MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

复合跟踪微分器在电容式位移传感器中的应用

针对从含噪原始信号中提取位置以及速度信息,经典跟踪微分器存在不能很好兼顾相位滞后和噪声放大问题、参数多,调试复杂等不足.在跟踪微分器等效线性分析基础上,提出复合形式跟踪微分器,用于电容式位移传感器位置信号跟踪以及速度信号估计,通过MATLAB\SIMULINK仿真以及实验平台测试,结果表明:在跟踪频率1 Hz、幅值1含噪声正弦信号中,复合跟踪微分器能光滑逼近原始位置信号,且能有效进行速度估计,相较于经典跟踪微分器,复合跟踪微分器跟踪相位滞后小0.03 rad,能更好兼顾跟踪信号相位滞后及速度信号噪声放大.     

基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

BIM技术在建筑结构设计中的应用

建筑信息模型被广泛应用于建筑领域之后,结构设计的方式以及理念等均出现改变。在结构设计方面,为了保证施工活动能够有序开展,应该有效管控相关因素,保证建筑结构更加合理、科学。本文结合S工程实例,提出建筑信息模型的应用策略,同时提出几点保障措施。     

基于跟踪信息的多帧联合检测方法

传统多帧联合检测方法针对搜索阶段进行设计, 由于无任何目标信息, 需要采用较高的检测门限以降低虚警数量。然而, 一旦成功建航, 目标存在性已确定, 可利用目标跟踪信息调整多帧联合检测策略, 以提升微弱目标检测能力。基于上述考虑, 本文提出了一种基于跟踪信息的多帧联合检测方法。首先利用当前时刻跟踪信息建立预测波门, 然后设定较低的单帧检测门限保障微弱目标信号的高概率检测, 最后在航迹恒虚警约束下调整多帧联合检测门限, 从而完成航迹维持和撤销。仿真实验表明所提方法可有效提高目标检测概率和跟踪维持概率。     

g支配策略的MOEA/D算法求解多目标流水车间调度问题

采用基于二范数的方法生成权重向量并引入g支配策略对MOEA/D算法进行改进，提出g支配策略的MOEA/D算法（g-MOEA/D）. 将g支配思想与MOEA/D算法有效结合，生成适应决策者DM偏好的有效解的集合，来代替整个Pareto解集或单个有效解，加速种群的收敛性，提高种群的均匀性. 通过仿真实验对比分析g-MOEA/D算法与MOEA/D算法的性能，结果表明，g支配策略的MOEA/D算法所得解集整体性能更优.     

目的论视域下经济类新闻的翻译策略研究

人类社会发展到今天,经济已经成为社会活动中避无可避的话题,尤其是随着国民经济的发展和国际间经济往来的增加以及报纸、广播、电视、互联网、移动通讯设备等渠道的参与,来自于不同区域、生发于不同语言的经济类新闻更是牵动着世界各国民众的神经,而为了实现更多受众对于不同语言背景新闻的认知,需要借助翻译行为完成信息的传播。文章以目的论为基础,对经济类新闻的翻译问题进行了系统的研究,得出了一些结论,以期这些结论能够在一定程度上指导经济类新闻翻译的实践。