基于逆向强化学习的装船时堆场翻箱智能决策

集装箱码头装船时堆场翻箱具有时序性与动态性，属于NP（non?deterministic polynomial）难问题。针对常见的顺岸式集装箱码头堆场，以最小化总翻箱次数为优化目标，考虑翻箱对装船连续性及效率的影响，基于马尔科夫决策过程构建装船时堆场翻箱模型，设计逆向强化学习算法。为验证算法的有效性，以随机决策为基准，将设计的逆向强化学习算法与码头常见规则决策、随机决策对比。结果表明，贝位堆存状态不佳时，常见的规则决策不一定优于随机决策；逆向强化学习算法可有效挖掘隐含专家经验，收敛至最小翻箱次数的概率更高，且不同堆存状态下均能更好地限制单次发箱的翻箱次数，可实现装船时堆场翻箱智能决策。     

基于重心法和层次分析法的高校快递智能柜选址布局问题研究

针对高校快递智能柜选址问题，提出了重心法联合层次分析法的综合选址方法。该方法首先运用重心法确定智能快递柜的备选位置，再结合层次分析法从备选位置中确定最优选址。以广州某高校为例，对联合选址方法进行了实际应用。结果表明，该方法计算过程简便、实用，在校园自提柜选址决策方面有较高的科学性和可行性，可以为各大高校快递智能柜选址提供参考。     

糖尿病足部辅具研究进展

 糖尿病足是糖尿病患者最严重的并发症之一。设计合理的足部辅具可有效实现糖尿病患者足底高压区域卸载和足底压力分布优化，有助于降低足溃疡发生率和复发率、延缓足溃疡恶化和截肢周期。综述了糖尿病足部的评估方法、足部辅具的设计原则、制作技术以及临床应用效果，分析发现研究主要以糖尿病足部形状与破损情况为依据，通过结构设计、材料组合等实现降低足底压力峰值、保护足部的目的。然而，目前的糖尿病足部辅具仍需进一步结合足部生理参数监测、主动防护等功能，以更实时、准确地监测糖尿病足部健康水平，更智能、有效地维护足部健康。关键词糖尿病足；足部辅具；压力卸载；智能辅具     

连续型目标信息系统的属性约简

针对连续型数据的属性约简问题, 提出了一种新的属性约简方法[CD2]基于分配可辨识矩阵的属性约简方法。给出了基于连续型数据的分配协调集的概念, 研究了基于连续型数据的分配协调集的基本性质, 定义了基于分配协调集的辨识矩阵。在此基础上提出了基于辨识矩阵的连续型数据的属性约简方法, 并给出了计算辨识矩阵的算法。实例分析表明, 该方法能有效地对连续型数据进行属性约简。     

基于乘客感知的城市公共交通服务质量评价研究——以兰州市为例

城市公共交通服务质量是指城市公共交通服务的固有属性满足乘客要求的程度,其评价包括对多个感知要素的评价。从乘客感知的角度出发,提出了城市公共交通服务质量模型,并以兰州市为例进行了实证研究。结果表明:兰州市公共交通服务质量仅达到"一般水平",乘客个人基本特性是影响城市公共交通服务质量评价的重要因素。     

天宫一号基于控制力矩陀螺的智能多模自适应姿态控制系统设计与验证

天宫一号是目前我国在轨运行的体积最大、重量最重的载人航天器.它具有变构型、变参数的特性,采用控制力矩陀螺系统和喷气推进系统实现高精度、高稳定度姿态控制.本文通过对天宫一号控制对象参数缓变和跳变相结合特点的分析,规划了高可靠灵活的控制策略,设计了智能多模自适应姿态控制系统.利用智能控制中规则集设定多模自适应控制的指标切换函数分配,利用多模自适应控制算法建立多模型控制器实现不同控制对象,不同控制任务的姿态控制.天宫一号通过地面测试和物理仿真试验,最后发射在轨运行,与神舟八号、神舟九号、神舟十号载人飞船圆满完成交会对接任务,充分验证了姿态控制系统设计的正确性和有效性.该设计方法在解决大型航天器变构型、变参数组合体姿态控制方面有突出优点,在未来的载人航天领域空间站建设具有应用前景.     

综合嵌入式视觉与网络智能通信的监控系统

基于物联网技术的操作平台,利用DSP,ARM技术的强大数据图像处理能力,结合互联网、移动通信网等网络进行信息的传送与交互,及智能计算技术对信息进行分析处理,提高产品的监控能力。     

互联网能耗和性能优化的权衡模型

互联网能耗和性能互为矛盾已经成为网络研究人员的广泛共识. 目前的研究方法通常仅将其中一个方面作为主要问题，而将另外一方面作为次要问题来解决. 因此，如何将互联网能耗和性能作为同等重要的指标进行协同优化，是本文所要研究的问题. 本文提出了一种通用优化模型来实现减小互联网能耗的同时提升网络性能. 为将其应用于实际，本文通过引入并定义代价函数和功率-带宽函数，将该通用模型具体化为一个线性规划模型. 评估结果显示，该线性规划模型的最优解能够同时降低网络的最大链路利用率和能耗，并且使得这两者中的每一个指标均近似于对其进行单一优化的模型的最优解，从而实现了对网络能耗和性能的协同优化. 与当前互联网相比，在最大链路利用率方面，本文所提出模型的最优解最多可将其减小60.6%，最少减小45.8%；在能耗方面，该模型的最优解最多可将其减小83.3%，最少减小56.7%.     

基于ULMADM的智能指挥控制系统决策分配方法

在智能指挥控制系统设计中，为了充分发挥指挥员与自动化系统的决策优势，需要将决策功能在两者之间进行合理分配. 给出了指挥控制系统决策分配步骤，针对决策分配过程中属性值无法准确测度的特点，采用不确定性语言型多属性决策（ULMADM）方法，基于UEWAA算子确定决策功能的自动化等级范围，基于UEWAA算子和ULHA算子相结合的多属性群决策算法确定决策功能的自动化等级，算例表明ULMADM方法解决决策分配问题的可行性、有效性和通用性.     

车联网环境下匝道汇入区瓶颈换道优化

高快速路汇入区（即合流区）瓶颈是交通流运行的咽喉，汇入瓶颈交通流失效会加剧拥堵，诱发交通振荡以及事故率上升等一系列问题。与现有研究大都通过调节匝道汇入车辆行为或主线车辆速度进而试图改善汇入区交通流问题不同，该研究聚焦于瓶颈汇入区上游主线车辆，通过动态调节汇入区上游主线车道车辆分布，提升汇入区通行能力。具体而言，研究提出一种可以对网联车（CV）进行双向换道建议的混合整数线性规划模型，该方法不依赖于交通流基本图设定的临界密度，通过实时计算每一辆个体CV的向左、向右或保持车道决策以优化车道流量分布，减少汇入车辆干扰，提升汇入效率。基于VISSIM交通仿真软件，通过二次开发搭建了汇入区瓶颈换道优化实时仿真评估系统，并对该方法进行了验证，测试不同流量组合和不同CV渗透率下算法的有效性。各车道时空轨迹表明该换道建议优化方法可以有效减小汇入车辆冲突，车均延误分析结果表明在单车道平均流量1 550 ~1 800 veh·h^-1区间，即汇入瓶颈失效关键流量区段，换道建议优化方案相比原方案能显著改善汇入区的运行效率，车均延误可降低10 %~50 %左右。CV渗透率敏感性分析表明，在较低的0.2~0.5渗透率下即可达到减小延误的目标。