基于深度强化学习的空中基站部署优化算法

针对无人机群(swarm of unmanned aerial vehicle, UAV-swarm)在救灾场景中对地面移动用户进行持续性通信覆盖的问题,设计了一种基于多智能体的深度强化学习的无人机群路径优化算法。该算法框架中无人机具有分布式决策能力,根据用户的移动来动态调整自身的移动策略。通过设置合适的强化学习奖励和参数,使无人机在满足覆盖百分比、防碰撞、能源限制等多种约束前提下,最大限度地长期覆盖地面移动用户。与其他无人机部署方案算法进行仿真对比,实验结果表明,该模型在收敛速度和收敛效果上得到了显著提升。     

基于协作式深度强化学习的火灾应急疏散仿真研究

火灾是威胁公共安全的主要灾害之一,火灾产生的高温和有毒有害烟气严重影响了疏散路径的选择。将深度强化学习引入到应急疏散仿真研究,针对多智能体环境提出了协作式双深度Q网络算法。建立随时间动态变化的火灾场景模型,为人员疏散提供实时的危险区域分布信息;对各自独立的智能体神经网络进行整合,建立多智能体统一的深度神经网络,实现所有智能体之间的神经网络和经验共享,提高整体协作疏散效率。结果表明：所提方法具有良好的稳定性和适应性,训练和学习效率得到提升,具有良好的应用价值。     

具有强化学习策略的决策树算法

传统决策树在对不平衡数据进行分类时,提高正类的权重和舍弃部分负类的信息,造成负类的预测精度较低.文章引入强化学习思想,提出一种基于马尔可夫决策过程的改进决策树方法.根据马尔可夫决策过程、当前分裂特征的标准化互信息和马修斯相关系数作为信息增益率的奖励或者惩罚,形成新的特征选择标准.实验结果表明,与其他传统方法相比,改进的...     

针对无人潜航器的反潜策略研究

近年来无人潜航器对国家海洋国土安全带来的威胁逐渐增大,其低噪声特性和隐蔽入侵方式也给反潜行动带来极大困难。为此,提出了一种两阶段规划算法,用以学习优化反潜策略,在部署阶段,建立了基于不确定性马尔可夫决策过程的反潜资源分配模型,并设计了鲁棒性部署策略强化学习算法,用以求解不确定条件下分配模型的纳什均衡解。在搜索阶段,建立了基于部分可观察马尔可夫决策过程的搜潜模型,并设计了基于多智能体强化学习的搜潜策略学习算法。最后,通过仿真实验验证了本算法与比对算法相比具有更高的性能。     

民族高校如何通过大型学科竞赛平台提升学生能力——以中国大学生方程式汽车大赛为例

针对学生能力培养过程具有复杂性、渐进性和长期性的特点,提出利用大型学科竞赛平台提升学生能力的方案。结合大型学科竞赛具有实施周期长、综合性强以及内容复杂等特点,利用整个活动过程中的多种动机强化手段和多个迁移机会,使学生能够全程积极参与到竞赛过程中。民族高校可利用此类理想的训练平台提升学生能力。     

基于深度强化学习算法的无人机智能规避决策

为提升无人机在复杂空战场景中的存活率,基于公开无人机空战博弈仿真平台,使用强化学习方法生成机动策略,以深度双Q网络(double deep Q-network, DDQN)和深度确定性策略梯度(deep deterministic policy gradient, DDPG)算法为基础,提出单元状态序列(unit state sequence, USS),并采用门控循环单元(gated recurrent unit, GRU)融合USS中的态势特征,增加复杂空战场景下的状态特征识别能力和算法收敛能力。实验结果表明,智能体在面对采用标准比例导引算法的导弹攻击时,取得了98%的规避导弹存活率,使无人机在多发导弹同时攻击的复杂场景中,也能够取得88%的存活率,对比传统的简单机动模式,无人机的存活率大幅提高。     

体育教学中发展学生思维的方法

体育不仅为了锻炼身体，也为了发展思维，那些不擅于思考的学生很难领会运动的真谛。因此，在教学过程中，提高学生的思维水平就显得尤为重要。体育教师应采用各种有效的方法来帮助学生提高思维及理解水平，这样做会有助于培养学生理解运动本身的能力，解决问题的能力和掌握各种技能的能力。下面就如何在体育教学中提高学生的思维水平提出了几点看法。     

对推理规则在非经典逻辑中失效的分析

论文认为强化前件规则对虚拟条件句确实足失效的，但传递原则、逆换原则和析取前件消去规则并没有像希尔皮南所说失效了。如果对同一性替换规则加上条件对一个命题的某个部分实施替换，要求所利用的同一性在该命题的模态下也成立，则同一性替换规则可以运用于模态语境。奎因对存在概括规则在模态语境中失效的分析并不完全准确。