基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。     

基于SMABC算法的FPRM逻辑电路面积优化

固定极性Reed-Muller (FPRM)逻辑电路面积优化是当前集成电路设计领域的研究热点。但现有FPRM逻辑电路面积优化方法存在优化效率低和优化效果差等问题。FPRM逻辑电路面积优化属于组合优化问题,提出一种自适应混合人工蜂群(SMABC)算法。所提算法在引领蜂搜索阶段引入细菌觅食算法中的细菌趋化行为,使引领蜂向靠近优秀蜜源的方向搜索,提高了所提算法的收敛速度;对跟随蜂的选择概率进行改进使其依据种群的变化自适应改变,提高了所提算法的全局搜索能力;对侦查蜂的转换条件进行改进,增加了侦查蜂在进化过程中的扰动幅度;且在进化过程中引入精英保留策略以提高种群质量。此外,提出一种基于SMABC算法的FPRM逻辑电路面积优化方法,所提方法收敛速度最快且面积优化率最高为54.62%,平均面积优化率为15.33%。     

新冠疫情背景下航空物流网络的鲁棒优化

为应对新冠疫情影响背景下客机航线中断导致客机腹舱运力减少的风险,以最小的成本提升航空物流网络的鲁棒性,提出不确定客机腹舱运力情境下全货机航线配机及路径优化问题研究。以网络总成本最小化为目标,考虑“客机腹舱+全货机”的运输方式、城市间的航空货运需求、运输距离等因素,建立了客机腹舱运力不确定环境下航空物流网络鲁棒优化模型,并采用列与约束生成（C&CG）算法对模型进行有效求解。通过S货运航空公司案例数据,研究航空物流网络航线优化布局问题。通过案例分析证明,运用两阶段鲁棒优化方法,可有效降低航空物流网络受客机腹舱运力减少导致的成本变动;在客机航线完全中断的状况下,所提方案可以降低航空物流网络20.7%的成本。运用两阶段鲁棒优化方法有利于决策者灵活进行全货机配机选线,在客机腹舱运力不确定影响背景下兼顾航空物流网络的经济性和鲁棒性。     

网格结构对Euler方程解的影响

 采用2种不同对接分区网格技术讨论了不同的网格结构对绕偏副翼的三维机翼流动的Euler方程解的影响.一种是部分不连续的网格(PDG);另一种是完全连续的网格(CCG),分别在PDG和CCG中采用Van Leer的矢通量分裂格式和Jameson的中心差分格式求解了Euler方程.算例表明,2种网格各有其优缺点,且都能得到有用的结果,但为了高效地取得更好的计算结果,必须根据流动和几何外形选取恰当的计算网格.     

阵列雷达中快速目标截获的几个关键问题研究

研究了阵列雷达中快速目标截获的两个关键问题:角度测量和角度预测.首先,从测角原理、要求的波位排布、鉴别特性和测角性能等几个方面研究了阵列雷达中快速目标截获的两种测角算法:幅度比较类单脉冲和幅度加权平均,提出了这两种算法在工程应用中的引导和非线性校正方法;然后,分析了利用跟踪滤波器的角度预测算法,提出了SDF跟踪滤波器;最后,在某阵列雷达仿真系统中进行了仿真研究.     

前馈神经网络的一种简单共轭梯度学习算法

针对前馈神经网络学习误差函数维数高、计算复杂度大的特点,对梯度下降BP算法加以改进从而构造出一种简单共轭梯度下降算法(MPARTAN算法).该算法计算复杂度不高于动量BP算法, 与FR共轭梯度法相比,该算法的稳定性好,又具有共轭梯度法的优点,收敛速度快.文中给出了该算法的收敛定理,并用2个实验例子比较了动量BP算法、FR共轭梯度法和MPARTAN算法的计算结果.     

一种有效的软件结构图的布图算法

信息的可视化表示是帮助理解软件结构的重要手段.结构化软件中的复杂的模块调用为软件结构的分析和理解带来不便,为此提出一种以模块连接度(扇入扇出系数和)为特征的广义张量平衡算法,以图形方式直观地表现出模块之间复杂的调用关系.具体讨论了算法应遵循的原则,给出了算法的可操作规则集.实践证明,该算法布出的图形具有高度的对称性和紧耦合性,且层次分明,线间交叉少,同时符合图形语义要求和协调性原则.     

基于对偶原理的二子样划船补偿算法

划船补偿算法一般以典型划船运动为基础,利用最优化理论来进行推导.圆锥补偿算法不仅可利用最优化理论,还可利用Goodman-Robinson理论进行推导.利用对偶原理,将Goodman-Robinson理论下得到的二子样修正圆锥补偿算法推广至划船补偿算法设计中,得到一种改进的二子样划船补偿算法.在典型划船运动条件下,对得到的划船补偿算法进行了数字仿真,并与二子样优化划船补偿算法进行了对比研究.仿真结果表明,此改进二子样划船补偿算法能提高速度更新精度.     

基于GA-BP贝叶斯算法的可靠性分析近似模型

研究了GA-BP(Genetic Algorithm-Backpropagation)贝叶斯算法在可靠性仿真中的应用.GA-BP贝叶斯算法是一种新型前馈神经网络训练算法,它建立在遗传算法(GA)、L-M(Levenberg-Marquardt) BP算法以及贝叶斯方法这三者的基础上.由于该算法的训练目标是获取对应于后验分布最大值的权值向量,并且在搜索过程中融入了遗传算法,因此能够使前馈神经网络具有更佳、更稳定的泛化性能.在可靠性仿真中,采用GA-BP贝叶斯算法来构造前馈神经网络近似模型,再用它来替代复杂费时的数值仿真程序进行Monte Carlo模拟,就能够在计算成本得到有效控制的同时获取随机输出变量的概率分布情况.     

适用于连续数值标签的兴趣漂移增量学习方法

针对现有兴趣漂移增量学习方法大多针对包含二值数据标签的用户反馈进行学习的不足,提出了一种适用于连续数值标签反馈的兴趣漂移增量学习方法,以或然概念集的形式描述用户兴趣,将用户反馈中包含的数据标签视为用户对该实例的喜好概率,并采用基于指数近度加权平均的方法对兴趣模型进行增量学习.在不同学习任务下的实验结果表明,该方法能够在反馈数据标签为连续数值的条件下达到比现有方法更好的学习效果.