克孜尔石窟帛舞壁画图像在龟兹乐舞教学中的探索研究

龟兹舞蹈种类丰富,在克孜尔石窟壁画中手持道具的舞蹈形象尤为丰富,龟兹帛舞是古西域热土上的一部分。文章借由新疆艺术学院舞蹈系开设专业技能课程"龟兹乐舞",在教授组合的过程中不断的思考,出于使教学内容更为完善丰富的目标,将对克孜尔石窟83、77窟壁画中帛舞形象进行研究,目的在于通过对帛舞造型的研究、完善道具组合帛舞课程教学内容。

知识和组织惯例互动演化视角下后发企业动态能力的微观基础

为了追踪后发企业动态能力的微观基础,探究后发企业动态能力的来源、形成机制及其演进规律,构架一个基于知识和组织惯例互动演化视角的动态能力形成和演化的理论框架。依据这一研究框架,对哈尔滨电站设备集团公司(简称哈电集团)进行纵向案例研究。研究表明:后发企业动态能力的微观基础,是由利用式动态能力和探索式动态能力两个维度以及每个维度下特定的过程和惯例构成;后发企业动态能力的形成是知识和组织惯例互动演化的结果;在知识和组织惯例互动演化的过程中,后发企业动态能力呈现出利用式动态能力向探索式动态能力演化的演进规律。

基于启发式深度Q学习的多机器人任务分配算法

针对多机器人任务分配方法在环境复杂性增加时出现的维度灾难问题,本文提出了一种基于启发式深度Q学习的多机器人多任务分配算法。采用神经网络代替传统强化学习中的Q值,避免了强化学习在高维度空间下的状态-动作空间的局限性问题;将轨迹池引入深度Q学习算法中启发动作的选择策略,提高了算法的收敛速度;在动作选择决策之中引入动态探索因子,保证算法对环境中的未知空间的充分探索,进而提高算法的学习效率。通过实验证明:基于启发式深度Q学习的任务分配算法成功缓解了复杂环境下多机器人多任务分配的维度灾难问题,通过实验对比,证明基于启发式深度Q学习的任务分配算法在收敛速度和任务分配结果方面存在明显的提升。

基于双深度Q网络的车联网安全位置路由

作为智能交通系统中的支撑技术,车联网(Internet of Vehicle,IoV)已受到广泛关注。由于IoV网络拓扑结构的动态变化以及灰洞攻击,构建稳定的安全位置路由是一项挑战工作。为此,提出基于双深度Q网络的安全位置路由(Double DQN-based Secure Location Routing,DSLR)。DSLR通过防御灰洞攻击提升消息传递率(Message Delivery Ratio,MDR),并降低消息的传输时延。构建以丢包率和链路连通时间为约束条件的优化问题,利用双深度Q网络算法求解。为了提升DSLR的收敛性,基于连通时间、丢包率和传输时延构建奖励函数,引导智能体选择满足要求的转发节点。采用动态的探索因子机制,平衡探索与利用间的关系,进而加速算法的收敛。仿真结果表明,相比于同类算法,提出的DSLR提升了MDR,减少了传输时延。

Fluctuation with dust of de Sitter ground state of scalar-tensor gravity

An exact de Sitter solution of scalar-tensor gravity is found in our recent work, in which the non-minimal coupling scalar is rolling along a non-constant potential. Based on this solution, a dust-filled FRW universe is explored in frame of scalar-tensor gravity in this article. The effective dark energy induced by the sole non-minimal scalar can be quintessence-like, phantom-like, and more significantly, can cross the phantom divide. The rich and varied properties of scalar-tensor gravity even with only one scalar is shown.