基于网络测量和模糊控制技术的拥塞控制机制

为向端系统反馈及时准确的网络状态以提高TCP效率,同时避免主动队列管理（AQM）机制的诸多局限,提出一种基于网络测量的拥塞控制机制——利用分布在网络中的测量设施监测主干链路,再根据链路性能采用模糊控制技术指导端系统选择适当的FAST控制参数．仿真实验表明,该机制能承受更大的负载压力,达到高吞吐量,并能稳定排队时延,在高速网络中比AQM机制更稳定、更公平．相比突发性的Web流量来说,该机制更适用于类似P2P等数据量大、连接持续时间长的流量的拥塞控制．     

基于Bézier曲线的差速驱动机器人混合避障路径规划算法

为实现差速驱动机器人在避障环境下的平滑最优路径规划,提出一种基于Bézier曲线的差速驱动机器人混合避障路径规划算法.首先,建立差速驱动机器人运动模型,用于操控左右两个驱动轮线速率,完成机器人转弯及非匀速运动;其次,利用Bézier曲线描述路径状态,将路径规划问题转换为产生Bézier曲线有限点方位优化问题,提升机器人...     

基于智能管理缓冲区的网络拥塞控制算法

该文从数据包占用缓冲区的实时状态出发,运用模糊理论对缓冲区占用率状态这一模糊性问题进行描述,建立基于智能管理缓冲区的拥塞控制模型,对所有的数据流根据其服务质量要求进行优先级分类,并取得相应的队列带宽,采取整体和局部相结合的方法,路由器智能管理缓冲区。实验仿真结果表明,基于智能管理缓冲区的拥塞控制算法（IMBA）与RED、TD-FIFO等算法比较,在保护和隔离非拥塞状态的连接方面,具有更好的公平性,从而进一步改进了路由器的拥塞控制性能。     

一种AAPF算法及其在多机器人路径规划中的应用

研究了多移动机器人系统中的路径规划问题,提出一种自适应人工势场算法AAPF.通过引入自适应滑动策略,克服了基本APF算法容易陷入局部极值的问题;通过引入自适应退避策略,解决了多机器系统路径规划中的避碰问题.将AAPF算法应用到多机器人系统的路径规划问题中,仿真实验证明了AAPF算法的有效性.     

基于多维马尔可夫链的两跳中继蜂窝系统拥塞控制建模

提出了一种结合蜂窝和中继技术的两跳中继蜂窝系统结构用来增加系统容量和平衡流量负荷,并利用多维马尔可夫链建立了它的拥塞控制模型。然后在这个模型的基础上,分别得到了系统的平均下行传输速率和数据包呼叫请求阻塞概率。最后通过数值计算分析了各种系统参数对具有拥塞控制功能两跳中继蜂窝系统性能的影响。研究结果表明,与两跳中继蜂窝系统相比,具有拥塞控制功能的中继系统在提供相同平均下行吞吐量的同时,可以有效降低系统的呼叫请求阻塞概率。     

卸载平台的避碰响应过程

建立了靠泊船舶、橡胶护舷和卸载平台组成的避碰系统的计算分析模型,利用能量法计算任意时刻的船速、橡胶护舷的反力和吸能以及船舶允许的最大靠泊法向速度.研究结果表明,船舶允许的最大靠泊法向速度与船舶的排水量成反比,并且与橡胶护舷性能和卸载平台的最大承载能力有关.通过改善橡胶护舷的性能和增强卸载平台的最大承载能力,可提高系统的避碰能力.     

车辆排队位置确定模型及其网络效应分析

为了揭示车辆排队形成的多米诺效应,基于运动学起动–停车波模型构造了车辆排队位置确定模型。该模型能实时确定路网中任意车流形成的排队队列的头部位置、尾部位置和队列长度。根据该模型以及车流间的相互作用,以任意相邻的两个交叉口为例,分10种情况讨论了下游车流能否对延续车流或冲突车流造成阻滞作用,从而能否引起网络效应。结果表明,相邻路段车辆排队之间的耦合关系是研究网络效应的核心。研究成果可以为探讨车辆排队产生网络效应的形成机理奠定基础,为认识车辆排队的演化规律提供工具与方法。     

高管团队权力集中度对企业创新强度的影响CEO不确定性规避的调节作用

本研究选取2010~2018年中国沪深两市A股上市公司为研究样本，研究了高管团队权力的集中度对企业创新强度的影响，以及CEO不确定性规避价值观在其中的调节作用。实证结果表明，高管团队正式权力集中度正向影响企业的创新强度；高管团队非正式权力集中度负向影响企业创新强度；CEO不确定性规避的价值观在高管团队权力集中度对企业创新强度的影响中存在调节效应。本研究丰富了高管权力及企业创新的有关研究，也为企业合理配置高管权力提供一定启示。知识经济快速发展的背景下，创新成为企业保持活力的重要因素。高管团队作为企业创新战略的制定者，其权力分配状况将直接影响企业创新战略的制定。     

欧盟钢铁减排路线图及其启示

 欧盟委员会于2019年底发布《欧洲绿色协议》，提出将在2050年率先实现碳中和。欧盟为此提出了七大绿色行动计划和四大支撑保障措施，并特别针对钢铁行业提出了明确的欧盟钢铁减排路线图。论述了欧盟绿色新政的背景和意义，分析了欧盟各个行业实现碳中和的具体要求，比较了钢铁减排路线图中的具体技术，讨论了欧盟实施减排的政策措施，探讨了其对我国未来的钢铁行业绿色可持续发展的启示。     

考虑航路网络结构的离场航班延误预测模型

针对离场航班延误预测缺少对航路网络结构因素的考虑，以及传统多分类预测难以满足高精度的需求，本文提出了一种考虑航路网络结构的离场航班延误预测模型。首先，根据离场航班所在终端区的航路网络结构，提出了航路拥挤指标，即航路流量、航路拥挤度和航路网络拥挤度，从航路网络和网络结构2个维度量化分析了拥挤特征，构造了航路拥挤数据集；然后，基于深度神经网络（deep neural network，DNN），构建了考虑航路网络结构的离场航班延误预测模型；最后，分析各类别延误样本比例，调整焦点损失函数的平衡因子以及各模型参数，进行了不同损失函数、不同数据集和不同模型参数的对比实验。结果表明：调整平衡因子后，模型预测准确率提高了2.3个百分点，融入航路拥挤数据集后，准确率继续提高了1.52个百分点，并且最终达到93.47%。可见，本文所提模型能够对离场航班延误作出有效准确判断，为民航相关单位提供决策参考。