基于复杂多阶段连续决策问题的动态窗口蚁群算法研究

本文研究非线性的大规模复杂多阶段连续决策问题,研究了一种结合遗传优化的动态窗口蚁群算法。该算法将各阶段容许决策值映射为一个层状构造图中的有限节点集,其中每一层节点对应某一阶段容许决策集的子集,该子集用实数编码遗传优化进行动态筛选,以减小算法的搜索空间。     

结合跳点引导的无人机随机搜索避撞决策方法

针对无人机在城市空域环境和密集交通流下的避撞决策问题，提出马尔科夫决策过程（MDP）和蒙特卡洛树搜索（MCTS）算法对该问题进行建模求解。蒙特卡洛树搜索算法在求解过程中为保证实时性而使其搜索深度受限，容易陷入局部最优，导致在含有静态障碍的场景中无法实现避撞的同时保证全局航迹最优。因此结合跳点搜索算法在全局规划上的优势，建立离散路径点引导无人机并改进奖励函数来权衡飞行路线，在进行动态避撞的同时实现对静态障碍的全局避撞。经过多个实验场景仿真，其结果表明改进后的算法均能在不同场景中获得更好的性能表现。特别是在凹形限飞区空域仿真模型中，改进后的算法相对于原始的蒙特卡洛树搜索算法，其冲突概率降低了36%并且飞行时间缩短47.8%。     

基于DDPG算法的无人机集群追击任务

无人机的集群化应用技术是近年来的研究热点，随着无人机自主智能的不断提高，无人机集群技术必将成为未来无人机发展的主要趋势之一。针对无人机集群协同执行对敌方来袭目标的追击任务，构建了典型的任务场景，基于深度确定性策略梯度网络（DDPG）算法，设计了一种引导型回报函数有效解决了深度强化学习在长周期任务下的稀疏回报问题，通过引入基于滑动平均值的软更新策略减少了DDPG算法中Eval网络和Target网络在训练过程中的参数震荡，提高了算法的训练效率。仿真结果表明，训练完成后的无人机集群能够较好地执行对敌方来袭目标的追击任务，任务成功率达到95%。可以说无人机集群技术作为一种全新概念的作战模式在军事领域具有潜在的应用价值，人工智能算法在无人机集群的自主决策智能化发展方向上具有一定的应用前景。     

地下原油无缆电加热系统可靠性措施的计算机仿真与优化决策

本文根据给定的油井地质资料,用计算机对其进行拟合再现,着重讨论了井下原油无缆电加热系统的可靠性措施及其计算机仿真与优化决策方法。     

经验Bayes估计在距离测量中的应用研究

根据Ｂａｙｅｓ方法的基本思想,研究多组距离（长度）测试Ｂａｙｅｓ估计,推导出均值、方差未知时的距离（长度）、密集度检验所用公式。举例说明Ｂａｙｅｓ假设检验有关问题以及各种决策的期望损失,距离（长度）测量采用经验Ｂａｙｅｓ方法比较古典方法估值准确度高,置信区间小,将明显减少测量次数,缩短测试周期,提高测试质量。     

一个自主Agent框架及其决策

自主性是Agent的最重要的特征。本提出一个自主Agent的框架及其相应的决策机制。首先介绍了用于描述自主Agent的语言;然后基于BDI模型和情境演算理论,提出一个自主Agent的框架;最后给出自主Agent的一种决策过程。