基于时间窗口聚类的电力时序数据压缩研究

为节约电力时序数据的存储空间,有效实现对电力网络的扩容处理,提出了基于时间窗口聚类的电力时序数据压缩方法。根据时间窗口聚类条件,分别求解时间子序列与窗口子序列条件,从实时存储库中提取电力时序数据样本。定义压缩性能指标,通过稀疏变换数据矩阵的方式,实现对电力时序数据的压缩处理。对比实验结果表明,时间窗口聚类模型可将电力时序数据存储空间控制在3.0×10~7bit内,对于节约数据存储空间、实现电力网络的扩容起到了一定的促进性作用。

基于深度强化学习算法的终端区飞机着陆调度算法研究

针对当前机场终端区空中交通中存在的航班着陆成本过大,飞机延误率过高,调度成本过大等问题,提出利用深度强化学习算法结合终端区调度算法的一系列新调度算法,重点在于解决机场终端区空中交通中待着陆飞机的安全时间间隔与着陆成本的矛盾,使飞机在安全着陆的前提下尽量减少着陆成本.实验结果表明,新调度算法在着陆成本上明显低于传统调度算法先来先服务算法.

基于人工智能技术的智能自博弈平台研究

针对实战中红蓝双方对抗博弈过程中的决策效率低、决策规则简单、智能化程度低等问题,采用人工智能与传统仿真平台相结合的方法,构建智能自博弈平台,训练出具有决策能力的红方智能体和蓝方智能体。通过1V1空战仿真试验表证明,红蓝双方智能体具备决策能力,可以生成较好水平的交战决策,能够完成智能自博弈的过程。试验结果和研究内容对推进未来军事仿真智能化具有参考意义。