基于博弈模型与NetLogo仿真的网络攻防态势研究

针对现有建模方法缺乏对攻防博弈行为与态势演化趋势的分析问题,从对抗角度出发分析网络攻防博弈特征;基于非合作不完全信息静态博弈理论建立网络攻防博弈模型,给出收益量化、博弈均衡计算和策略对抗结果判定方法;构建网络攻防博弈多Agent仿真模型;采用NetLogo开展局中人不同策略组合、不同初始数量等场景下的仿真实验,得出网络攻防态势随时间演化情况,通过对比分析仿真结果,给出扭转网络攻防态势的建议。     

面状LED发光体灯珠分布和组合连接优化算法

面状LED发光体灯珠的分布和分组问题,可建模为多约束优化问题来进行求解。提出了一种将面状LED发光体灯珠照度映射为质心容量限制Power图的容量,从而布局LED灯珠的方法,实现了面状LED发光体照度均匀的目标,进一步提出一种基于贪心策略的LED灯珠组合和连接优化算法,达到节省物料的目的。实例结果证明,所提方法简单、可行,布局和分组效果好,算法收敛速度快,可用于解决实际工程问题。     

航海模拟器中海洋环境时空动态变化的仿真

海洋结构物始终受到环境干扰,对海洋环境的仿真会显著影响航海模拟器的真实感。基于数值波浪模型生成海洋环境场,并利用SQLite开发实海域数据库。通过数据库中获取实际的风,海流和海浪信息来与真实海洋保持一致。对环境扰动进行建模,并且将时空变化特征和耦合效应都融入仿真。通过提出的仿真方法再现了真实的航行情况,并利用船载传感器的测量数据进行验证。仿真结果与实测数据吻合良好,说明本方法可以进一步提高海洋模拟器的物理真实感。     

基于混合建模仿真的大型风电场降损控制

由于大型风电场变压设备多、集电线路长,在实际运行中集电系统损耗突出,对此提出一种利用风电机组作为分布式无功源,以优化风电场内潮流、降低集电系统总体损耗的无功/电压控制策略。同时,为提升风电场建模以及多场景降损优化仿真的效率,设计了一种基于对象模型组态与控制算法编程相结合的混合建模仿真方案,风电场模型采用模块组态建模,并由控制算法形成的引擎文件自主调用实施仿真优化。通过对某125 MW大型风电场进行降损控制的算例研究,验证了所提控制方案的有效性和混合仿真建模方法的高效性。     

基于DA-RKELM算法的光伏发电功率预测方法

针对光伏发电功率具有的波动性和随机性等特点造成的电网安全问题,提出了一种基于蜻蜓算法优化的正则核极限学习机光伏发电功率预测方法。通过相关性分析确定影响光伏发电功率的关键影响因子,构建光伏发电功率预测模型;利用蜻蜓算法获取网络最优的权重和阈值,在标准极限学习基础上引入正则化函数和核函数以避免传统梯度下降法造成的过拟合问题,增强模型空间映射能力;仿真实验表明,与DA-ELM、PSO-ELM以及标准-DA-ELM模型相比,DA-RKELM预测模型能达到更高的预测精度,更贴近光伏发电的实际运行功率。     

面向e-引航的近海边缘计算网络优化与仿真

为提高船舶引航过程安全性,提出了一种基于智能航标(Intelligent Navigation Aid,INA)的近海边缘计算网络(INA-based Offshore Edge Computing Network,IOECN)架构,以提供助航信息保障。重点研究网络中网元节点的布局优化问题(Layout Optimization Problem, LOP)。通过数学建模,将LOP转化为整数线性规划(Integer Linear Programming,ILP)问题。在满足网络覆盖率及连通性条件下,以网络成本最低为求解目标,并使用Gurobi进行求解、运用Matlab进行仿真展示,最终得到不同规模下的网络优化方案,验证了模型的正确性及可扩展性。     

基于深度学习的视觉SLAM综述

随着计算机视觉和机器人技术的发展,视觉同时定位与地图创建已成为无人系统领域的研究焦点,深度学习在图像处理方面展现出的强大优势,为二者的广泛结合创造了机会。总结了深度学习与视觉里程计、闭环检测和语义同时定位与地图创建结合的突出研究成果,对传统算法与基于深度学习的方法做了对比,展望了基于深度学习的视觉同时定位与地图创建发展方向。     

多载量小车节能调度的多目标动态规划算法

为有效平衡混流装配的生产效率与能耗,提出多目标多载量小车物料搬运节能调度方法,将能耗目标约束引入传统多载小车物料搬运调度模型,建立最小化最大线边库存与总能耗的多目标混合整数规划模型。为获得问题模型的Pareto解,提出基于时间窗与支配规则的正向多目标动态规划算法：根据问题性质,定义了多载量小车节能调度问题新的状态表示方式以获得动态规划算法的无后效性,同时引入时间窗与支配规则以减少对非支配解的搜索,有效提高了计算效率,运行时间缩短8.10%以上,仿真结果验证了该方法的优越性和算法的可行性。     

改进粒子群优化算法及其在聚类分析中应用

针对标准粒子群优化算法初期收敛速度快,后期容易陷入早熟收敛,局部寻优,全局搜索能力差等缺点,提出了一种新的鱼群-粒子群优化算法(AF-PSO)。引入拥挤因子δ和马尔可夫链,将鱼群算法加入到粒子群优化算法中,通过计算拥挤因子,来更新速度模型,使其在觅食,聚群,追尾,随机4种模态下进行切换。仿真结果表明了所提出的AF-PSO算法的综合性能优于其他改进的PSO算法。为进一步说明算法的实用性,将AF-PSO算法成功应用于输油管道泄露数据的聚类分析上。实验结果表明基于AF-PSO的K-means算法性能是优于其他聚类算法。     

面向网络仿真拓扑的多目标优化映射方法

网络仿真是新型网络技术验证的重要支撑,针对给定的网络仿真拓扑,实现有效映射是其关键。综合考虑多种资源需求,提出了多目标优化映射方法MOTM (Multi-Objective Topology Mapping Method),实现物理资源的有效利用。该方法分析网络中节点、链路资源需求,赋予相应权值;将映射问题转化为图划分问题,采用多级图划分方法进行划分,并通过远程吞吐量阈值优化调整;最后,基于映射策略实现了仿真拓扑的自动部署。实验表明,MOTM相对于Openstack映射方法、随机映射方法,负载不均衡指数平均降低66.5%,95.5%,远程通信开销指数平均降低69.1%,65.2%。     

实际环境中多无人车协同路径规划模型研究

地面无人车的集群作战运用是当前人工智能与作战指挥交叉领域的热点研究问题。针对实际环境中多无人车无法满足动态威胁条件下的协同路径规划问题,采用全局路径规划算法A-star与局部路径规划算法RL相结合的思路,从感知到行为决策全交互协同的角度开展多无人车协同路径规划模型研究,设计协同作战态势威胁算法、状态与动作空间、奖励函数、势力范围函数;设计协同作战编队构型策略生成及打击路径动态优化子模型,完成基于自主学习的多无人车协同路径规划控制模型构建与求解。结果表明：该路径规划模型可有效应对复杂城市环境下多无人车协同路径规划任务需求。     

基于改进A*算法的自动导引车无碰撞路径规划

针对自动导引车(automated guided vehicle,AGV)的无碰撞路径规划问题,提出一种引入时间因子的改进A^*算法以减少转弯次数,结合时间窗及优先级策略实现多AGV的动态无碰撞路径规划.首先利用改进后的A^*算法静态规划各AGV转弯次数最少路径;其次,分析路径节点到达时间及冗余时间,根据电量与路径性能动态地为多AGV分配优先级,结合时间窗模型解决了多AGV碰撞冲突问题并且提升了系统效率.案例分析结果表明,该算法在保证路径最优性的同时解决了传统A^*算法带来的转弯次数多问题,能有效实现无重复、无冲突的系统调度,并证明了其在动态环境下具有良好的适应性和鲁棒性.     

基于决策融合的多无人机协同目标检测识别算法

针对现阶段单无人机不能高效完成大区域巡视的问题,提出一种多无人机决策融合的目标检测识别算法.首先改进Retinanet算法进行单无人机的目标检测,根据航拍图像目标特性,调整anchor参数和训练策略.同时利用特征提取算子配准多无人机航拍图像,实现多机图像坐标一致,并进行图像拼接.然后综合目标的位置信息和属性信息对多机图...     

UUV编队协同应召搜索马尔可夫运动目标的方法

采用时齐马尔可夫链来模拟目标的规避运动，根据事发海域的水深映射图，估算出马尔可夫运动目标的位置转移概率。无人水下航行器编队在目标初始概率分布和位置转移概率已知的条件下，根据当前搜索结果不断对目标位置进行预测和更新。编队成员能共享目标位置信息，以获得较为准确的目标验后分布。然后采用一种新的分区实时贪婪搜索算法，得到无人水下航行器编队的最优搜索路径，从而以较高的搜索成功概率与较短的平均发现目标时间完成对目标的应召搜索。最后通过实例仿真，证明了该方法的有效性和优越性。此方法将对无人水下航行器编队的战法研究具有参考借鉴意义。     

MIMO-NOMA系统中短包传输的功率分配方法

多输入多输出非正交多址接入(multiple input and multiple output-non-orthogonal multiple access,MIMO-NOMA)技术能够增加设备连接数量,有效提高系统的频谱效率,针对超可靠低时延应用业务中需要短包传输,而多用户簇的MIMO-NOMA系统同一簇用户对内远用户的吞吐量较低的问题,利用奇异值分解和最大比合并的方法消除簇间干扰,考虑近用户解码远用户的块错误概率低于给定阈值条件下,利用交替迭代算法联合优化簇内用户的发送功率和最大可达传输速率,实现远用户吞吐量的最大化。仿真结果表明与短包传输MIMO正交多址接入(orthogonal multiple access,OMA)系统相比,在保证块错误概率低于10^-5的条件下,远用户的吞吐量提高了32%。     

基于低碳视角的两阶段开放式选址路径问题——燃油车与电动车对比

针对传统两阶段开放式选址-路径问题（2E-OLRP），考虑速度和负载对能量消耗和CO₂排放的影响，基于燃油车和电动车的行驶与排放特性，分别建立了燃油车和电动车的两阶段开放式选址路径问题模型，并提出一种改进的模拟退火算法对两种模型进行求解.为验证本文模型与算法的有效性和实用性，进行了3种对比分析：两种模型与传统2E-OLRP模型的对比；两种模型的算法求解结果与精确解的对比；两种模型经济成本与排放成本的对比.结果表明：两种模型与传统2E-OLRP模型相比，均具有明显优势；所提出的算法能快速有效的求解此类模型；就运输活动而言，与燃油车相比，电动车能节约3.44%的总成本、减少74.03%的CO₂排放量.以上研究结果可为物流企业在运输配送中的节能减排提供决策支持.     

基于Stackelberg博弈与深度强化学习的计算卸载策略

为使5G混合专网结构的2种用户能获得最优计算卸载策略，将2种用户竞争移动边缘计算(mobile edge computing,MEC)服务器资源的问题建模成Stackelberg博弈，并分别讨论了完全信息博弈和不完全信息博弈下的策略。完全信息博弈下，存在唯一纳什均衡解；不完全信息博弈下，将环境建模为部分可观测的马尔可夫决策过程(partially observable Markov decision process,POMDP)，并提出一种基于二阶段深度强化学习(two-stage deep reinforcement learning,TSDRL)的最优卸载策略。仿真实验表明：该算法相较于D-DRL算法能减少20.81%的时延及3.38%的能耗，有效提高用户QoE(quality of experience)。     

基于改进d-Xdraw算法的起伏地形下异构多传感器分簇部署方法

为解决起伏地形环境下异构多传感器网络表面覆盖问题,提出了多传感器多阶段分簇部署方法。首先,考虑地形遮挡效应,给出了起伏地形环境下的传感器侦察与通信模型。其次,为快速获取传感器覆盖范围,构建了基于视线交点相似性判断的改进型d-Xdraw可视域求解算法。然后,为增强覆盖率,采用分簇部署策略,将传感器部署过程分为多个阶段,并结合各阶段特点分别采用微粒群和改进虚拟力算法进行求解。实验表明,改进d-Xdraw算法能够在牺牲少量精度的同时,有效提升可视域的求解速度;相较于传统的直接优化部署方法,多阶段分簇部署方法可节省最多26.7%的运算时间,覆盖率可提升10.9%。     

Coverage of communication-based sensor nodes deployed location and energy efficient clustering algorithm in WSN

An effective algorithm based on signal coverage of effective communication and local energy-consumption saving strategy is proposed for the application in wireless sensor networks. This algorithm consists of two sub algorithms. One is the multi-hop partition subspaces clustering algorithm for ensuring local energybalanced consumption ascribed to the deployment from another algorithm of distributed locating deployment based on efficient communication coverage probability (DLD-ECCP). DLD-ECCP makes use of the characteristics of Markov chain and probabilistic optimization to obtain the optimum topology and number of sensor nodes. Through simulation, the relative data demonstrate the advantages of the proposed approaches on saving hardware resources and energy consumption of networks.     

基于高斯混合概率假设密度滤波器的扩展目标跟踪算法

针对杂波环境下多扩展目标跟踪中航迹起始和量测集划分问题,提出了一种基于高斯混合概率假设密度滤波器的扩展目标跟踪算法。在航迹起始阶段利用最近邻指数法对量测集进行聚类趋势分析,接着通过改进OPTICS (ordering points to identify the clustering structure)算法,建立一个增广数据集排序来表示量测集的密度结构,该算法对参数选择、初始点选择均不敏感,可以滤除量测集中的杂波。仿真结果表明,在航迹起始阶段本文所提算法在保证起始性能的同时计算代价明显减少,在量测集划分过程中,所提算法能够有效划分不同形状、密度的扩展目标,自适应地确定划分数目,减少算法运行时间。