基于改进狼群算法的多无人机协同多目标分配CSCD

针对现代空战多无人机协同多目标任务分配问题,结合标准狼群算法,提出了一种改进狼群算法的多目标任务分配方法。根据狼群的不同分工以及搜索属性,建立了基于自主游走机制的头狼产生规则、基于多策略知识库的探狼游走机制和基于自适应步长的猛狼奔袭及围攻方式,从而对传统狼群算法的随机性进行智能化约束与控制,以解决多无人机协同多目标任务分配问题。数值仿真结果表明,该方法能够快速有效获得任务分配方案,避免陷入局部最优。     

自适应短文本关键词生成模型

关键词抽取对文本处理影响较大，其识别的准确度及流畅程度是任务的关键。为有效缓解短文本关键词提取过程中词划分不准确、关键词与文本主题不匹配、多语言混合等难题，提出了一种基于图到序列学习模型的自适应短文本关键词生成模型ADGCN。模型采用图神经网络与注意力机制相结合的方式作为对文本信息特征提取的编码框架，针对词的位置特征和语境特征编码，解决了短文本结构不规律和词之间存在关联复杂信息的问题。同时采用了一种线性解码方案，生成了可解释的关键词。在解决问题的过程中，从某社交平台收集并公布了一个标签数据集，其包括社交平台发文文本和话题标签。实验中，从用户需求角度出发对模型结果的相关性、信息量、连贯性进行评估和分析，所提模型不仅可以生成符合短文本主题的关键词，还可以有效缓解数据扰动对模型的影响。所提模型在公开数据集KP20k上仍表现良好，具有较好的可移植性      

序言

多智能体的协同导航与控制作为人工智能及导航控制的重要分支,在当今受到广泛关注。"多智能体系统协同导航与控制技术"专栏,致力于探索自然界中生物个体间的信息交互和共享机制,发掘多智能体之间灵活有效的协同方法,解决导航、定位、环境感知等问题,以提高多智能体在复杂环境下的决策与工作能力。     

叶尖小翼对跨声速压气机级稳定工作裕度的影响

为了揭示叶尖小翼对跨声速压气机级气动性能的影响机制，利用数值方法研究了压气机级转子叶片上加装不同宽度压力面/吸力面叶尖小翼的作用效果和扩稳机制。同时，提出一种更加系统的叶尖小翼结构设计方法以优化叶尖小翼技术在压气机上的应用，使压气机级压比和绝热效率基本保持不变的前提下提升其稳定工作裕度。研究结果表明：随着压力面小翼宽度的增加，压气机级的稳定工作裕度分别增加了6.01%、9.90%、10.76%、11.43%，压力面叶尖小翼改变了转子叶顶气流偏转角，抑制了叶顶泄漏流的产生和泄漏涡破碎，提升了压气机级的流通能力，同时减弱了静子叶片吸力侧的分离损失。     

小型平板回路热管蒸发器内传热与流动的三维数值模拟

针对小型平板回路热管蒸发器内的流动与传热，建立了多区域耦合的数学物理模型，并应用FLUENT软件进行了三维数值模拟。结果表明:蒸发器传热特性在不同热负荷下呈现出较大的差异，其温度分布不仅取决于热负荷，更依赖于毛细芯表面发生的两种传热机制，即毛细蒸发和热传导。相比高热负荷(Q=120W)和低热负荷(Q=40W)，中等热负荷(Q=80W)下蒸发器各个部位的温度均较低。三种不同热负荷下，毛细芯反向导热均大于侧壁漏热，补偿腔内与毛细芯相邻处易出现高温区。冷凝回流液在补偿腔内的流动形成两个涡，这种流动特点有利于降低毛细芯的温度。当热负荷与系统冷凝能力匹配时，整个系统流动与传热特性最优。      

基于SUDFA的航空安全监察与法定自查融合机制研究

运用问卷调查法对民航行政机关、民航监管机关、民航生产经营单位进行安全监察与法定自查融合现状的调查，针对“察查”融合过程中存在的问题，基于SUDFA模型提出一种“察查”融合机制措施，即提高互适应融合意识、剖析内涵式理解需求、培育渗透性融合机制、评估问题性有效反馈、提升有效性自适应整改等。     

具有欺骗攻击的主从神经网络混合 事件触发同步控制

文章提出了一种针对受到欺骗攻击的主从神经网络的混合事件触发同步控制方法。所提出的方法采用以伯努利分布为特征的混合事件触发方案，通过仅在必要时传输数据来减轻通信负担并处理不可预测的网络环境。记忆事件触发机制可以在系统响应状态的峰值和低谷期间传输更多的数据。通过考虑实际情况中的不确定性，将网络诱导时滞和随机发生的欺骗攻击纳入一个统一的框架，并构建了相应的李雅普诺夫泛函。其次，使用李雅普诺夫理论，推导出一个稳定性判据。最后，通过数值算例验证了所提出方法的有效性。     

网格远程调度系统的设计与实现

阐明了在多集群的网格中，资源调度和任务的分配受到网络和通信延迟的限制。采用元调度机制有效的将作业分配到不同集群计算机中，进一步，义采用动态绑定机制来减少作业分配的延迟。这一机制是绑定相似的请求来组成复合请求分配到网格资源。在不同的服务负载下应用了这些机制，结果显示这些机制能够帮助获得负载均衡和减少作业分配的延迟，同时也能减少程序的运行时间。     

基于注意力机制和特征匹配的空对地多目标检测与跟踪算法

多目标跟踪算法是实现无人机自主导航的关键技术，为解决现有方法存在的小目标检测能力弱、计算能耗大、鲁棒性差等问题，提出一种基于注意力机制和特征匹配的多目标空对地跟踪算法，以实现航拍视角下对目标的精准高效跟踪。首先，引入通道可分离卷积，实现目标检测模型的轻量化；其次，构造融合空间注意力机制的小目标检测分支，提高对小微目标的检测精度，最后，优化目标跟踪算法的外观重识别网络，提高多目标跟踪效率。使用Visdrone2019-MOT数据集对所提算法进行验证，实验结果表明，所提算法的MOTA值提高了0.６%，FPS值为21.31帧/s，在模型大小和跟踪精度上实现了较好的平衡。     

基于注意力机制的实例分割算法

实例分割作为计算机视觉领域极具挑战性的任务之一,要求在图像分类的基础上为每一个物体生成像素级别的分割掩码.业界主流方案可分为自上而下和自下而上两种范式,自上而下范式又可分为双阶段分割和单阶段分割.单阶段分割方案为了提高推断速度,往往使用全图卷积操作取代双阶段分割方案中先检测后分割的策略.然而,卷积网络的平移不变性使得同一种类的不同实例提取到的特征相似,仅靠全图卷积难以进行区分,从而导致单阶段分割方案精度下降.针对单阶段分割精度降低的问题,提出了一种注意力机制,该机制在特征图每个位置的特征向量上进行点积运算,并将运算结果作为新的特征图,同一位置点积结果最大化,不同位置点积结果最小化,以丰富特征图中不同实例的差异信息.通过注意力机制使得单阶段分割方案中的全图卷积操作能更好地区分同一种类的不同实例,从而生成高质量分割掩码.在公开数据集上进行实验,验证了所提方法的有效性.