数智时代情报分析中算法分类、演进及应用研究

[目的/意义]数智时代随着算法广泛应用于情报分析中,揭示当前情报分析中算法使用的现状不但能帮助情报学领域学者把握学术研究热点,还能指导更多研究者更好地利用算法来解决情报分析过程中的实际问题。[方法/过程]重点梳理近10年情报学领域5本核心期刊与情报分析算法相关文献,尝试梳理数智时代应用于情报分析中的算法分类,并从算法演进、算法应用角度全方位展示这些算法的特征。[结果/结论]从演进来看,近10年情报学领域应用算法的论文持续上升,而LDA是情报分析中运用最多的算法,自2020年起BERT算法呈现出新生演进特征;从应用来看,突发事件下的网络舆情、专利分析等应用呈现出不断细化、继承演进的趋势;图书馆、图书情报、电子商务、物流信息等应用逐渐衰退,取而代之的是数字人文、智慧图书馆、颠覆性技术等。

国内外算法风险研究:框架、特征及展望

[目的/意义]随着ChatGPT的横空出世,算法应用越来越多地支配着人类的生活,算法黑箱、算法操控、算法共谋、算法偏见、算法歧视等风险也随之而来,这些风险严重影响社会稳定乃至国家安全。对全球算法风险的形势进行研判能够有助于防范与识别算法风险,并为应对全球算法风险治理难题提供中国智慧与构想。[方法/过程]通过系统梳理国内外主要数据库915条核心文献,构建基于“学科领域—研究主题—治理工具—治理措施”的算法风险研究框架,并分析算法风险具有学科的交叉性、复杂的交织性、突出的人为性、泛化的不确定性等特征。[结果/结论]从加强情报学学科对算法风险研究、加强对人工智能算法可解释性研究、加强算法应用向善和算法服务从善研究、加强对全球算法风险治理中国智慧与构想研究4个方面对算法风险研究问题进行展望。

算法市场的兴起:概念、挑战与未来发展

人工智能是新一轮科技革命和产业变革的重要驱动力量,人工智能发展离不开数据、算法和算力组成的“三驾马车”。其中,算法作为激发算力潜能与实现数据价值的重要技术环节,是推进“人工智能+”进程与新质生产力形成的核心驱动力。与数据要素市场相比,算法市场的商业化进展明显滞后,其交易机制和市场结构尚缺少系统深入的研究。文章探讨了算法市场的交易标的、市场结构及其关键特征,梳理了算法确权保护和算法流通机制方面面临的主要挑战,并总结了算法确权和流通市场发展的实践探索。通过分析算法市场与知识产权、数据要素市场,文章发现,算法与知识产权在创新性和虚拟性方面具有相似性,但对隐私数据的依赖性和开闭源算法的差异性使其确权保护更具复杂性。同时,算法与数据要素市场共享场景依赖和非标特征,但算法更强的外部依赖性对其流通提出了更高要求。针对我国算法市场当前面临的诸多挑战,文章提出构建以政府和市场双驱动为核心的算法交易与流通机制的政策建议,通过优化确权机制、促进供需匹配、降低使用门槛以及推动跨境流通,以促进算法市场的健康发展和广泛应用。

k-center问题的算法研究综述

k-center问题是设施选址的基础问题,同样是NP难问题,在分配、紧急服务等领域也有着实际的应用。随着问题规模的扩大,原有的算法已不再适用,需要进一步优化或者改进。为了找到求解该问题的高效算法,对现有算法进行研究。对各类求解k-center问题的算法进行梳理,将求解算法划分为精确算法、启发式算法、元启发式算法、近似算法等,从算法原理、改进思路、性能和精度等方面进行对比综述。精确算法在求解小规模k-center问题时可在多项式时间内得到最优解,但是算法效率低,不适用于大规模问题;启发式算法可以在多项式时间内给出相对最优解,但是没有理论保证,无法衡量与最优解的关系;元启发式算法可对目前存在的智能优化算法进行改进,给出相对最优解,但是解的质量无法保证;利用近似算法得到的解具有近似比保证,有较大的理论研究价值,但是实用价值较弱。目前求解k-center问题的元启发式算法已取得一定的研究成果,但是在求解时间、求解规模、算法效率等方面仍待突破,这将是未来k-center问题的研究重点。

基于非支配排序遗传算法NSGA-Ⅲ的多目标屏蔽智能优化研究

本文基于第3代非支配排序遗传算法(NSGA-Ⅲ)开展了多目标屏蔽智能优化方法研究。以乏燃料运输船舶为对象,采用多目标智能优化程序建立一维离散纵标计算模型,针对舱盖上方区域屏蔽结构(混凝土和聚乙烯厚度)进行优化设计,最终得到1组优化的屏蔽方案。基于优化后的屏蔽方案,建立真实的三维蒙特卡罗计算模型,和基于混凝土、聚乙烯或含硼硅树脂的方案进行对比,评估优化方案的屏蔽效果。评价指标包括屏蔽厚度、重量、总剂量率和价格等。结果显示,基于所开发的多目标屏蔽智能优化方法优化得到的方案各有特点,包含了多个优选的方案,为设计者提供了更丰富的选择。

基于边界信息的自适应过采样算法

针对人工少数类过采样(synthetic minority over-sampling technique,SMOTE)算法存在样本合成区域狭小,容易将少数类泛化到多数类及引入噪声的问题,提出一种基于噪声过滤、边界点自适应采样的过采样算法。首先,该算法使用K近邻算法进行噪声过滤,接着确定边界点并在边界点中寻找合适的点作为根样本点,并以其K近邻点中与其同类且欧氏距离最远的点作为候选样本点。然后,根据根样本点所携带的边界信息确定该点所合成的样本数量,并根据根样本点和候选样本点生成一个N维球体作为样本的合成区间。最后,对合成样本进行判断以确定其是否满足条件。通过实验证明,该算法生成的样本质量要优于SMOTE及其常见变种算法。

MuSig多重签名的实用拜占庭容错共识算法

为降低实用拜占庭容错共识算法(practical Byzantine fault tolerance,PBFT)的通信复杂度和提高事务的吞吐量,提出一种MuSig多重签名的实用拜占庭容错共识算法(practical Byzantine fault tolerance consensus algorithm of MuSig multi-signature,MPBFT)。MPBFT共识算法改变了PBFT的准备和提交阶段的信息传输方式,由主节点采用MuSig多重签名算法将接收的备份节点的消息聚合为一个消息,再广播给备份节点验证聚合签名的有效性。通过性能分析和实验验证,MPBFT共识算法将PBFT的通信复杂度由O(n 2)降为O(n),具有较好的时间性能和安全性,且在事务延迟、吞吐量和通信开销等方面优于其他三种对比算法。

算法审计的现实困境、逻辑框架与实现路径

立足当下对算法风险治理的迫切需求,如何建立算法审计的逻辑框架发挥审计作用、利用算法审计缓解算法风险成为目前应当解决的问题。算法审计如今面临信息披露风险、制度框架不健全、理论基础薄弱、审计人员不足四大现实困境。基于此,算法审计框架应围绕算法审计目标、依据以及原则建立,从算法审计与不同审计手段有效联结、不同审计主体人员互动以及法律与审计协同治理三个角度为算法审计提供保障。由此拓展数智时代算法审计的研究,并为算法风险治理手段提供参考。

基于改进标签传播算法的舆情社交网络社区发现

通过改进的标签传播算法研究了舆情社交网络中的社交主题发现。针对传统算法容易陷入局部最优的问题,依据节点间相似度选择标签传播时的邻居节点;针对传统算法标签更新时的随机性问题,通过结合舆论动力学模型HK的观点交互过程,依据节点影响力的大小更新标签。实验结果表明,该方法在最好情况下(k=0.9)相较于原算法,在稳定性和模块度指标两方面分别提高了31%和78%,并且优于其他几种改进算法。由此可见,该算法相较于原算法及其他改进算法在舆情社交网络的主题社区发现中表现更好。

改进邻域扩展A^(*)算法的移动机器人路径规划

为解决A^(*)算法在规划路径时存在转折角度过大、路径不平滑的问题,提出改进邻域扩展A^(*)算法。首先,对A^(*)算法搜索范围扩展至24邻域,然后对邻域进行二次数量优化处理得到最终邻域搜索节点。其次,设计具有双层位置导向信息的评价函数,最后对所得路径进行二次平滑处理以剔除冗余节点并削弱路径尖峰的剧烈程度。仿真结果表明,改进邻域扩展A^(*)算法在路径长度、搜索节点数量、规划时间上均优于传统A^(*)算法,且路径无尖峰转角,整体趋势平缓。

基于轻量级改进RT-DETR边缘部署算法的绝缘子缺陷检测

随着新型电力系统的不断发展建设,输电线路绝缘子状态智能化巡检成为必然趋势。为方便“云-边-端协同架构”进行边缘部署,该文提出一种轻量级RT-DETR目标检测算法。首先,采用RT-DETR作为基线算法降低优化难度,提高鲁棒性;其次,选择轻量级EMO作为算法特征提取主干,充分学习绝缘子目标的长距离特征交互及缺陷小目标的局部特征交互,并提出基于轻量级注意力的尺度内特征交互模块和轻量级跨尺度特征融合模块设计轻量级高效混合编码器;再次,在轻量级高效混合编码器中引入定位信息补充分支、使用DIoU损失函数结合迁移学习训练技巧,缓解轻量化造成的算法精度下降问题;最后,构建多天气条件绝缘子数据集进行训练验证。实验结果表明,相较于基线算法,所提算法检测精度达到97.2%,只损失0.7个百分点,而参数量和计算量分别下降67.8%和71.2%,检测速度提升2.5倍,满足多天气条件下的输电线路绝缘子状态巡检准确率及边缘部署轻量化要求。

基于改进加权LeaderRank算法的公证人机制跨链的研究

公证人机制是基于信用背书节点的跨链机制。针对公证人背书节点信用评价单一问题,提出将加权LeaderRank算法运用到评价模型当中,通过收集节点历史交易评价信息计算出节点信用权值,参与信任度排序算法,得到安全可信的公证人节点,使得公证人机制更加稳定可信。研究结果表明,改进后的加权LeaderRank算法综合分析了节点历史交易评价信息和交易信任关系,对准确选取公证人节点、维护公证人机制安全可靠有重要意义。

未知环境下基于突变定位SAC算法的移动机器人路径规划

针对缺乏完整环境信息的条件下移动机器人局部路径规划算法性能提升及深度强化学习智能体训练速度慢的问题,提出了突变定位算法和改进的soft actor-critic(SAC)算法,并将两者结合为突变定位SAC算法。突变定位算法能够在缺乏完备环境信息的情况下计算子目标点位置,减少移动机器人规划路径的长度。同时,通过引入基于虚拟势场的critic网络改进损失函数和多阶段训练方法,提高SAC智能体的训练速度。实验结果表明,与DDPG、SAC、PER-SAC和HER-TD3相比,突变定位SAC算法在训练时间上分别减少了46.68%、39.50%、20.18%和27.79%。此外,突变定位SAC算法在不同环境下规划路径的长度平均减少了13.71%、10.26%、10.90%和15.89%。

基于海洋环境电磁资料的节点约束遗传算法反演流速剖面

海水运动切割地磁场产生的感应电磁场,是海洋环境电磁场的重要组成部分。为了丰富海洋动力环境参数求取方法,并进一步验证实际海洋环境电磁场观测结果的可靠性,本文以模拟磁场与实测磁场的差值构建目标函数,提出基于垂向阵列节点观测值约束遗传算法实现由海水运动感应电磁场反演流速剖面的方法。根据南海实际流速观测资料构建海水运动模型,反演测试结果表明,节点约束下的反演流速与模型流速有较高的相关性和较好的抗噪性能。对南海实测海洋环境电磁资料的反演结果表明,反演流速剖面与ADCP观测资料在总体变化趋势和细节刻画方面均表现出较好的一致性,验证了该反演方法具有较好的实际应用价值。

Stacking算法对凝给水系统故障诊断的适用性研究

针对船用凝给水系统设备之间耦合关系较强,对该系统的研究只是选取部分参数而并非像设备一样基本涵盖全部特征参数,且该系统在实际运行过程中可以通过自调节来掩盖某些已发生的故障从而无法准确形成运行参数和故障间的映射关系这一现状,以传统单一机器学习算法为基础,通过拓展建立针对Stacking算法的多分类器性能评价指标,准确寻找运行参数和故障之间的映射关系,解决了多分类器性能评价难题。并利用样本数据设计出比较Stacking算法和单一算法综合性能的试验方法,验证了Stacking模型在凝给水系统故障诊断任务中的适用性和优越性。

基于DTW算法的sEMG手势识别控制系统设计

人体在运动过程中会产生微弱的生物电信号,其中蕴含着大量的控制信息。为了使用生物电信号中的信息控制机械臂动作,提出一种基于DTW算法的sEMG手势识别控制系统,利用该系统对采集的原始信号进行滤波和放大。为了确定有效的sEMG,采用移动平均法对处理信号进行划分。使用平均绝对值从数据片段中提取有效段数据,应用DTW算法将3路表面肌电信号融合,计算样本与模型之间的相似度,实现手势识别;再将识别后的信号通过无线模块发送到控制指令,以控制机械臂的动作;最后,采用提出的算法并结合6种类型的手势分类模型创建最佳特征模型。实验测试结果表明,使用动态时间规整(DTW)算法进行手势识别的平均准确率为93.752%,6种手势的平均模型匹配率达到92%,实现了肌电信号对机械臂的精确控制。由此证明所提方法的手势识别比传统的阈值控制开关更准确。

隧道火灾的视觉跟踪算法

为了实时掌握隧道现场火灾的发展状况,在YOLOv8算法火灾检测的基础上结合改进后的DeepSORT算法,提出一种火焰和烟雾的视觉跟踪算法YOLOv8-T。该算法使用EfficientNetV2替换原YOLOv8特征提取网络实现对算法的轻量化调整;引入三重注意力(TA)模块和第4个检测头,以提高算法检测精度以及对小目标的检测能力;同时采用ShuffleNetV2替换DeepSORT算法中的ReID模块,并引入DIOU方法代替传统的IOU,在保证跟踪准确度的条件下减少模型计算复杂度,以提升火灾跟踪的实时性。实验结果表明,在隧道火灾跟踪方面,YOLOv8-T算法比SORT算法、DeepSORT算法、YOLOv8+DeepSORT算法在跟踪准确度上分别提高了26.20%、15.86%和9.21%,在跟踪精度上分别提高了11.28%、9.06%和2.2%。在ID变换次数上分别减少22.2、15.3和10.4次,表明YOLOv8-T算法具有较高的火灾跟踪能力。研究成果可为公路隧道火灾监测提供参考,并为实现隧道火灾救援提供依据。

基于网格归一化Astar算法的船舶管路布置

为解决船舶管路布置方法中目前存在的依靠人工经验调节算法参数,权重系数的设置量级差距较大,以及求解布置方案单一的问题,提出一种网格归一化Astar (GNAstar)的布置方法.首先,采用包围盒和网格法建立数学模型.其次,通过分支管路拆分、网格标记值和父子网格搜索策略,使每一路径节点由不同目标的归一化权重值来共同决定,将传统Astar算法仅考虑长度的目标扩展成包括长度、弯头消耗和安装适用性的管路综合布置目标.最后,通过仿真案例将GNAstar算法与传统Astar算法进行对比分析,并以船舶机舱内不同管路系统为例,与文献中的蚁群算法和粒子群-Astar算法开展进一步比较.结果表明,GNAstar算法可获得有效的工程解,设计人员可通过设置不同目标的归一化权重系数来获得相应的布置方案.

决策学习型蜣螂优化算法的无人机协同路径规划

针对多无人机协同路径规划问题,提出了一种决策学习型蜣螂优化算法(DLDBO)。传统蜣螂优化算法(DBO)种群之间缺乏信息互换,容易陷入局部最优解。因此,利用Pearson相关系数计算个体之间的相似性,通过相似性指标判断并作出决策:若不相似,利用折射反向学习计算得到候选解,在一定程度上提高个体之间影响的同时增强算法跳出局部最优的能力;若相似,利用所提出的链式邻近学习引导蜣螂个体,增加影响个体更新的因素,充分促进个体之间的信息交流。在CEC2017测试套件的29个测试函数上进行了充分的对比实验,结果表明,DLDBO性能明显优于其他六种先进的变体算法。利用DLDBO规划无人机群的飞行路径,最终能够得到较为理想的协同路径并且有效避开威胁,优于其余三种优秀的协同路径规划算法,满足了无人机协同飞行的需求。

基于全局和声搜索算法的椭圆拟合

建立了椭圆拟合问题的约束优化模型,利用绝对值函数给出了一种约束处理方法,将原问题转化为无约束优化,采用全局和声搜索算法求解.数值实验分别对长轴和短轴在坐标轴上、长轴和短轴不在坐标轴上的椭圆拟合问题进行了研究,结果表明在数据没有异常值的条件下,即使有噪声,拟合结果也较好.