双属性概率图优化的无人机集群协同目标搜索

为了提高不确定环境下无人机（unmanned aerial vehicle，UAV）对目标捕获能力，进而提高多UAV协同搜索效率，提出了基于双属性概率图结合改进的协同进化遗传算法（improved co-evolutionary genetic algorithm，ICEGA）的多UAV协同目标搜索方法。首先，根据环境的先验信息，在原概率图基础上引入标志位，建立基于双属性矩阵的待搜索环境概率模型，提高环境和目标的信息感知准确度；其次，定义UAV的飞行规则并结合目标先验概率图信息，建立UAV运动模型及确定最大收益的目标函数；最后，建立分布式UAV之间的信息交互模型，运用ICEGA算法优化产生最优协同决策输入航向角集合，在线实时滚动优化产生最优协同路径。实验结果表明，基于双属性概率图结合ICEGA算法更能够保证最优路径的产生，使得UAV能够准确地搜索到目标；同时，对比仿真验证了ICEGA算法能够提高UAV之间的协同性，保证了路径可行性及提高了目标搜索效率。     

考虑关键性的多约束下辐射干扰对消装备随舰备件配置优化方法

可用度是评估备件对装备完好性影响的重要指标,针对备件关键性对装备可用性造成影响而又难以将其考虑在内建立可用度模型的问题,以舰载通信电台辐射干扰对消装备为对象,采用对备件关键性实行专家打分的方法,将备件关键性作为备件配置优化的约束之一,建立以备件费用、备件体积、备件关键性为约束的备件配置优化模型。在备件费用、体积及关键性归一化的基础上,采用权重因子方法将多约束转化为单一约束,并给出了权重因子更新方法。列举案例,分别计算了费用约束、体积约束、关键性约束和多约束下的备件方案,并对比了装备改进前后的备件配置方案,将装备使用过程中的备件保障延伸至装备可靠性设计阶段。案例分析结果表明:备件配置方法在考虑了体积、费用等限制约束下,能同时兼顾备件关键性对装备完好性的影响;装备可靠性设计时,提高装备可靠性低的现场可更换单元(line replaceable unit, LRU)等薄弱点,能有效减少装备维修保障资源。     

河流断面演变关键影响因子遥感统计分析与识别

选取人类活动影响较小的三江源地区,利用多源遥感数据,结合最小二乘法与模糊聚类法开展大数据统计分析,探索自然因素对河流断面形状空间变异的影响.结果表明:在所有影响因素中,流域面积是驱动河流断面形状变化最主要的影响因素,随着断面控制流域面积的增加,上游"窄-深"型河道渐变为下游"宽-浅"型河道;土壤孔隙高、粉粒含量大、断面位置坡度高、植被盖度低的地理环境更利于抛物线型河流断面的形成;断面形状拟合参数(a)、控制流域面积(S)与宽深比(RWD)的关系函数均为指数型函数(a=c1ed1s,RWD=c2ed2S).以上结论适用于受人类活动影响小、资料缺乏的山区自然河道,可准确、高效、安全地获取河流断面形状,为河流水质评价、生态流量计算、河流健康保护、水土保持措施配置研究等奠定坚实的方法和数据基础,助力我国生态文明重大方略的实施.     

许昌市多层住宅区夏季小气候模拟与分析

本文选取许昌市一多层住宅区作为研究区域,采用数值模拟软件ENVI-met对夏季炎热天气条件下住宅区内部小气候进行模拟和分析。结果表明:多层住宅区温度分布较为均匀,高温区和低温区所占比例不大,大部分地区温度主要集中在32.5～32.7℃,风向和风速对气温的水平分布影响较为明显;住宅区住宅内大部分区域风速为1.5～2.05m/s,风环境舒适度较高,建筑的空间布局对风环境影响较大。     

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.     

全氟/多氟烷基化合物在全球海洋水体中的污染演变趋势研究进展

全氟/多氟烷基化合物(PFASs)的环境污染及危害愈来愈受到全球关注.目前,部分传统PFASs的生产使用受到限制或管控,一些新型PFASs替代品不断进入市场,使得PFASs的环境污染状况变得更为复杂.PFASs不仅在人口密集地区的陆地环境中高频检出,还在各大海洋甚至人迹罕见的两极地区普遍检出.海洋已经成为PFASs污染最重要的"汇"之一,并对全球生态环境以及两极地区产生重要的影响.关于海洋中PFASs污染的报道也日趋增多,本文旨在对近年来海洋PFASs污染的研究数据进行剖析,以期阐明PFASs在全球洋流尺度上的污染时空分布情况,为PFASs的环境风险评估和环境政策的制定提供科学依据.     

基于多目标函数的热声制冷机性能优化

在考虑热漏、热阻及不可逆因子等因素的情况下,建立复指数传热规律的不可逆热声制冷机循环模型.以热声制冷机输入功率P,系统输出率A,系统不可逆损失率Q,制冷率R构建多目标函数,采用线性加权评价函数法求解,分析多目标函数与各参数的优化关系,得出多目标优化可以较好地协调各性能指标间关系的结论.     

Fe-11Mn-4Al-0.2C中锰钢动态变形行为及其本构模型

基于准静态和动态拉伸实验，建立Fe-11Mn-4Al-0.2C中锰钢在2×10^-3~200s^-1应变速率下变形行为的Johnson-Cook(J-C)本构模型.结果表明，应变速率对弹性变形阶段无影响.在塑性变形初期，实验钢强度随应变速率增加而增加，在塑性变形中后期，实验钢强度随应变速率增加而减少.实验钢应变速率敏感性(SRS)指数m随着应变的增加，由0.013逐渐转变为-0.018.基于实验数据建立J-C本构模型，拟合效果不佳，存在5.1%的相对误差;通过改变应变速率强化系数，提出修正J-C模型，模型具有更好的拟合效果，表现出更小的相对误差，约为1.6%.     

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。