青年科技创新人才成长要素与路径研究——基于上海的调查

国家科技创新力的根本源泉在于人,科技的未来在青年。为推进科技自立自强,必须发挥青年科技创新人才的战略后备军作用,支持青年人才挑大梁、当主角。从年龄、特征和范围3个维度对青年科技创新人才的内涵进行了界定,并基于卢因行为模型等理论构建了人才成长要素的“三角模型”,认为青年科技创新人才的成长受年龄、能力、动力形成的“内三角”以及（他）人、机构、环境形成的“外三角”的影响。通过发放问卷,对上海青年科技创新人才发展的现状与问题进行了调研,在学习借鉴国内外培育青年科技创新人才典型经验模式的基础上,从优化科研资助模式、改革人才评价机制、搭建干事创业平台、营造良好创新生态等角度提出了优化青年科技创新人才成长成才的路径建议。     

基于先验知识的多功能雷达智能干扰决策方法

针对基于强化学习的多功能雷达干扰决策方法训练周期长、收敛慢的问题，本文提出了基于先验知识的多功能雷达智能干扰决策算法。所提算法使用了基于势能函数的收益塑造理论，利用先验知识设置收益函数，相比于传统算法，具有更快的收敛速率。利用先验知识加速算法收敛速率的方法对强化学习在多功能雷达干扰决策中的实际应用具有重要的意义，对于强化学习在其他领域的应用也具有很好的参考价值。     

基于马尔可夫的多功能雷达认知干扰决策建模研究

多功能雷达是现代电磁战场上不可或缺的重要装备, 针对多功能雷达的干扰一直是一个难题。本文在研究多功能雷达信号特点和雷达对抗过程的基础上, 提出了雷达状态联合表征的方法, 将多功能雷达的干扰决策问题建模为一个带收益的马尔可夫决策过程, 设计了认知干扰决策系统, 并通过基于Q-Learning的认知干扰决策算法求解该模型下的最佳干扰策略。通过仿真实验, 证明了基于Q-Learning的认知干扰决策算法能够在缺乏先验经验的情况下学习到最佳干扰策略, 具备“认知”的特性, 并且在不稳定的环境中也具有较强的适应性, 有效支撑了本文所提的干扰决策模型。