智能集群系统的强化学习方法综述

智能集群系统是人工智能的重要分支,所涌现出的智能形态被称为集群智能,具有个体激发时的自组织性和群体汇聚时的强鲁棒性等特征.智能集群系统的协同决策过程是融合人-机-物,覆盖多元空间,囊括感知-决策-反馈-优化的复杂非线性问题,具有开放的决策模型和庞大的解空间.然而,传统的算法依赖大量的知识与经验,使其难以支持系统的持续演化.强化学习是一类兼具感知决策的端到端方法,其通过试错的方式不断迭代优化,具有强大的自主学习能力.近些年来,受生物群体和人工智能的启发,强化学习算法已由求解个体的决策问题,向优化集群的联合协同问题演进,为增强集群智能的汇聚和涌现注入了新动能.但是,强化学习在处理集群任务时面临感知环境时空敏感、群内个体高度自治、群间关系复杂多变、任务目标多维等挑战.本文立足于智能集群系统的协同决策过程与强化学习运行机理,从联合通信、协同决策、奖励反馈与策略优化四个方面梳理了强化学习算法应对挑战的方法,论述了面向智能集群系统的强化学习算法的典型应用,列举了相关开源平台及其适用算法.最后,从实际需求出发,讨论总结了今后的研究方向.

智能无人集群系统跨域协同技术研究现状与展望

随着智能化技术和无人系统技术的快速发展,智能无人集群系统跨域协同的概念应运而生并得到了广泛关注与深入研究,智能无人集群系统跨域协同技术逐渐成为世界各国抢占无人系统技术竞争中的制高点。本文从我国智能无人集群系统跨域协同技术的发展需求出发,梳理了海空、空地以及海陆/海陆空等典型无人场景跨域协同技术的研究现状;深入分析了智能无人集群系统跨域协同技术的发展现状、技术需求以及未来的重点研究方向。最后,从总体思路、体系架构、理论创新和技术攻关4个层面,提出了推动智能无人集群系统跨域协同技术稳健与快速发展的对策建议,以期促进我国无人系统应用能力的持续提升。

一种网络存储技术新方案--智能网络磁盘集群存储系统

针对网络存储技术中存在的一些问题,提出一种网络存储技术新方案——智能网络磁盘集群存储系统.通过"分散服务、集中管理"模式,有效解决了普遍存在的单点失效问题;通过设计一种虚拟文件系统,将多个存储节点虚拟成一个超大容量、集中化的数据存储中心,满足了海量信息存储的大容量、可扩展性等要求;通过多数据布局方法,满足了数据完整性和吞吐率等不同数据存储要求;最后分别提出了一种智能I/O调度和自适应负载均衡方案.

集群智能的媒介系统在规划及建筑领域自组织生形上的应用

通过对两种类别自组织生形方法的原理及案例的分析比较提出:利用从生物界抽象而出的规则,具有集群智能的媒介系统能提供给建筑师一种更动态、全面的方法去研究建筑及规划领域的自组织生形;且在当前日益复杂的设计条件及更全面、严格的设计要求下,可通过在系统中设定多重标准及要求,更好地满足设计条件,并实现设计的多向优化。

智能无人集群及其发展探索

近年来,智能无人集群技术成为国内外高度关注和研究热点。通过分析智能无人集群系统的概念和内涵、系统特性,提出了影响制约智能无人集群产业发展瓶颈,并给出了发展建议。

智能无人集群技术发展综述

智能无人集群系统是由多个无人系统协同完成复杂任务的整体系统,主要通过利用物联网、大数据、人工智能等新技术提高智能化水平和鲁棒性。智能无人集群系统在农业、制造业、交通、教育、医疗、军事、金融等多个领域具有广阔的应用前景,但也面临着任务复杂度提升、产品质量和成本竞争等挑战。文章分析了智能无人集群系统应用中的环境感知与认识、多机协同任务规划与决策、信息交互与自主控制、人机智能融合与自适应学习的关键技术手段,总结了当前智能无人集群系统具有的优势以及特点,最后对智能无人集群技术的未来发展提出了展望,为智能无人集群技术发展提供参考。