检测方法.首先,针对自适应混合事件触发下的远程监控系统,发展一种数值代数结合型的低阶诊断观测器参数矩阵计算方法,以满足残差生成中的Luenberger条件;然后,通过评估事件触发传输误差、干扰和故障对残差信号的影响,构建$H_{\infty

摘要:现有多元时间序列分段算法中分段点的选择以及分段个数的确定往往需要分别独立完成,大大增加了算法的计算复杂度.为解决上述问题,提出一种基于多元时间序列的自适应贪婪高斯分段算法.该算法将多元时间序列各个分段所对应的数据解释为来自不同多元高斯分布的独立样本,进而将分段问题转化为协方差正则化的最大似然估计问题进行求解.为提高学习效率,采用贪婪搜寻方法使每个段的似然值最大化进而近似地找到最优分段点,并且在搜寻的过程中利用信息增益方法自适应地获取最优的分段个数,避免分段个数确定和分段点选择分别独立进行,从而减少计算的复杂度.基于多种领域的真实数据集实验结果表明,所提出方法的分段精度以及运行效率均优于传统方法,并且能够有效完成多元时间序列的异常检测任务.

摘要:网格密度峰值聚类在兼顾密度峰值聚类算法可识别任意形状类簇的基础上,通过数据集的网格化简化整体计算量,成为当前备受关注的聚类方法.针对大规模数据,如何进一步区分稠密与稀疏网格,减少网格密度峰值聚类中参与计算的非空网格代表点的数量是解决“网格灾难”的关键.结合以网格密度为变量的概率密度分布呈现出类Zipf分布的特点,提出一种基于Zipf分布的网格密度峰值聚类算法.首先计算所有非空网格的密度并映射为Zipf分布,根据对应的Zipf分布筛选出稠密中心网格和稀疏边缘网格;然后仅对稠密中心网格进行密度峰值聚类,在自适应确定潜在聚类中心的同时减少欧氏距离的计算量,降低算法复杂度;最后通过对稀疏边缘网格的处理,进一步优化类簇边界并提高聚类精度.人工数据集和UCI数据集下的实验结果表明,所提出算法对大规模、类簇交叉数据的聚类具有明显优势,能够在保证聚类精度的同时降低时间复杂度.

摘要:Transformer在大规模数据集上取得了优异效果,但由于使用多头注意力使得模型过于复杂,且在小规模数据集上效果不理想.对于多头注意力替换的研究在图像处理领域已取得一些成果,但在自然语言处理领域还少有研究.为此,首先提出一种去注意力的多层语义感知机(multi-layer semantics perceptron,MSP)方法,其核心创新是使用token序列转换函数替换编码器中的多头注意力,降低模型复杂度,获得更好的语义表达;然后,提出一种动态深度控制框架(dynamic depth control framework,DDCF),优化模型深度,降低模型复杂度;最后,在MSP方法和DDCF的基础上,提出动态多层语义感知机(dynamic multi-layer semantics perceptron,DMSP)模型,在多种文本数据集上的对比实验结果表明,DMSP既能提升模型分类精度,又能有效降低模型复杂度,与Transformer比较,在模型深度相同的情况下,DMSP模型分类精度大幅提升,同时模型的参数量大幅降低.

摘要:针对具有模糊加工时间和模糊交货期的作业车间调度问题,以最小化最大完工时间为目标,以近端策略优化(PPO)算法为基本优化框架,提出一种LSTM-PPO(proximal policy optimization with Long short-term memory)算法进行求解.首先,设计一种新的状态特征对调度问题进行建模,并且依据建模后的状态特征直接对工件工序进行选取,更加贴近实际环境下的调度决策过程;其次,将长短期记忆(LSTM)网络应用于PPO算法的行动者-评论者框架中,以解决传统模型在问题规模发生变化时难以扩展的问题,使智能体能够在工件、工序、机器数目发生变化时,仍然能够获得最终的调度解.在所选取的模糊作业车间调度的问题集上,通过实验验证了该算法能够取得更好的性能.

摘要:研究属性权重和专家权重均未知条件下的概率语言多属性群决策问题.首先,针对传统概率语言术语集距离测度的不足,提出改进的距离测度,并证明其性质和优越性.其次,基于新的距离公式,定义决策者的平均相似度,并结合专家之间的信任度矩阵计算每个属性下决策者的综合权重;构建基于相似-信任分析的群体共识调节模型,尽可能保留各属性下权威专家的意见;考虑到属性之间的相关性以及各个属性的重要程度,构建基于广义Choquet积分和离差最大化法的主客观综合赋权模型.随后,在新的距离测度的基础上,结合TODIM方法构建概率语言多属性群决策框架,实现对多个备选方案的排序.最后,以光伏电站的选址为例,验证所提出方法的有效性和合理性.

摘要:目前大多数的模糊关系熵是由一般的模糊二元关系构造,无法有效地对具有优劣顺序的模糊关系族进行评估,这限制了它们在多属性决策的应用.为此,提出一种新的优劣关系熵.首先,研究一种参数化的模糊优劣关系用于表征样本间的差异,进而探讨几种sigma优劣关系的模糊类;然后,在此基础上提出一种新的sigma优劣关系熵,并介绍其一些衍生熵,如sigma优劣关系条件熵、sigma优劣关系联合熵和sigma优劣关系互信息,探讨它们间的关系以及一些重要性质;最后,给出2种基于sigma优劣关系熵的多属性决策方法,并通过数据实例验证所提出方法的有效性和可行性.比较和敏感性分析表明,所提出方法与一些经典多属性决策方法的排序结果具有高度一致性.特别地,在多专家评判环境下,所提出方法具有更广泛的适用性.

摘要:基于双边市场理论,考虑产能分享双边市场具有网络外部性特性,同时考虑产能需求方对加工交期和价格敏感,研究垄断型制造业产能分享平台的定价策略.首先,建立平台和双边用户的两阶段决策模型;然后,通过计算求解探索了注册费和交易费收费模式下的平台均衡利润,并分析了交叉网络外部性等外生变量对各方决策和平台利润的影响.研究发现:注册费模式下的平台均衡利润大于固定交易费模式下的平台均衡利润;两种定价模式下的平台利润与双边用户的网络外部性均正相关,与产能需求方的交期预期偏差均负相关,与产能需求方的产能价格预期均正相关;产能需求方的交期敏感度在实际交期早于或晚于预期交期时对平台利润有不同影响,产能需求方的产能价格敏感度在产能实际价格低于或高于预期价格时对平台利润也有不同影响.

摘要:针对跟踪过程中因光照变化、快速运动及尺度变化等造成的角点定位精准度下降问题,受SiamCAR的跟踪框架启发提出一种无锚双注意力孪生网络的视觉跟踪算法.首先,算法的主干网络采用ResNet-50并结合增强多层融合特征图进行特征提取,充分利用网络浅层特征的定位信息和深层次的语义信息,提高算法对目标特征的语义理解能力;然后,构建混合注意力模块缓解无锚跟踪器角点定位不准确问题,提高算法的跟踪准确性和定位精度;最后,在GOT10K、UAV123、LaSOT等数据集上进行广泛实验,并与当前的先进跟踪器进行比较,该算法可以较好地抵抗光照变化、快速运动及尺度变化等多种复杂因素带来的影响,同时,在多项评测指标上获得了良好的跟踪性能.

摘要:共享单车停车问题是城市交通治理中最主要的问题之一,其表面为共享单车用户停车行为不规范、共享单车企业管理调度不及时所致,究其本质实为共享单车各利益主体缺乏有效协同治理机制、停车权责划分不清晰、成本分担失衡的结果.考虑政府与共享单车企业的有限理性,建立扩展式博弈的量子反应均衡(QRE)模型分析双方停车管理博弈机理,并利用Gambit软件进行算例仿真分析.研究表明:双方博弈结果随理性程度增加逐渐趋向于基于完全理性的子博弈精炼纳什均衡,政府掌握更多企业运营信息有利于达到社会效用最大化的博弈结果;政府引入有效处罚措施或主导负责停车管理可以降低自身的财政支出和社会总成本,建立量化的处罚标准能够促进企业主动承担停车管理责任;有限理性程度、违停数量、激励机制和科技手段运行效率会影响企业的停车管理策略选择.

摘要:在不确定需求环境下,研究由原材料供应商、制造商和客户组成的三级供应链中,具有固定比例生产系统的制造商多周期生产与库存计划问题.采用区间不确定集描述市场需求不确定性,并利用联合机会约束刻画制造商的服务水平要求,在线性决策规则下建立带有联合机会约束的固定比例生产系统生产与库存仿射可调节鲁棒优化模型.进一步,将所建模型等价转换为易于求解的线性规划问题.考虑到不确定扰动系数在模型鲁棒性与解的保守性之间的调节作用,给出能够有效提高具有固定比例生产系统的制造商利润并同时满足预设服务水平的不确定扰动系数优化算法.数值算例表明,基于所提出模型获得的运作方案能够有效应对供需平衡程度的变化,并且能以较高利润满足预设服务水平要求.

摘要:考虑产品绿色度和品牌商誉的动态性,引入价格加成系数刻画采购价格、批发价格和销售价格三者之间的关系,采用微分博弈研究由供应商、制造商和零售商组成的三级绿色供应链的投资策略与协调问题.探讨并对比分析集中决策模型、无成本分担契约的分散决策模型和有成本分担契约的分散决策模型的均衡结果,设计双边成本分担契约对供应链进行协调.研究表明:产品绿色度的最优轨迹具有两种变化趋势,由产品绿色度初始值和稳态值的大小关系决定;品牌商誉的最优轨迹具有3种变化趋势,由品牌商誉初始值和稳态值的大小关系决定;集中决策模型最优,有成本分担契约的分散决策模型对绿色供应链的帕累托改进有限,而在一定条件下,双边成本分担契约可以完全协调绿色供应链.此外,双边成本分担契约的成立条件和协调性与价格加成系数有关.

摘要:低碳时代传统制造业的成本构成以及盈利模式已被彻底颠覆,考虑再制造及碳减排的闭环供应链生产决策及协调优化值得关注.在3种渠道权力结构下,构建零售商持股制造商减排投资的闭环供应链决策模型,分析权力结构与股权合作对闭环供应链生产决策及企业利润的影响,探讨股权合作与两部定价契约的协调效果.研究发现,不同权力结构的闭环供应链需选择合适的持股比例,零售商主导下更高的持股比例产生更高的回收率、碳减排量及市场需求,而Nash博弈下则相反.有主导者的权力结构中,零售商持股比例的增加能够提高主导企业的利润;无主导者的权力结构中,企业利润的增减受持股比例与消费者低碳偏好的共同影响.无论何种权力结构,股权合作仅能实现闭环供应链的部分协调,通过两部定价契约可实现完美协调.

摘要:可解释人工智能(explainable artificial intelligence, XAI)近年来发展迅速,已出现多种人工智能模型的解释技术,但是目前缺乏XAI可解释性的定量评估方法.已有评估方法大多需借助用户实验进行评估,这种方法耗时长且成本高昂.针对基于代理模型的XAI,提出一种可解释性量化评估方法.首先,针对这类XAI设计一些指标并给出计算方法,构建包含10个指标的评估指标体系,从一致性、用户理解性、因果性、有效性、稳定性5个维度来评估XAI的可解释性;然后,对于包含多个指标的维度,将熵权法与TOPSIS相结合,建立综合评估模型来评估该维度上的可解释性;最后,将该评估方法用于评估6个基于规则代理模型的XAI的可解释性.实验结果表明,所提出方法能够展现XAI在不同维度上的可解释性水平,用户可根据需求选取合适的XAI.

摘要:针对无人机集群编队自组网的可靠性评估问题,考虑无人机集群编队在执行任务时对信息交互的时效性需求,提出一种自组网可靠性评估方案.首先,分析消息传输的可用时间;其次,通过排队论建立消息传输延迟模型以计算消息传输所需时间;然后,以消息传输所需时间小于可用时间的概率作为评估指标建立消息传输可靠性计算模型,进而为无人机集群编队提供一个动态可靠性评估框架以适应集群编队体系配置和环境变化的随机性与时变特性;最后,仿真分析在不同传输任务需求下,编队构型、无人机数量、编队缩放因子、传输速率、信息交互强度以及环境干扰对消息传输可靠性的影响.仿真结果可以为集群编队的队形设计以及集群编队的体系配置提供一定参考依据.

摘要:孔加工是机械制造的基本工序之一.针对数控机床的刀具路径优化问题,提出一种新颖的孔加工刀具路径优化模型-----带可决策孔的孔加工多刀具路径优化问题(MTdDPO).在该模型中,工件上的孔分为两类:固定孔和可决策孔.MTdDPO的目标是通过判断可决策孔的路径归属和路径内各孔的加工顺序来实现加工路径长度的最小化.为实现MTdDPO的优化,提出基于强化学习的分段遗传算法(RLSGA).在RLSGA中,种群被视为智能体,智能体的状态是种群的多样性系数,3种不同的分段交叉算子是智能体的动作,智能体的奖励与种群的适应度值和多样性系数的变化有关.针对MTdDPO,新建5个基准测试问题,并在测试问题上将RLSGA与其他4个算法进行对比.结果表明,RLSGA的表现明显优于其他算法,RLSGA能够有效地解决MTdDPO问题.