面向智慧城市的多依赖任务计算迁移研究

针对智慧城市的时延敏感型多依赖任务调度问题,提出了边缘计算赋能的智慧城市架构,并设计了一种计算迁移方法,以满足任务调度需求。首先建立了多依赖任务模型、任务的时延约束模型以及智慧城市服务器的负载约束模型。然后使用深度强化学习算法训练出可感知任务间依赖关系的智能体,以实时地进行计算迁移决策。一系列实验验证了该方法在时延、能耗优化方面的有效性。     

具有扩散耦合偏微分时滞系统的学习跟踪控制

对具有空间扩散耦合偏微分时滞系统,采用迭代学习控制算法研究其输出轨迹跟踪的问题。基于超向量法对N个具有空间扩散耦合的偏微分时滞系统进行转化,得到与其等价的系统模型,再对该等价的学习系统设计开闭环P型迭代学习控制律,给出了学习系统跟踪误差在L~2范数意义下收敛的条件。最后,通过两个具有扩散耦合的偏微分时滞系统的数值仿真,验证了所提出算法和结论的有效性。     

基于排队长度估计的网联车辆节能车速规划方法

针对网联车辆在动态车流环境中多信号灯道路的车速规划问题,文中提出了一种基于路口排队长度实时估计的车辆节能车速规划方法. 首先,构建并训练用于路口排队长度估计的径向基神经网络;然后,在最优控制问题的框架下,实现车流排队和信号灯的联合建模,构建参考车速曲线优化问题;最后,利用提出的车速规划解耦变换求解方法,高效地获得参考车速曲线. 仿真结果表明,相比于传统的未考虑路口车流排队的节能车速规划方法,文中提出的方法可以产生更平滑的实际车速曲线,同时降低40%以上的能量消耗.      

大坝—河流渠道灌溉系统的迭代学习控制

本文考虑大坝—河流渠道灌溉系统的迭代学习控制问题。首先,对线性化的Hayami偏微分方程在空间上离散化,通过叠加向量方法建立闸门与流量关系的状态空间数学模型;其次,结合灌溉过程的重复性特点,设计D型迭代学习控制算法,建立了该算法的收敛性条件。结果表明通过闸门开度的迭代学习控制,可实现对取水口期望流量的完全跟踪。最后,通过数值仿真进一步说明提出的迭代学习控制方法的有效性。     

SARS分析、预测、防治决策支持系统探讨

提出了一种防御SARS这样的突发疾病的智能决策支持系统。通过运用新的数据分析和决策支持理论，建立智能的决策支持系统，对现有的疫情进行数据噪声分析、灾变趋势预测以及提出科学决策。系统主要分噪声子系统、预测和模拟子系统、诊断子系统以及二次防御子系统4部分。其中预测子系统以FGR系统为原型，综合了传统微分方程的预测方法，以及基于数据的包括神经网络、支持向量机的方法和模糊推理方法的综合信息处理系统，经过该系统的预测分析和模拟可以对可变的突发疫情进行更科学的决策。     

以行程为主变量的正态分布模型在重点人员管控中的应用

在重点人员动态管控工作中,很多对策和措施仅仅停留在理论层和分析人员的主观认识层,缺乏科学的理论和定量的手段,这也使得与积分预警模式相结合的重点人员动态管控工作的积分工作更加难以开展。基于此,提出了一种以重点人员活动行程为主变量的正态分布模型,为确定重点人员的活动轨迹异常与否提供一种较为科学的定量分析方法。     

融合多维注意力的非合作通信行为识别方法

电磁对抗环境下匮乏的数据资源与有限的反应时间是非合作通信行为识别研究发展所面临的主要挑战。现存的通信行为识别方法大多依赖大量监测数据或者繁琐的数据预处理流程,难以完成非合作通信行为识别任务。提出一种融合了多维通道注意力机制（MSENeT）的非合作通信行为识别方法,通过扩充通道维度提升注意力模块对通道间关系的全局视野,增强注意力中权重的精确度,从而提升深度卷积神经网络（CNN）对有限数据样本的特征提取能力,并保证带来的算法计算复杂度在可承受范围内。同时构建了对抗条件下通信行为频谱监测数据仿真场景,为后续的通信行为识别相关研究提供数据支持。最后的对比实验显示,在非合作条件下,基于MSENeT的通信行为识别方法相较于仅使用CNN和基于SENeT的方法在通信行为识别准确率上分别有14.9%和8.5%的提升。