基于POMDP的电梯群控调度策略

针对电梯群组系统的随机性和复杂性,以离散事件动态系统和分布式部分可观马尔可夫决策过程为理论基础,将电梯群组的调度问题建模为基于事件驱动的部分可观马尔可夫决策模型,并利用多智能体强化学习算法求解最优调度策略。仿真实验结果表明,所提出的事件驱动Dec-POMDP调度模型不仅能够较好地描述电梯群组系统环境中的不确定性,而且能够避免维度灾难带来的策略优化难题,所得到的最优策略具有较好的调度性能。

基于飞蛾-烛火优化算法的贝叶斯网络结构学习

目前结构学习的算法普遍存在收敛性差、精确度低、易陷入局部最优等问题。为此,提出一种新的网络结构学习算法。通过保留飞蛾-烛火优化算法的整体框架,借鉴遗传算法的杂交、变异等操作,替换原算法的位置更新方法。变异操作时考虑节点间的互信息,对不同节点采取不同的变异动作,保障结构返回的稳定性。实验结果表明,该算法能够较快地学习到评分最优的网络结构,且获得的结构和标准的网络结构最相似。

命名数据网络中基于Dec-POMDP的缓存策略

针对命名数据网络(Named Data Networks,NDN)中数据缓存的问题,提出了一种基于分布式部分可观测马尔科夫决策过程(Dec-POMDP)的缓存优化模型。在该模型框架下,NDN网络节点间以分布式协作的方式逐渐收敛至最优联合缓存策略,从而使NDN中的有限缓存资源得到充分利用。仿真实验表明,与现有NDN缓存方法相比,该方法能有效提升NDN网络的缓存效率,实现较高的缓存命中率及较小的请求平均跳数。

英语课堂因“你”而丰富多彩——谈多媒体在英语教学中的应用

多媒体技术具有将图、文、声、像、影融为一体的特点，运用多媒体技术对信息进行加工处理，大大增强了人们对抽象事物与过程的理解与感受，使人们在短时间内获得大量知识和信息。多媒体教学以其形象、直观、容量大的特点，英语教学具有得天独厚的优势，只要我们将之融会贯通，融入英语课堂的各个环节，必能大大优化英语课堂教学的全过程，给英语课堂教学带来新面貌，大大提高教学效率和教学效果。