利用A2C-ac的城轨车车通信资源分配算法

在城市轨道交通列车控制系统中,车车(T2T)通信作为新一代列车通信模式,利用列车间直接通信来降低通信时延,提高列车运行效率。在T2T通信与车地(T2G)通信并存场景下,针对复用T2G链路产生的干扰问题,在保证用户通信质量的前提下,该文提出一种基于多智能体深度强化学习(MADRL)的改进优势演员-评论家(A2C-ac)资源分配算法。首先以系统吞吐量为优化目标,以T2T通信发送端为智能体,策略网络采用分层输出结构指导智能体选择需复用的频谱资源和功率水平,然后智能体做出相应动作并与T2T通信环境交互,得到该时隙下T2G用户和T2T用户吞吐量,价值网络对两者分别评价,利用权重因子β为每个智能体定制化加权时序差分(TD)误差,以此来灵活优化神经网络参数。最后,智能体根据训练好的模型联合选出最佳的频谱资源和功率水平。仿真结果表明,该算法相较于A2C算法和深度Q网络(DQN)算法,在收敛速度、T2T成功接入率、吞吐量等方面均有明显提升。

封臣算法:针对B2C电商物流配送中心的储位优化算法

针对B2C电商配送中心人到货拣选系统中拣选作业时耗过高的问题,在考虑一品多位操作和商品关联度的基础上,提出新的储位优化算法——封臣算法。基于商品的关联度,商品间的关系首先被抽象成图结构。封臣算法将图中的节点视为单块领土,通过入侵流程确定各领土的封臣与领主,并基于封臣与领主,每个节点被分到至多两个分区中;调整节点个数至所需节点数;以社区为单位,按照贪心分配策略完成储位分配。实验结果表明,在商品种类数增多的情况下,封臣算法生成的储位分配方案相较随机策略优化程度有所提升;迭代400轮下该算法优于遗传算法、模拟退火算法、人工鱼群算法、粒子群算法3.00%、28.76%、22.03%、11.42%,且运行时间仅占到其0.04%~3.85%。

移动机器人2D激光SLAM算法仿真与实现

随着无人驾驶技术的迅速发展,同步定位与建图技术因其精度高、稳定性好的优点备受人们关注。基于激光雷达传感器,选择主流的Gmapping和Cartographer算法,搭建实验环境,对两种算法进行对比仿真与实验建图,并对两种算法的建图效果进行深度的分析。基于滤波器的Gmapping算法计算量小,依赖于里程计信息,适用于小尺度、低特征环境中;基于图优化的Cartographer算法累计误差低,精度高,适用于精度和稳定性要求较高的场合。

基于改进白鲸优化算法的D2D通信功率控制

D2D(Device-to-Device)通信作为未来移动通信网络的关键技术,为用户提供了直接通信的便利性和资源共享的高效性.然而,D2D通信的功率控制一直是影响通信质量和系统性能的关键问题.为解决这一问题,将精英反向学习、自适应权重两种策略引入到白鲸优化算法(Beluga Whale Optimization,BWO)中,并利用莱维飞行的随机步长策略来增加算法寻优的多样性,提出了基于改进白鲸优化算法的D2D通信功率控制方法.该方法利用最优解的信息引导搜索过程,可提高搜索效率和全局收敛,并能够有效提高通信效率和系统稳定性.为了验证所提出方法的有效性,开展了大量的数值仿真实验.结果显示,基于改进白鲸优化算法的D2D通信功率控制方法在增加系统吞吐量、减少干扰方面有显著的改善.同时,提出的算法相对于已有的算法有着更出色的收敛性与鲁棒性,在不同通信环境和参数设置下都能表现出更稳定的性能.

基于国密SM2算法的局部可验证聚合签名算法研究

国密SM2算法基于椭圆曲线密码体制,由国家密码管理局于2010年发布,目前广泛应用于电子政务、医疗、金融等领域,其中数字签名作为SM2算法的主要应用,各种安全应用场景下产生的签名、验签操作次数呈指数级增长.针对海量SM2数字签名占用较大的存储空间,且对签名逐个验证效率较低的问题,提出一种基于国密SM2算法的局部可验证聚合签名方案,使用聚合签名,降低存储开销,提高验证效率.另一方面,针对验证方仅验证指定消息及聚合签名时,也必须获取聚合时的全部消息明文的问题,利用局部可验证签名,使得验证方仅需指定消息、聚合签名及短提示即可完成验证.对方案的正确性及安全性进行分析.通过实验数据和理论分析,与同类方案相比,该方案具备较高性能.

基于轮廓点相似性测度的2D-3D医学图像配准算法

针对传统配准算法无法适用于成像模糊、对比度低的X光医学图像的问题,本文提出一种基于轮廓点相似性测度的配准技术.首先引入分块双阈值增强策略来提取DRR图像和X光图像的边缘轮廓信息;其次,采用高斯加权欧氏距离计算图像轮廓的相似度;最后通过平衡优化器算法进行迭代优化,得到最优的位姿参数.实验结果表明:本文算法能够精确提取模糊X光图像的边缘轮廓信息,而且可以准确评估其与CT数据的相似度,平均配准成功率超过94%,算法效率和鲁棒性优于传统算法,可用于医疗诊断、放射疗法、图像引导手术等医学活动.

多用户D2D计算卸载与资源分配算法

基于边缘服务器架构的移动计算卸载场景避免了核心网链路的网络延迟,在一定程度上提高了计算任务的处理效率,然而在移动用户密集分布的场景下,该计算卸载架构可能面临较高的蜂窝网络接入延迟。为提高移动边缘计算的用户体验,本文在移动用户密集分布的场景下研究了基于D2D通信的多用户计算卸载问题。根据是否具有任务处理需求将用户分为两类,定义拥有密集型计算任务需要处理的用户为需求用户,无任务需要处理且能够提供计算资源的用户为空闲用户。需求用户可以将任务以整体的形式卸载至空闲用户进行辅助处理。联合考虑需求用户与空闲用户在计算卸载中的收益,分别构建了各方的效用函数并形成了相应的优化问题。为了提高各方用户的效用,本文提出了基于Stackelberg博弈与遗传算法相结合的计算卸载与资源分配算法,该算法为两层结构,内层基于Stackelberg博弈对需求用户计算资源租赁单价决策以及空闲用户计算资源分配决策进行优化,并证明了各方用户的策略存在唯一纳什均衡。外层采用遗传算法对需求用户的任务卸载决策进行优化,根据内层算法的反馈结果,可以求解出能够有效提高需求用户效用的任务卸载决策。为验证算法的性能,本文进行了大量的实验仿真工作,仿真结果表明,与其他方案相比,本文算法能够有效提高需求用户与空闲用户的效用。同时,本文还对不同参数对算法有效性的影响进行了仿真分析。

基于改进C^(2)算法的双目标角度估计方法

角度是雷达探测和跟踪目标的重要信息,主波束宽度通常决定了雷达角度分辨率,当雷达主波束范围内包含不止一个目标时,采用传统的和差测角方法只能获得多目标的合成角度位置,不能获得场景中目标的真实角度值,严重影响了雷达对真实目标的截获和跟踪。针对雷达主波束内存在双目标的场景,首先通过理论分析和数值仿真说明双目标对和差测角的影响,再结合传统C2多目标角度估计算法在和差测角中的应用,给出一种改进的C2角度估计算法。最后,通过数值仿真验证了所提出的方法在双目标回波能量相同和不同场景下均适用,且角度估计精度相对传统多目标角度估计方法明显提升。

基于国密算法SM2的视频文件加解密系统

近年,随着大数据时代的到来,人类采取的文件加密方式不断进步,从战争时期的摩尔斯电码到如今的各种加密算法,都是为了保护文件的安全性。视频作为承载着各种重要信息的载体,但同时也是数据泄露的高发区,一直需求一个较为安全的保护环境。针对这样的情况,提出一种基于国密算法SM2的视频文件加解密方法。国密算法是我国自主知识产权的商业密码算法,满足电子认证服务系统、重要文件加密等应用需求。

基于遗传算法的重型特种车辆主动悬架H_(2)/H_(∞)控制研究

重型特种车辆的传统被动悬架对不同路况适应能力差,恶劣路况下车辆性能下降明显,无法满足重型特种车辆在不同路况下行驶平顺性和操纵稳定性的需求.针对这一问题,研究建立了三轴重型特种车辆整车9自由度主动悬架模型,设计了H_(2)/H_(∞)鲁棒控制器,并在满足H_(∞)约束条件下采用遗传算法对H_(2)性能指标进行优化,获取了全状态最优控制律,同时对连续随机路面和凸块路面下主、被动悬架性能进行分析.结果表明:在连续随机路面下,相较于被动悬架,H_(2)/H_(∞)控制主动悬架在时域和频域范围内均具有良好的性能,能够提高车辆的行驶平顺性和操纵稳定性;在凸块路面下,主动悬架能够更快地衰减来自不平路面的振动,并使左前轮胎动载荷的最大值降低了23.5%,提升了轮胎的接地性.H_(2)/H_(∞)控制主动悬架对不同路况具有良好的适应能力,能够满足不同路况下重型特种车辆行驶平顺性和操纵稳定性的提升需要.

基于K2算法的发动机冷试贝叶斯网络模型研发

发动机冷试测试较传统热试方法可减少燃油消耗及排放,为提高冷试测试故障诊断精度,提出使用K2算法构建贝叶斯网络故障诊断模型。选取多台柴油机的相关冷试测试数据,分别构建基于专家知识和基于K2算法的贝叶斯网络故障诊断模型进行比较,结果表明,使用K2算法构建贝叶斯网络优于通过专家知识构建的贝叶斯网络,所提方案可以优化目前的故障诊断模型。

非负约束修正阻尼算法求解核磁共振测井T_(2)谱反演问题

为了优化核磁共振测井技术,加快核磁共振测井数据处理速度,提出了一类非负约束修正阻尼算法求解核磁共振T_(2)谱反演问题。通过数学建模及理论推导,证明该算法可以更好地保留T_(2)谱的有效信息,同时也能更有效地减少反演问题的噪声对解的影响。数值算例表明新算法相较于修正的截断奇异值算法和阻尼算法具有更好、更稳定的反演效果,尤其是低信噪比情况下新算法的优势更加明显,可以进一步优化核磁共振测井技术。

基于YOLO-V2算法的翻车机摘钩视觉识别

当今,图像识别依旧是炙手可热的话题。随着科技的不断进步,图像视觉系统在各行各业的应用逐渐普及。翻车机系统全自动化的首要任务就是摘钩机器人视觉系统的设计,能否准确地识别目标,并且持续地跟踪目标是其重中之重。因为视觉跟踪识别是处理非线性的数据,即目标对象和背景均随着时间的变化而变化,但是目前大多数算法往往通过提取目标的不变的特征,而且仅能在短持续时间和较好的实验环境下才能够跟踪对象。由于跟踪任务目标的外观或跟踪目标的周围环境并不固定,这些算法往往难以准确地跟踪任务目标。又因为跟踪目标的特殊性和不确定性,采用一种鲁棒性强的算法是必要的。本文基于YOLO-V2的目标检测算法,针对车钩手柄的追踪识别调整了内部的算法,针对性地优化其损失函数,在不同的环境、气候下,算法模型的抗干扰性、准确性有了显著的提升,在光照强度剧烈变化时的车钩捕捉识别分割能力仍然稳定;通过增设残差网络进一步捕捉关键特征像素点,最终经多重卷积并组合其各类特征,快、准、稳地实现车钩的识别。

基于STM32的矩阵键盘识别算法研究与实现

矩阵键盘作为电子设备和仪器装置的人机交互重要媒介,针对数字密码锁、临时存取柜、电梯控制器等多按键应用场景的实际需求,本文采用STM32F103C8作为主控器,详细介绍了以行列扫描法、行列线反法识别5×4(5行4列)矩阵键盘的优化算法,并提出了以16位并行端口I2C扩展器PCA9555a为纽带的矩阵键盘识别方法。实验结果表明,本文识别方法稳定可靠、简洁清晰、通用性好以及效率更高,能够有效满足相关应用场景中对多按键识别的实际应用需求。

蜂窝车联网中基于服务异构性的V2V通信资源分配算法研究

在支持车与车直接通信(V2V)的蜂窝网络场景下,针对密集环境下复用车与设备(V2I)上行链路的资源分配问题,在V2V的干扰下,利用移动链路的信道状态信息(CSI)的慢衰落统计,联合通信可靠性、功率控制,建立最大化V2I信道容量的优化模型以满足车辆网络服务的异构性的需求。基于此,该文提出一种基于超图理论和遗传算法的资源分配算法。仿真结果表明,该算法在保证V2V通信可靠性的前提下,提高了V2I的信道容量。

对简化轮数的SNAKE(2)算法的中间相遇攻击

SNAKE算法是由Lee等学者在JW-ISC1997上提出的一个Feistel型分组密码,有SNAKE(1)和SNAKE(2)两个版本。本文评估了简化轮数的SNAKE(2)算法对中间相遇攻击的抵抗能力,用存储复杂度换取时间复杂度,对7/8/9轮64比特分组的SNAKE(2)算法实施了攻击。攻击结果表明,9轮的SNAKE(2)算法对中间相遇攻击是不抵抗的,攻击的数据复杂度和时间复杂度分别为211.2和222,预计算复杂度为232,是现实攻击。

基于NSGA2算法的燃料电池系统净功率优化

在质子交换膜燃料电池系统中,寄生功率占据燃料电池系统输出功率的相当一部分,系统的净输出功率是燃料电池系统的重要指标之一。目前对于燃料电池本身性能的改善主要集中在凭经验对单一控制参数的调整。提出了在稳态下,结合质、能量守恒公式推导,将空气过量系数、温度、阴极压力和阳极压力协同控制,将控制参数作为决策变量,燃料电池功率、空压机功率和散热器功率作为目标函数,采用一种非支配排序遗传算法(NSGA2)进行优化,在提高燃料电池输出功率的同时降低空压机和散热器的功率,并和传统的遗传算法(GA)作比较,验证了NSGA2的适用性,并探究了稳态条件对优化效果的影响。

基于局部搜索NSGA2算法的含油污水资源分配

针对目前油田含油污水回收分配存在运营成本较大以及回收作业区资源利用率较低的问题,提出一种基于局部搜索NSGA2算法的含油污水资源分配方法。首先,引入采油厂回收总成本以及回收作业区负载均衡度等指标建立组合评价体系,构建了面向含油污水产生方及回收作业区处理方的双角度多目标分配模型。其次,为了改善NSGA2算法计算过程中种群分布不均匀的情况并提高其收敛速度,提出一种基于混合移民策略的局部搜索机制,使用解的密度来衡量解的稀疏度,在稀疏解和种群领先解周围进行局部搜索,引导算法快速收敛。最后,以某采油厂为例,与多个算法进行比较,结果表明,所提算法所求解的质量均优于其他对比算法,验证了模型的适用性和有效性。

基于MWST-CS-K2算法的贝叶斯网络结构学习

针对K2算法依赖最大父节点数和节点顺序的不足,提出了一种改进的贝叶斯网络结构学习算法(MWST-CS-K2)。该算法先通过构造最大支撑树(MWST)得到最大父节点数;再利用变量间的关联度和更新系数对加边、减边和反转边进行规则设定,通过改进的布谷鸟算法对鸟巢位置进行寻优,应用广度优先搜索策略搜索遍历得到节点顺序;最后将最大父节点数和节点顺序作为K2算法的输入搜索得到最终网络。实验表明,所提出的MWST-CS-K2算法在标准的ASIA、SACHS和CHILD网络数据测试中的平均正确边比率分别达到了97.3%、87.7%和95.6%,学习效果优于其他对比算法,获得的网络结构和标准的网络结构最为相似。

基于深度学习算法的原位激光CO_(2)检测系统研制

随着全球变暖日益严重,精准检测CO_(2)浓度具有重要的研究意义。可调谐半导体激光吸收光谱技术(TDLAS)具有高灵敏度、高分辨率等特点,被广泛应用于气体检测领域。为进一步提升TDLAS气体检测技术的检测精度,本文提出一种基于深度学习的原位激光二氧化碳检测系统。该系统采用BP神经网络算法反演CO_(2)浓度,补偿了温度压强对气体浓度反演的影响,提升了检测精度;采用无线通信模块,通过MQTT协议将检测的CO_(2)数据上传至OneNET云平台,实现了CO_(2)浓度的原位检测。经测试,该系统可以快速、稳定的处理数据,并且适配于其他气体检测系统。