基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

下击暴流作用下的开洞超高层建筑风致内压及净压

通过自制发生装置在大气边界层风洞中模拟下击暴流风场,对典型开洞高层建筑进行内外压风洞试验,研究下击暴流和B类风场作用下开洞高层建筑的内压、净压特性和内压增益函数,进一步识别孔口特征参数,并将内压极值的理论计算结果与试验结果进行对比分析。结果表明,随风向角的增大,内压系数平均值和极值均先减小后增大。两侧面的净压极值最大,易发生风致破坏。开洞面由于内外压相关系数为正值,内外压作用相互抵消,其净压最小。在50°斜风向的来流作用下,内压增益幅值远大于其他风向角下的结果,且在Helmholtz共振频率处的内压能量显著增大。除70°～100°风向角外,其他风向角下内压系数极值的理论值与试验值吻合良好。     

多重调和方程弱解的内部正则性

考虑如下的多重调和方程{（-△）^ku=f（x）,x∈Ω,u∈H0^k（Ω）的弱解的内部正则性．其中Ω是R^N中的有界光滑区域,k是正整数,H0^k（Ω）是标准的Sobolev空间．对于一类函数f（z）,利用差分方法得到了上述方程弱解的内部正则性,其结果也适用于一些非线性的多重调和方程．     

煤气储罐泄漏扩散模型及仿真

基于Fick扩散方程,建立了煤气储罐瞬间完全泄漏的无风情况下的动态扩散模型.根据气体储罐形状为圆柱,确定了介质瞬间完全泄漏后模型的初始条件和边界条件,然后通过坐标变换和傅立叶变换和适用于圆柱(Bessel)函数的Hankel变换,求出了此条件下扩散方程的解析解.根据风力对扩散过程的影响,在无风扩散方程的基础上建立了有风条件下的扩散模型并求取了解析解,然后以一50000m3(r=19m,h=40m)煤气储罐完全破裂后的气体扩散过程为例进行了模拟,模拟结果验证了模型的有效性.     

中国术语事业发展概况及思考

近些年来,中国术语事业取得了一定的发展,在相关成果公布出版、术语工作开展、科研立项、人才培养等方面都取得了一定的成绩。同时还存在国内外术语信息沟通不够,对于中外术语事业发展缺乏系统全面的研究,研究队伍没有形成较大影响力的合力,术语事业推进国家经济、社会发展的能力有待提高,术语学没有独立的学科地位,术语产业还处于起步阶段等问题。中国术语事业发展可考虑与国家政策、国际发展相结合,与科学研究、市场需求相结合。     

一种不确定区域间的方向关系模型

基于区间值及其运算性质给出了不确定区域间方向关系的表示及推理方法. 该方法不同于基于经典模糊集及其截集的方向关系模型, 利用区间值方向关系矩阵分析不确定区域间方向关系的隶属程度, 将不确定区域间的方向关系划分为不确定区域与不确定区域间的方向关系、 不确定区域与分明区域间的方向关系、 分明区域与不确定区域间的方向关系、 分明区域与分明区域的方向关系4种类型. 将分明区域作为不确定区域的特例统一处理.     

面向车联网边缘计算的智能计算迁移研究

为了满足车联网中车载任务所面临的服务迁移时间优化与边缘设备的资源负载优化需求,提出了一种面向车联网边缘计算的智能计算迁移方法（intelligent computingoffloading method,ICOM）.首先构建了车联网边缘计算系统资源模型、执行时间模型、边缘设备负载均衡模型;然后利用非支配排序遗传算法（non-dominant sorting genetic algorithm,NSGA-II）实现了对车载计算任务的迁移时间和边缘设备的负载均衡进行联合优化,从而为车载计算任务找到有效的计算迁移策略;最后根据多目标决策准则（multi-criteria decisionmaking,MCDM）和逼近理想解排序法（technique for order preference by similarity to anideal solution,TOPSIS）选择出最优的计算迁移策略.实验结果表明,ICOM方法能够使车载计算任务在期望时间内完成,同时也保证边缘设备的负载均衡.     

基于LMKL和OC-ELM的航空电子部件故障检测方法

针对航空电子部件故障样本获取困难以及检测准确率不高的问题,提出基于局部多核学习(localized multiple kernel learning, LMKL)和一类超限学习机(one-class extreme learning machine, OC-ELM)的故障检测方法。仅运用正常状态的小样本数据,给出了LMK-OC-ELM的数学表达形式,并在不同的门模型下推导了LMK-OC-ELM中局部核权重的优化方法;在获取局部核权重的基础上,定义了离线故障检测所需的统计检验量与阈值,以便工程实现。将所提方法应用于某型接收机,结果表明,在训练时间可控的前提下,与4种常见的一类分类(one-class classification, OCC)算法相比,所提方法可均衡地提高召回率、查准率和特异度,以LMK-OC-ELM-sig为代表,其在F1、曲线下方面积(area under curve, AUC)、G-mean和准确率4个指标上,比最近提出的局部多核异常检测(localized multiple kernel anomaly detection, LMKAD)方法分别提高了1.60%、1.57%、1.53%和2.23%。     

对称降冰片二烯二羧酸二酯的高选择性单水解

半酯是有机合成中非常重要的中间体,大体积对称二酯的选择性单水解高产率制备半酯的研究具有重要意义.本研究采用THF、DMSO、CH3CN作为共溶剂,在0℃碱溶液中将对称结构的降冰片二烯衍生物进行选择性单水解反应,考察了三种共溶剂比例、不同碱及碱的用量对水解反应的影响.结果表明,当共溶剂与H2O体积比为1∶10的情况下,T...     

An efficient algorithm to generate candidates in discovering frequent episodes

0 IntroductionData mining is widely used in many research fieldssuch as decision supporting systems[1], bio-informationanalysis[2]and knowledge engineering[3-5]. Most data col-lected from scientific experiments or telecommunicationnetworks have inherent sequential nature inthemand canthus be abstractly viewed as a sequence of events . Onebasic problemin miningsuchevent sequencesis discoveryof recurrent combinations of events , which are calledepisodes. Once frequent episodes are discovered,rul…