面向异构复合任务的无人集群动态重叠联盟任务分配方法

智能无人集群由于其平台特性的多样性,具备较好的资源调配空间和功能弹性,能够应对复杂多变的任务需求。现有研究大多未考虑任务的异构性和关联性等实际需求,其任务分配方法在需求和资源的适配性、集群协同的动态响应能力上存在不足。文章针对无人集群系统在遂行多目标任务过程中存在的任务分配不均、协同性差和动态适应性差等问题,提出了面向异构复合任务的动态响应重叠联盟任务分配架构。首先,综合考虑多个耦合异构任务的价值、优先级、需求和任务变化带来的影响来构建联盟博弈模型;然后设计算法,分布式协同调度不同无人集群(无人机和无人车)的资源,实现集群异构成员的资源与异构任务合理匹配,并能根据任务变化情况进行高效的动态调整。仿真结果表明,文章提出的算法能够适应动态任务场景,形成稳定高效的任务联盟和资源分配方案,提高了无人集群遂行多样化异构任务的系统收益和成功率,实现了无人集群系统在动态条件下的协同任务分配优化。

面向多模异构任务的无人机集群自主协同优化

针对无人机集群同时遂行多个异构模式、异构价值、异构需求任务时的自主协同优化问题,构建了集群遂行多模异构任务协同优化模型,提出了一种基于重叠式联盟博弈的分布式协作算法。通过综合考虑任务模式、任务价值、任务需求,以及集群中不同无人机成员的资源情况,基于不同任务类型下联盟内任务成功率和效能计算,优化无人机任务选择和资源分配并实现算法收敛和系统稳定,以及优化的分布式多机协同。仿真结果表明,所提方法能有效提高系统效用和任务成功率,并能在不同环境下实现面向异构任务目标的高效协同。

基于物元模型的复杂机械产品可重构设计

为了解决机械产品模块化设计中的形式化描述问题,在可重构设计中引入可拓分析理论,建立产品物元模型,利用可拓理论的定性和定量分析方法,研究了基于物元模型的机械产品及其组成模块的选择、匹配和可拓变换。在该方法中,基于需求分析确定了产品的工艺指标,结合用户提出的产品基本特征和其他模糊指标,利用加权可拓距选择与设计目标最为匹配的原型产品作为重构对象。进而在对原型产品方案进行模块分解的基础上,利用模块物元的可拓变换,研究了基于发散思维的产品模块化可拓设计以及对拓展结果的收敛与评价。以机床产品的可重构设计为例,对该方法进行了说明。

离散交叠作业中反应选择加工多任务特征的实验验证

３个实验证实反应选择是复杂的单通道加工过程，并且反应组织是在反应选择加工阶段同时完成的多任务之一。根据实验事实提出了反应动作指令模块概念，并用选取动作指令模块解释了反应的组织。因此，反应组织不是独立的加工阶段，故它不具有瓶颈性质。实验结果还揭示：如果要提高一组同时可选择操作Ｒ中的某一种操作Ｒｉ（ＲＲｉ｜ｉ＝１，２，…，ｎ）的绩效，其有效途径是降低这一组操作Ｒ的平均复杂度。如果只降低Ｒｉ的复杂度，要提高其绩效收效甚微；操作动作指令的模块化程度与作业绩效成正比。

驾驶人机操作界面中CRTT反应复杂度非对称性的干扰作用

以离散交叠作业实验结果证实了ＣＲＴＴ中反应复杂度非对称性反应之间相互干扰，其绩效相互关联；论证了如果提高ＣＲＴＴ反应集中某一反应的复杂性，使其反应时增加ｔ，将会波及反应集中的每一反应的绩效。

驾驶操作中反应选择与反应组织加工关系

文章通过实验证实人类的反应组织是在反应选择加工阶段同时完成的多任务之一。因此，反应组织不具备瓶颈性质。实验结果提示：如果要提高一组同时可选择操作Ｒ中的某一种操作Ｒｉ（Ｒｉ∈Ｒ｜ｉ＝１，２，…，ｎ）的绩效，其有效途径是应降低这一组操作Ｒ的平均复杂度。如果只降低Ｒｉ的复杂度，要提高其绩效收效甚微；操作动作指令的模块化程度与作业绩效成正比。

任务优先满足和绩效奖励的重叠联盟效用分配

效用分配是联盟形成中的一个难点问题,合理的效用划分方式有利于联盟的形成与稳定.针对重叠联盟中一个Agent可以参与多个任务的复杂情形,提出了任务优先满足的任务分派方法.当新的Agent成员加入到联盟中时,任务分派时对原有联盟成员给予绩效奖励,然后根据任务分派情况进行效用划分,最后通过实例与已有的效用分配策略进行了对比分析.结果表明,本文所提策略能更好的满足效用非减,充分体现各Agent对联盟贡献的差异性,同时满足时效性、稳定性和动态性等特征.

基于异构多核可编程系统的大点FFT卷积设计与实现

如今FFT卷积广泛应用于数字信号处理,并且过去几年证实了异构多核可编程系统(HMPS)的发展。另外,HMPS已经成为DSP领域的主流趋势。因此,研究基于HMPS大点FFT卷积的高效地实现显得非常重要。基于重叠相加FFT卷积方法,设计一款针对输入数据流的高效流水重叠相加滤波器。介绍了基于HMPS的大点FFT卷积实现,获得了高精度的滤波效果。此外,采用流水技术的滤波器设计,提高系统处理速度、数据吞吐率和任务并行度。基于Xilinx XC7V2000T FPGA开发板上的实验表明,参与运算的采样点越大,系统的任务并行度、处理速度和数据吞吐率就会越高。当采样点达到1M时,系统的平均任务平行度达到了5.33,消耗了2.745×10~6个系统时钟周期数,并且绝对误差精度达到10^(-4)。

人机操作界面中不同效应器(手或脚)对被交叠作业的干扰作用

实验结果提示在高速复杂人机系统操作界面的优化设计中，采用不同的效应器（手或脚）未降低、更不能消除交叠作业的瓶颈干扰，被交叠作业的绩效未被提高．但是，降低反应选择复杂度可有效提高被交叠作业的绩效。

反应通道和Go-Nogo反应对交叠作业的影响

实验结果揭示在交叠作业实验（ＰＲＰ范式）条件下，反应触发瓶颈的反应通道效应和Ｎｏｇｏ效应产生于反应选择阶段，反应选择是一个复杂的单通道加工过程。实验结果还提示在交叠作业中采用脚－手不同反应通道不能够提高作业绩效，这可能与采用的效应器有关；但是，减少交叠作业的外部动作反应可有效提高作业绩效。进而，在反应选择瓶颈理论的基础上提出反应选择瓶颈加工过程的假设－扫描选择反应模型。

基于设计结构矩阵的顺序与重叠度综合优化

为了更好地描述和优化产品开发过程,基于设计结构矩阵提出一种改进的产品开发过程模型。该模型改进了以往模型对任务间信息交互的描述,并据此提出了估算产品完工时间及成本的方法。同时,根据模型采用遗传算法设计了针对任务执行顺序和重叠度的一种综合优化方法,该方法可以根据优化目标求出最佳执行策略。算例验证表明,所提方法可以比已有方法更好地优化开发过程。

基于自适应PSO和类别分解的多任务串行联盟生成

现有的联盟生成方案多针对一个agent只能加入一个联盟,不利于联盟总效用的最大化以及联盟中agent能力的充分利用。提出了基于能力类别的agent分解策略,通过定义子agent使得agent可以同时加入多个联盟,在此基础上设计了基于二维离散粒子群的多任务串行联盟生成算法,并对粒子的惯性权重进行动态自适应调整;最后通过算例验证了该方法的有效性。

基于质量反馈的武器装备协同研制过程仿真及灵敏度分析

对于一项工程的3个性能指标:工期、成本和质量,质量是非常重要的一项指标。在设计结构矩阵模型基础上,采用基于质量反馈的方式来描述任务间的返工,使子任务的完工质量达到预期的质量指标,然后运用蒙特卡洛模拟法仿真得出项目的工期和成本。通过这种方式将工期、成本和质量联系在一起,并通过灵敏度分析获得各任务的质量对项目进度风险和费用风险的影响程度。研究结果表明:在某军用飞机预研设计过程中,"机体结构设计"任务的灵敏度最高,项目管理者可以通过协调资源的分配来有重点地控制项目的风险。

基于跨场景迁移学习的行人再识别

为解决在新场景中行人再识别系统识别率低的问题,提出基于跨场景迁移学习的行人再识别方法。由于新场景中已标记信息很少,利用在其它场景中获得的行人图像来帮助目标场景的行人再识别。对图像用Retinex变换预处理,减少光照影响,通过非对称多任务学习方式联合学习不同场景的数据集,得到相似性度量函数,运用跨任务数据差异模型解决共享空间的数据塌陷问题,引入正则化项,缓解过拟合现象。实验结果表明,相比有关非迁移学习的行人再识别方法,基于跨场景迁移学习方法在识别率上有很好的提升。

耦合型公共事务重叠执行周期研究——一个双向信息交流的分析视角

为研究信息双向交流对耦合型公共事务重叠执行周期的影响,将信息交流过程划分为重叠前、重叠和重叠后三个阶段,利用信息进化度表示重叠开始时刻和迭代结束时刻不发生信息更改的概率,利用公共事务转移矩阵研究发生信息更改时的公共事务调整量。基于此,文章建立基于双向信息交流的耦合型公共事务重叠执行周期模型,并分析发生信息更改的概率和公共事务调整量与执行周期的关系。

多任务金字塔重叠匹配的行人重识别方法

针对基于局部特征的行人重识别方法在行人错位和姿态变化时识别精度较低的问题,提出一种采用多任务金字塔重叠匹配特征的重识别方法。在训练阶段,使用改进的ResNes50作为主干网络提取特征图,将其切分组合形成金字塔重叠匹配网络,获得全局特征向量并经全局平均池化得到包含多尺度特征的多个局部特征向量,联合使用Softmax损失函数、三元组损失函数和中心损失函数学习全局和局部特征向量,并利用特征归一化层减少损失函数学习目标冲突的影响。在推理阶段,将多个局部特征向量融合为一个新特征向量进行相似性匹配,以获取更好的匹配结果。在Market1501、DukeMTMC-reID和CUHK03数据集上的实验结果表明,与PSE、MultiScale等主流重识别方法相比,该方法重识别精度更高,提取的特征具有较好的鲁棒性和识别度。

基于依存图卷积的实体关系抽取模型

目前大多数端到端的关系抽取方法解决了流水线方法的误差累计问题,但是仍然存在两个问题:结构特征表示不足,缺乏句法结构等信息;句子中存在着大量实体重叠关系,未考虑这些实体重叠关系的抽取导致关系三元组召回率低的问题。针对这些问题,提出一种基于图卷积神经网络的实体关系抽取模型。使用依存句法分析对文本构图,然后通过双向GraphSage提取其结构特征,融入句法结构的特征向量在预测关系时有着更好的表现。而对于关系重叠问题,一次性将所有关系抽取较为困难,因此将该任务分为两步:第一步只抽取非重叠关系与单实体重叠关系;第二步中语言模型抽取关系触发词,并与实体词一起构建实体关系图,这一步能够提高实体对重叠关系的抽取能力。

用数据驱动的编程模型并行多重网格应用

多重网格是数值计算领域中一种加速迭代收敛的重要技术,被广泛应用。近年来,大规模并行计算系统向多核化、异构众核化发展,多重网格应用也亟须适应新的并行计算平台。文中采用一种数据驱动的任务并行语言AceMesh将遗产的NAS MG程序移植到“天河二号”和“神威·太湖之光”两种不同架构的国产超算平台上,展示了使用该语言对计算循环、通信代码的任务并行方法,验证了AceMesh语言的跨平台性能可移植性。文中定性地分析了该应用的任务图特征和计算-通信重叠的特点,并分别在两个并行计算平台上将其与现有编程模型MPI/OpenMP和MPI/OpenACC进行性能对比,分析了AceMesh任务图并行程序对访存性能和通信-计算重叠的优化效果。实验数据表明,相比传统的并行编程方法,AceMesh在“神威·太湖之光”和“天河二号”平台上分别最高获得了1.19X和1.85X的性能加速。最后,针对该应用在不同网格层的通信特点以及通信序列化导致大量通信不能隐藏的问题,提出了未来的研究方向。

DPMN:面向重叠关系抽取问题的多任务学习网络

作为自然语言处理的基本组件之一,关系抽取旨在从给定的非结构化文本中抽取关系事实。针对实际应用中句子级的实体信息缺失,往往会出现单个句子包含多个重叠关系三元组的场景,关系三元组会产生多种交叉重叠,使得关系抽取任务具有较大的挑战性。早期的研究采用流水线方法来处理,不仅忽略实体识别和关系预测的关联性,而且容易受到误差传播问题的影响。提出了一种基于依赖解析的多任务学习网络(DPMN),以依赖解析的方式更精确地识别实体跨度、丰富关系语义,具有多任务学习策略,以增强各个子任务之间的交互。与基线模型相比,DPMN具有更好的关系三元组抽取性能,一定程度上缓解了关系重叠问题。

GIS中8种图层级多核并行多边形叠置分析工具的实现及优化方法

GIS中基于简单要素模型的非加权多边形叠置分析有交、差、并、交集取反、联合、更新、标识和空间连接8个基本工具。明确目标图层与叠加图层间多边形的数量对应关系,是实现图层级别并行多边形叠置工具集的首要前提。多边形差、交、标识、更新和空间连接操作需要处理目标多边形到叠加多边形间"一对多"的映射关系;合并、交集取反和联合操作需要处理"多对多"的映射关系。本文从多核数据并行角度,分析了8种多边形叠加分析工具并行实现方法的异同,提出基于改进的分组关联最小化方法实现数据划分,基于顶点数量作为指标的负载平衡计算策略和多种并行优化方法和策略,实现了包含8种操作的并行多边形叠置分析工具集。实验结果表明,改进的分组关联最小化数据划分方法能为多边形联合操作带来约92%的并行加速性能和更鲁棒的并行性;以顶点数量作为负载平衡指标,能以极小的代价为并行求差算法获得约21%的性能提升;二路归并能有效解决多边形并行合并过程中潜在的性能瓶颈;动态调度策略下多边形求交与合并工具具有更高的加速比;使用R树进行要素预过滤能为并行求差获得超过20倍的加速;结构化存储的矢量数据批量加载策略能有效降低因磁盘I/O带来的性能损失。