计算机应用研究杂志

计算机应用研究杂志2022年第10期

• 面向偏差问题的推荐方法研究综述

  郭楠,黄慧慧,

  推荐系统偏差的研究众多但零散，相关研究综述较少。因此，根据偏差产生的主体将偏差分为用户行为导致的偏差、物品展示导致的偏差和推荐算法导致的偏差，进而又细分为选择偏差、一致性偏差等九种具体的类别，并给出各个偏差的定义和造成原因；着重对解决偏差问题的相关性推荐方法和因果性推荐方法的研究进行整理，并根据所采用技术手段或者所处训练模型的前、中、后三个阶段进一步分类，分析不同类别研究之间的区别和优势；总结了在常用数据集上的偏差研究概况和新提出的偏差衡量指标；从不同的类别角度对面向偏差问题的推荐方法发展趋势进行分析和展望，希望为推荐系统中的后续的偏差研究提供一定的帮助。

• 车联网隐私保护研究综述

  邓雨康,张磊,李晶,

  车联网是一种通过在车辆、行人、路边单元等通信实体之间构建一个网络拓扑来提供高效、安全的信息服务的网络，车联网能够有效满足人们对交通环境日益增长的需求，但由于车联网具有移动性和开放性的特点，容易遭受攻击。在众多的威胁中，车联网用户的隐私泄露可能会造成不可弥补的损失，因此车联网的隐私保护被研究者广泛关注。针对车联网的隐私保护问题展开研究，根据车联网的体系结构总结出车联网需要具备的四个基本性质，并对现有的车联网攻击模型加以分析；通过对近些年车联网隐私保护方案的调查总结对现有研究中常用的方法加以归类，然后将车联网的隐私保护研究依照保护对象分为三类，并对各方案进行了分析评价。最后对现有研究的看法和面临的挑战进行了总结，给出了对未来研究的展望。

• 多变体执行误报问题分析与解决方法综述

  席睿成,张铮,朱鹏喆,刘子敬,

  从安全角度出发，多变体执行（multi-variant execution，MVX）被广泛应用于网络安全防御，但多变体执行存在一个共性问题：即各路执行体向裁决器返回内容时，合路产生的误报难以解决。排除机器环境等客观因素，产生误报是因为表决器收到合路信息后开始对非一致变量作安全判断，除真实攻击造成的非一致变量外，还夹杂着正常系统运行产生的非一致变量（如内存描述符、端口号、随机数、代码及进程内的线程调用顺序），从而造成表决器误判，影响多变体系统正常运行。如果能降低多变体执行的误报率，则可以有效地提高系统效率及防御能力。对近年来多变体执行的类型进行归类，并对多变体执行产生的误报问题及解决策略进行归纳总结，分析多变体执行产生表决误报的原因，选择Pina算法进行同步的策略、编译器模块插桩的策略、缩小表决边界的策略，对三种方案在特定应用场景下进行实验分析，分析每个方法的功能及性能，指出各自策略的优点及缺点。最后讨论现有多变体执行现有技术未解决的难点和未来的研究方向。

• 基于ECC-ZKP的农产品供应链可控身份管理与认证模型

  王金威,张绍华,李超,

  基于区块链的农产品供应链中，当参与主体数量规模越来越大时，节点与企业之间的1：1匹配关系将造成节点数量众多，从而造成网络开销大、共识效率低等问题。针对这些问题，引入中间件使得节点与企业之间1：1关系变为1：n的关系，对所涉及到的企业身份管理以及相互之间的认证，提出一种基于ECC-ZKP（elliptic curve cryptosystem-zero—knowledge proof）的可控身份管理与认证模型，实现身份的可控管理和完成可信交易前所需要的身份认证。通过模型分析和仿真实验分析结果表明，该模型能够提供较高的安全性，能够有效进行身份的管理和认证，且节点与企业之间1：n关系相比较于1：1关系减少了网络开销并提高了共识效率。

• 基于交易特征对以太网多类型非法账户的分析与预测

  周健,闫石,张杰,黄世华,

  日益频繁的非法交易行为妨害以太坊安全交易，针对电子货币的匿名性使得非法交易行为难于跟踪分析问题。将以太坊平台交易数据作为数据源，以被标记的非法账户和未标记的正常账户数据集作为训练集，利用交易数据的特征属性为构造基础，通过CatBoost算法对其中包含多种类型的非法账户进行整体预测。其过程通过T-SNE算法实现交易特征的降维可视化，采用多倍交叉验证，引入SHAP value因子判断特征影响的正负属性，所建立模型的预测效果准确率达到了94.29%，感受者曲线下面积（AUC）数值的评估度量达到了0.984 6。该方案能较为准确地预测以太坊交易平台上存在的非法行为，有效改善基于区块链的交易环境。

• 未知环境下多AUV协同避障方法研究

  刘亚,曾俊宝,

  针对多AUV（autonomous underwater vehicle）系统在未知环境中进行路径规划时难以兼顾避障与编队的问题，提出了一种基于领航—跟随者与行为的多AUV协同避障方法。首先，通过构造碰撞危险度及偏离目标评价函数，设计了AUV局部路径规划方法；在此基础上，结合编队控制方法，分别为领航者和跟随者设计不同的行为以及行为选择模式。半物理仿真实验结果表明，该算法能够实现多AUV系统在未知环境中的协同避障，且队形偏离度与恢复队形时间优于传统多机器人避障算法。实验结果证明了该算法的可行性与有效性。

• 强化信息交流的堆优化算法及其机器人路径规划

  张贝,闵华松,张新明,

  堆优化算法（HBO）是最近提出的一种新型和优秀的智能优化算法，但需完善并拓展其应用领域。针对HBO信息交流不足导致其搜索能力不强的缺陷，提出了一种改进的HBO，即强化信息交流的HBO （information interchange strengthened HBO，ISHBO）。首先，采用一种自身交流机制用于HBO中最高领导者的状态更新，解决因它无直接领导和同事无法参与搜索过程从而导致搜索效率低下的问题；其次，提出了一种精英反向交流策略和一种精英引导的自由交流策略，以突破当前个体仅与直接领导及同事交流的限制；最后，将以上两种交流策略有机融合用于HBO随机选择的三个个体的状态更新上以提高其搜索能力。大量的、不同类型的和不同维度的函数优化实验结果表明，与HBO以及其他先进算法相比，ISHBO的搜索能力更强。另外，智能优化算法用于机器人路径规划的仿真结果也表明，ISHBO在解决实际优化问题上具有更强的竞争性。

• 传播结果的同源分析

  杨旋,徐贝澄,姚畅,黄浩,

  传播结果的同源分析旨在识别出哪些历史传播结果是由同一组传播源头产生的。使用伯努利混合模型对传播结果的同源分析问题进行建模求解，同一组源头产生的传播结果对应一个伯努利分量，而伯努利分量的参数反映源头的影响在各点的传播到达概率；基于该模型和观测数据构建对数似然函数，并使用EM算法求解其中的伯努利参数，确定同源分析的结果。大量实验结果证明，对比于传统聚类算法，提出算法同源聚类的准确度更高，能够更高效准确地对传播结果数据进行同源分析。

• 基于Im2col的并行深度卷积神经网络优化算法

  胡健,龚克,毛伊敏,陈志刚,陈亮,

  针对大数据环境下并行深度卷积神经网络（DCNN）算法中存在数据冗余特征多、卷积层运算速度慢、损失函数收敛性差等问题，提出了一种基于Im2col方法的并行深度卷积神经网络优化算法IA-PDCNNOA。首先，提出基于Marr-Hildreth算子的并行特征提取策略MHO-PFES，提取数据中的目标特征作为卷积神经网络的输入，有效避免了数据冗余特征多的问题；其次，设计基于Im2col方法的并行模型训练策略IM-PMTS，通过设计马氏距离中心值去除冗余卷积核，并结合MapReduce和Im2col方法并行训练模型，提高了卷积层运算速度；最后提出改进的小批量梯度下降策略IM-BGDS，排除异常节点的训练数据对批梯度的影响，解决了损失函数收敛性差的问题。实验结果表明，IA-PDCNNOA算法在大数据环境下进行深度卷积神经网络计算具有较好的性能表现，适用于大规模数据集的并行化深度卷积神经网络模型训练。

• 基于观测空间关系提取的多智能体强化学习

  许书卿,臧传治,王鑫,刘鼎,刘玉奇,曾鹏,

  针对多智能体系统（multi-agent systems，MAS）中环境具有不稳定性、智能体决策相互影响所导致的策略学习困难的问题，提出了一种名为观测空间关系提取（observation relation extraction，ORE）的方法，该方法使用一个完全图来建模MAS中智能体观测空间不同部分之间的关系，并使用注意力机制来计算智能体观测空间不同部分之间关系的重要程度。通过将该方法应用在基于值分解的多智能体强化学习算法上，提出了基于观测空间关系提取的多智能体强化学习算法。在星际争霸微观场景（StarCraft multi-agent challenge，SMAC）上的实验结果表明，与原始算法相比，带有ORE结构的值分解多智能体算法在收敛速度和最终性能方面都有更好的性能。

• 基于超图网络的产品设计知识智能推荐方法研究

  刘高,黄沈权,龙安,王玉洁,朱晓辉,

  面向产品设计的知识管理系统中，为了提高知识库中海量设计知识推荐的效率和效果，从产品结构知识、过程知识以及知识标识三个维度构建了设计知识文档超图网络，利用hyper2vec技术建立了知识表示模型，生成了知识特征向量库。采用用户行为信息，提出了基于超边序列的Markov知识推荐模型，预测候选知识文档。通过知识特征向量相似度扩充候选集，建立个性化用户兴趣模型对候选推荐集进行过滤和排序。在冷镦机专利的知识服务系统中进行应用验证，实验表明该推荐方法在推荐准确度和多样性方面有着良好的效果，验证了其可行性和有效性。

• 基于矩阵分解双线性池化的多模态融合虚假新闻检测

  王婕,刘芸,纪淑娟,

  现有的大多数虚假新闻检测方法将视觉和文本特征串联拼接，导致模态信息冗余并且忽略了不同模态信息之间的相关性。为了解决上述问题，提出一种基于矩阵分解双线性池化的多模态融合虚假新闻检测算法。首先，该算法将多模态特征提取器捕捉的文本和视觉特征利用矩阵分解双线性池化方法进行有效融合，然后与虚假新闻检测器合作鉴别虚假新闻；此外，在训练阶段加入了事件分类器来预测事件标签并去除事件相关的依赖。在Twitter和微博两个多模态谣言数据集上进行了对比实验，证明了该算法的有效性。实验结果表明提出的模型能够有效地融合多模态数据，缩小模态间的异质性差异，从而提高虚假新闻检测的准确性。

• 融合外部属性的短时交通流预测研究

  王庆荣,吴玉玉,朱昌锋,王媛,

  针对现有交通流量预测算法大多仅考虑常态下的预测，而未考虑天气属性、周围地理属性对预测结果的影响，提出一种融合外部属性的组合预测模型（A-STIGCN）。首先，将外部属性作为路网中路段的属性，同时对路段的属性和交通特征进行建模，得到增强的特征向量。其次，采用图小波变换和自适应矩阵分别提取交通流局部和全局空间特征信息，并借助门控循环单元（GRU）对时间信息的长时记忆能力以提取其时间特性。最后，通过注意力机制来捕获时空动态变化性进行交通流预测。采用深圳出租车轨迹数据、对应天气数据以及POI数据进行预测，研究结果表明：A-STIGCN组合模型预测效果优于传统线性模型及变体模型，与未引入注意力机制的ASTGCN模型相比，MAE降低了约0.131，精度提高了0.068，与未引入外部因素的TGCN模型对比分析，MAPE降低了约0.637%，精度提高了0.079，从而更好地为交通管理提供指导意见。

• 基于SCDV及各向异性调整BERT的文本语义消歧方法

  李保珍,顾秀莲,

  文本表示需要解决文本词语的歧义性问题，并能够准确界定词语在特定上下文语境中的语义特征。针对词语的多义性及语境特征问题，提出了一种文本语义消歧的SCDVAB模型。其基于分区平均技术，将场景语料库转换为文档嵌入，并引入各向异性，改进了软聚类的稀疏复合文档向量（SCDV）算法，以提高BERT的语境化表示能力；将调整各向异性后的BERT词语嵌入，作为静态词语向量的文档嵌入，以提升文本语义消歧的能力。通过大量实验进一步证明，SCDVAB模型的效果明显优于传统的文本消歧算法，可有效提高文本语义消歧的综合性能。

• 考虑客户价值的卡车与无人机联合配送时变路径优化方法

  温廷新,吕艳华,

  针对拥堵情况日益严重导致的物流业配送时效不高、客户价值低等问题，综合考虑客户价值和成本等因素，提出了一种卡车与无人机联合配送时变路径的优化方法。考虑到配送过程中不同时段的拥堵情况，采用速度分布函数刻画车辆的行驶速度，同时考虑客户的时间窗、车辆的载重和无人机的载重等约束条件，建立了成本最小的数学模型。根据模型的特点，引入K-means对客户的位置进行聚类，设计混合的粒子群算法对模型进行求解。最后通过Solomom数据进行模拟仿真实验，对模型和算法的有效性进行验证。实验结果表明，与未考虑客户价值静态路网模型相比，该模型在降低9.32%成本的情况下，同时提高了16.83%的客户价值和21.28%的客户满意度，所提算法在降低配送成本和提高企业经济效益方面具有一定的有效性。

• 基于任务与巡航方向相关性分析的无人机任务分配

  何杏宇,付冲,杨桂松,赵子豪,李梓源,

  在有限能耗下提高任务执行效率是无人机系统中一个关键问题，然而现有的无人机任务分配方法忽视任务与无人机巡航方向的相关性对能耗和时延的影响。为此，提出一种基于任务与巡航方向相关性分析的无人机任务分配方法，该方法包括任务筛选和基于共识的冲突解决两个阶段。在第一阶段，该方法首先利用任务与无人机巡航方向的夹角为单个无人机筛选出无折返任务，然后提出兼顾能耗和时间紧迫性的任务筛选算法从无折返任务中筛选出交互前候选任务。在第二阶段，该方法在多个无人机交互候选任务列表后，根据任务在这多个无人机巡航方向上的能耗效用参数和时延评估值来解决它们之间的任务冲突。经实验验证，提出的方法能够获得更低的任务平均能耗和平均时延。

• 融合差分变异和切线飞行的天鹰优化器

  徐亦凤,刘升,刘宇凇,张伟康,

  针对天鹰优化器（aquila optimizer，AO）虽然拥有强大的全局勘探能力，但局部开发能力不足的问题，提出融合差分变异和切线飞行的天鹰优化器（differential evolution mutation and tangent flight aquila optimizer，DEtanAO）。首先，根据差分进化算法中的变异操作能使算法具有较强的开发能力弥补了AO算法的不足，然后，利用切线搜索算法中切线飞行策略具有较强的探索搜索空间的能力并能使算法跳出局部最优解的优势，用其替换了AO算法中的莱维飞行。这两种策略的结合有效地平衡了DEtanAO算法的勘探和开发阶段。最后，为验证DEtanAO算法的优化性能，在12个标准基准函数、高维函数、Wilcoxon秩和检验以及工程优化问题上来测试改进算法的寻优能力。实验结果表明，相比其他智能算法，DEtanAO算法具有更强的寻优能力和更快的收敛速度。

• V2X环境下主干路相邻交叉口多目标协同优化模型研究

  赵红专,吴浩,卢宁宁,展新,顾国斌,王涛,

  针对城市主干路相邻交叉口之间因缺乏信息交互而不能有效协同，导致主干路运行效率较低的问题，提出一种V2X（vehicle to everything）环境下的城市主干路相邻交叉口多目标协同优化模型。以V2X技术实时获取交通量、速度特性为切入点，以交通负荷为关键参数，根据不同车道功能进行权重衡量，同时，引入舒适性和行程时间作为协同区域优化参数，以其加权量作为模型综合评价指标，进而构建城市主干路相邻交叉口多目标协同优化模型。最后，为了验证模型的有效性，通过NSGA-Ⅱ（non-dominated sorting genetic algorithm-Ⅱ）算法对实例进行仿真，得到优化目标的Pareto前沿，分析结果表明：关键区域的综合交通负荷降低约19.9%，协同区域主干路通行的速度变化率减少约28.37%、行程时间减少约3.46%，可以有效提高城市主干路通行效率。

• 基于分层强化学习的自动驾驶车辆掉头问题研究

  曹洁,邵紫旋,侯亮,

  调头任务是自动驾驶研究的内容之一，大多数在城市规范道路下的方案无法在非规范道路上实施。针对这一问题，建立了一种车辆掉头动力学模型，并设计了一种多尺度卷积神经网络提取特征图作为智能体的输入。另外还针对调头任务中的稀疏奖励问题，结合分层强化学习和近端策略优化算法提出了分层近端策略优化算法。在简单和复杂场景的实验中，该算法相比于其他算法能够更快地学习到策略，并且具有更高的掉头成功率。

• 基于end-to-end深度强化学习的多车场车辆路径优化

  雷坤,郭鹏,王祺欣,赵文超,唐连生,

  为提高多车场车辆路径问题（multi-depot vehicle routing problem，MDVRP）的求解效率，提出了端到端的深度强化学习框架。首先，将MDVRP建模为马尔可夫决策过程（Markov decision process，MDP），包括对其状态、动作、收益的定义；同时，提出了改进图注意力网络（graph attention network，GAT）作为编码器对MDVRP的图表示进行特征嵌入编码，设计了基于Transformer的解码器；采用改进REINFORCE算法来训练该模型，该模型不受图的大小约束，即其一旦完成训练，就可用于求解任意车场和客户数量的算例问题。最后，通过随机生成的算例和公开的标准算例验证了所提出框架的可行性和有效性，即使在求解客户节点数为100的MDVRP上，经训练的模型平均仅需2 ms即可得到与现有方法相比更具优势的解。

• 基于改进HBA算法的生鲜闭环供应链网络鲁棒优化设计

  董海,林国栋,

  针对生鲜闭环供应链网络设计问题，建立了一种基于生鲜闭环供应链网络的鲁棒优化模型，以解决供应链网络中的不确定性问题。首先，针对涵盖五个节点的生鲜供应链网络结构建立了多周期、多产品，以最小化成本、最小环境影响为目标的混合整数规划模型，采用模糊折中规划与区间数据鲁棒优化方法进行处理；其次，在原有蜜獾算法的基础上引入差分进化原则，增强算法的全局搜索能力与收敛速度；最后，通过MATLAB数值分析与仿真实例表明，所提鲁棒优化模型与蜜獾算法在求解生鲜闭环供应链网络设计问题中具有明显优势。

• 采用混合搜索策略的阿奎拉优化算法

  付小朋,王勇,冯爱武,

  针对阿奎拉优化算法（AO）存在的不足，提出一种采用混合搜索策略的阿奎拉优化算法（HAO）。首先，利用动态调整函数平衡算法的全局探索与局部开发；其次，利用混沌自适应权重来增强算法的全局搜索能力、加快算法的收敛速度；最后，设计新的个体变异概率系数，采用改进型差分变异策略，利用适应度值较优个体引领群体中其他个体开展搜索活动，保持了种群的多样性，增强了算法跳出局部最优的能力。通过八个基准测试函数和10个CEC2019测试函数，以及一个工程应用问题的数值实验仿真对所提算法进行实验验证。实验结果表明，所提算法的全局收敛速度和优化精度均得到了明显地改善，跳出局部最优的能力得到了增强。

• 结构正则化多视图非负矩阵分解

  连佳琪,王毅刚,储志伟,尹学松,

  现存非负矩阵分解（non-negative matrix factorization，NMF）研究多考虑单一视图分解数据，忽略了数据信息的全面性。此外，NMF限制其获取数据的内在几何结构。针对以上问题，提出一个结构正则化多视图非负矩阵分解算法（structure regularized multi-view nonnegative matrix factorization，SRMNMF）。首先，通过主成分分析来对数据进行全局结构的判别式学习；其次，利用流形学习来捕获数据的局部结构；然后，通过利用多视图数据的多样性和差异性来学习表征。模型提升了算法聚类的整体性能，更加有效地挖掘数据的结构信息。此外，采用高效的交替迭代算法优化目标函数得到最优的因子矩阵。在六个数据集上与现存的代表性方法进行比较，所提出的SRMNMF的准确率、NMI和Purity分别最大提高4.4%、6.1%和4.05%。

• 考虑随机变量影响的混合多属性决策方法研究

  耿秀丽,张语轩,

  针对多属性决策问题中评价存在混合异质信息的情况，提出了模块化随机折中解决排序法（modular random measurement alternatives and ranking according to compromise solution，Mo-RMARCOS），该方法无须将信息统一，减少了信息处理中的损失。考虑到属性值为随机变量的情形，将随机变量分解为随机向量，由随机向量不同阶段的概率分布确定整体随机变量的概率分布；针对不确定性的其他定性信息，采用直觉模糊数进行表达和处理，采用改进离差最大化法确定不同属性的权重并利用MARCOS有效客观的优势对方案排序，最后以某新能源汽车锂电池供应商选择为例验证了所提方法的有效性。

• 基于改进自适应黑洞机制的引力搜索算法

  许文俊,王锡淮,肖健梅,顾俊瑜,

  针对基本引力搜索算法（gravity search algorithm，GSA）易早熟、易陷入局部最优、缺少有效加速机制等缺点，提出了基于改进自适应黑洞机制的GSA（improved adaptive black hole gravity search algorithm，IABHGSA）。通过改进Tent映射对种群初始化，使得初始种群的分布更随机、均匀、全面，增强算法的全局勘探能力；引入改进自适应黑洞机制，根据粒子进化情况选择位置更新策略，使得位置更新更为合理，有效减小粒子陷入局部最优的可能性；通过基于学习思想的最优与最差粒子更新策略增强算法逃离局部最优的能力，并提高算法的寻优速度；引入群体迁徙，为算法提供有效的加速收敛机制。最后，选取八个基准测试函数对IABHGSA进行测试，并与相关算法的实验结果进行了对比，结果证明IABHGSA有更好的寻优性能。

• 带有超长方体约束的少数类样本生成机制

  贺作伟,陶佳晴,冷强奎,翟军昌,孟祥福,

  合成少数类过采样技术（SMOTE）是解决类不平衡问题的有效方法之一。但是，SMOTE的线性插值机制将合成样本限制在原始样本的连线上，导致新样本缺乏多样性，并且这条连线穿过多数类区域时可能会生成噪声样本。针对上述问题，提出一种带有超长方体约束的少数类样本生成机制。该机制使用超长方体作为新样本的生成区域来代替线性插值，以增加合成样本与原始样本的差异性。并通过检测超长方体内是否存在多数类样本来决定是否修正此超长方体，从而防止新合成样本落入多数类区域内。使用所提机制替换线性插值，并集成在SMOTE、Borderline-SMOTE和ADASYN三种过采样方法中，然后在KEEL的11个标准数据集上进行了实验评估。结果表明，相比于原始方法，集成后的方法能够帮助分类器取得更高的F1值和相当的G-mean。这说明超长方体生成机制能够显著改善分类器对少数类样本的识别能力，并且能够兼顾到多数类样本。

• 基于树宽的警示传播算法收敛性分析

  谢志新,王晓峰,于卓,曹泽轩,吴宇翔,莫淳惠,

  警示传播算法作为一种基本的信息传播算法，其收敛时求解可满足性问题十分有效，但因子图结构较为复杂时，算法往往不收敛导致求解失败。为了对这种现象给予理论解释，同时对警示传播算法收敛性进行有效分析，利用树分解方法构造了命题公式对应因子图的树宽度量模型，计算可满足随机实例的树宽。建立树宽与警示传播算法收敛性之间的关系，给出了基于树宽的警示传播算法收敛性判定条件。通过实验分析，结果表明该方法有效，对于分析其他信息传播算法收敛性分析研究具有十分重要的意义。

• 基于特征分解的快速位姿图优化算法

  李雨洁,魏国亮,蔡洁,王苗苗,

  位姿图优化（pose graph optimization，PGO）是计算机视觉领域中广泛应用的高维非凸优化算法，很难直接求解，主要依赖于迭代技术，对初始值的质量要求较高，在实践中很难得到保证。针对位姿图优化问题进行了研究，提出了基于特征分解的位姿图简单封闭解算法，该算法首先对PGO问题的最大似然估计进行半定松弛，然后将其转换为特征分解问题，并利用数据的稀疏性设计了改进的模型降阶方法进行求解，进一步提高了算法的计算速度。算法具有可伸缩性、计算成本低和精度高等优点。最后，在模拟和真实的位姿图数据集上进行实验评估，结果表明在不影响精度的情况下，该算法可以快速地进行位姿图优化。

• 门诊动态溢流排队系统感性和理性退出率分析

  李军祥,卢宜玲,潘龙博,

  在现实医疗服务中，面对医生座席数量供不应求的现状，采用传统的双队列独立排队系统很难高效利用医院资源。对此，在不改变医院现有资源的情况下设置系统动态用来合理配比各门诊患者容量，在传统双队列独立排队系统的基础上建立动态溢流门诊排队生灭模型，并考虑患者在感性与理性因素下退出系统的概率，便于更准确地分析系统的真实状态。借助ProModel这一灵活、可靠的离散事件仿真软件，将模型可视化研究，并与传统的门诊排队模型进行对比分析。仿真结果显示，新型排队模型的队列平均长度、患者等待时间等服务指标均优于传统的排队模型。

• 基于整数线性规划的VLIW DSP指令分簇调度

  周鹏,刘纯纲,郑启龙,

  在分簇VLIW DSP上，指令分簇是一项对程序性能有重要影响的编译优化，但现有的指令分簇算法只能处理顺序的程序区域，且难以获得最佳的分簇方案。针对这些问题，提出一种基于整数线性规划的统一指令分簇与指令调度的方法。该方法使用0-1决策变量表示函数中指令的分簇、指令的局部调度以及簇间传输指令的全局调度，并将指令之间的依赖关系和对处理器资源的竞争关系构造为线性约束，最终得到一个以最小化函数的估计执行时间为目标的整数线性规划模型。实验结果表明，求解该模型得到的分簇调度方案对程序性能的优化显著强于现有算法，并且求解模型所耗费的时间是可接受的。

• 基于目标的域随机化方法在机器人操作方面的研究

  张夏禹,陈小平,

  使用强化学习解决机器人操作问题有着诸多优势，然而传统的强化学习算法面临着奖励稀疏的困难，且得到的策略难以直接应用到现实环境中。为了提高策略从仿真到现实迁移的成功率，提出了基于目标的域随机化方法。使用基于目标的强化学习算法对模型进行训练，可以有效地应对机器人操作任务奖励稀疏的情况，得到的策略可以在仿真环境下良好运行。与此同时在算法中还使用了目标驱动的域随机化方法，在提高策略泛用性以及克服仿真和现实环境之间的差距上有着良好的效果，仿真环境下的策略容易迁移到现实环境中并成功执行。结果表明，使用了基于目标的域随机化方法的强化学习算法有助于提高策略从仿真到现实迁移的成功率。

• 考虑零件功能性削减的多目标拆卸方案决策

  王伏林,廖显羲,冯显东,张程栋,冷细元,

  为解决零件价值高低界限模糊、废旧产品拆卸深度不合理的问题，提出一种考虑零件功能性削减的产品多目标拆卸方案决策方法。分析零件具体损伤对拆卸工具、方向、约束状态的影响，建立损伤情况下的拆卸信息模型；结合各损伤形式对零件接触面功能性的削减作用，提出一种考量零件在产品中综合重要性的剩余价值排序方法，并由此建立一种动态的拆卸目标件选取模型；面向拆卸过程的经济性，建立包含“价值构成”和“成本构成”的目标函数，采用自适应遗传算法进行序列规划求解，并反向决策零件的回收去向；以受损的减速器为例，获得产品的最佳拆卸深度和各零件的回收去向，充分挖掘零件的利用价值，验证所提方法的经济性与科学性。

• 面向应用的RGB-D机器人道路坡度融合估计方法

  凌晨飞,党淑雯,陈丽,

  为提高机器人在移动路径中对道路坡度的估计精度，提出一种面向应用的RGB-D（red green blue-depth）机器人融合型道路坡度估计方法。首先，引入随机采样一致性算法完成点云处理；其次，采用改进型平面拟合方法完成法向量估计；最后，采用余弦聚类及累加平均方法实现高精度道路坡度估计。实验结果表明，该算法在数据集下相较最小二乘法与稀疏子空间法，估计误差分别降低1.21%、2.13%，在实际环境下较最小二乘法平均误差降低1.43°，这证明了所提方法的可行性和准确性。

• 面向软件定义网络的可变粒度数字孪生构建技术

  陈何雄,吴佳平,韦云凯,郭威,杭菲璐,毛正雄,杨宁,

  软件定义网络（software defined network，SDN）应用范围的扩大带来了应用需求多样化的挑战。利用数字孪生（digital twin，DT）增强SDN的实时分析、推演和控制能力，能更好地满足各种应用场景需求。然而，当前SDN的数字孪生构建面临着时延需求高、计算开销大、资源协调难的问题。因此，以应用需求为导向，在网络可用计算资源约束下，提出了一种新型的可变粒度数字孪生（variable granularity digital twin，VGDT）思想及其构建技术。VGDT结合网络可用计算资源分布特征，建立了保证数字孪生时延和完整度的多节点资源协同优化模型。在此基础上，利用混合编码遗传算法对该模型进行求解，获得最佳映射数据粒度和数字孪生部署方案，指导数字孪生的构建过程。仿真结果表明，与现有模式相比，在网络计算资源约束下，VGDT具有更高的数字孪生模型完整度和有效性。

• 移动边缘计算网络下的服务功能链部署优化设计

  陈嘉亮,王丰,张潇,

  为解决移动边缘计算网络中面向用户的服务功能链部署算法系统成本支出过大、响应时间长的难题，提出了针对服务功能链成本与时延联合优化设计的方法。首先，在服务功能链构建阶段，根据节点位置和资源状况，选择当前最佳节点减少虚拟网络功能（virtualized network function，VNF）间的时延以提高服务功能链的响应时间。其次，在服务功能链部署阶段，由于映射资源有限，在服务映射节点时应用节点选取算法确定最佳节点映射排列顺序，并从中选取最短加权路径作为各VNF间的通信链路。实验仿真结果表明，相比于已有方案，该方法能有效降低时延和部署成本，并能显著提高服务功能链部署的成功率。

• 基于OLSR协议的无人机自组网多径路由策略

  姚玉坤,张本俊,任丽丹,

  针对现有文献在研究路由协议时选择的路由度量未能结合无人机自组织网络当时的性能水平进而造成路由决策不合理的问题，提出了一种具有负载感知和网络拓扑变动感知能力的多指标多径优化链路状态路由协议（optimized link state routing protocol based on multi-indicator and multi-path，MIMP-OLSR）。该协议首先考虑了无人机场景的节点移动特性和网络的生存时间，并定义了三个用于进行路由选择的指标，即节点的MAC层阻塞度、节点的邻居变化率和节点的多点中继选择节点（multi-point relay selector，MPR_S）邻居数目；其次，结合HELLO和TC两种控制消息提出了一种指标通告机制，用于将指标信息洪泛给全网节点；最后，根据指标信息提出了一种多径路由方案。仿真结果表明，与OLSR、SETT_MPOLSR和UAV-OLSR协议相比，所提协议MIMPOLSR在成功率、端到端时延和吞吐量性能上均有明显提高，进而证明所提多径路由方案的合理性。

• 基于iForest和LOF的流量异常检测

  杭菲璐,郭威,陈何雄,张振红,易东阳,

  异常检测在现代大规模分布式系统的安全管理中起着重要作用，而网络流量异常检测则是组成异常检测系统的重要工具。网络流量异常检测的目的是找到和大多数流量数据不同的流量，并将这些离群点视为异常。由于现有的基于树分离的孤立森林（iForest）检测方法存在不能检测出局部异常的缺陷，为了克服这个缺陷，提出一种基于iForest和局部离群因子（LOF）近邻集成的无监督的流量异常检测方法。首先，改进原始的iForest与LOF算法，在提升检测精度的同时控制算法时间；然后分别使用两种改进算法进行检测，并将结果进行融合以得到最终的检测结果；最后在自制数据集上对所提方法进行有效性验证。实验结果表明，所提方法能够有效地隔离出异常，获得良好的流量异常检测效果。

• 安全增强的智能电网轻量级匿名认证方案

  丁志帆,胡洪波,杨庆余,肖思远,

  现有的智能电网身份认证方案大多存在计算成本高和认证流程复杂的问题，不适用于智能电网中资源受限的智能设备。而一些轻量级的方案却存在多种安全漏洞，这些方案都无法在效率和安全性之间实现所需的权衡。针对上述问题，基于椭圆曲线加密算法设计了一个增强的可证明安全的智能电网轻量级匿名认证方案。引入辅助验证器，摆脱在认证阶段对于电力供应商的依赖，在保护智能电表真实身份的条件下实现网关和智能电表之间的相互认证。同时，可以通过伪身份对恶意智能电表进行身份的溯源和撤销。通过在随机预言模型下的安全性分析和仿真工具ProVerif证明了方案具备较高的安全属性。性能分析表明，所提方案能够满足智能电网环境下对于安全性和高效性的要求。

• 格上基于身份的可链接环签名方案

  刘梦情,汪学明,

  为了抵抗量子算法的攻击和应对恶意签名者利用环签名技术的完全匿名性输出多个签名从而进行双重开销攻击这一缺陷，同时为了解决不必要的系统开销浪费问题，提出了一种新的格上基于身份的可链接环签名方案。该方案以格上近似最短向量问题为安全基础，将该问题的求解归约于碰撞问题的求解，利用矩阵向量间的线性运算生成签名，同时结合了基于身份的密码技术。解决了系统开销浪费问题，不涉及陷门生成和高斯采样等复杂算法，提高了签名效率，降低了存储开销，并在随机预言模型下验证了方案满足完全匿名性和强存在不可伪造性。经分析，该方案是一个安全高效的环签名方案。

• 一种mIBS方案的分析与改进

  陈明,冷建华,

  魏松杰等人提出一种基于安全仲裁SEM（security mediator）的mIBS（identity based signature）方案，利用SEM节点实现用户身份实时撤销。mIBS方案中，SEM持有部分用户私钥，与签名者共同完成签名。对mIBS方案进行了安全性分析，发现该方案存在严重安全缺陷，并给出一个具体的攻击实例。在攻击实例中，签名者通过与SEM的一次正常签名交互，窃取SEM持有的部分私钥，进而绕开SEM单独实施签名，使得SEM失效。提出一种改进的mIBS方案（记为mIBSG），对SEM持有的部分私钥增加了随机性保护。进一步，建立了mIBS方案安全模型mEUF-CMIA（existential unforgeability under adaptive chosen message and identity attacks），重点讨论了其敌手模型。除传统IBS敌手外，mEUF-CMIA模型定义第二种类型敌手模拟一个恶意但合法的签名者，通过访问随机预言机，在没有SEM参与的情况下独立产生签名。在mEUF-CMIA模型下，mIBSG方案的不可伪造性被归约为求解循环群上的CDH问题。对比分析表明，mIBSG方案以较小的计算代价实现了可证明安全性。mIBSG方案可用于构建基于IBC的跨域认证系统。

• 基于二进制序列的属性访问控制策略检索方法

  黄恒杰,潘瑞杰,王高才,秦利忠,

  在基于属性访问控制策略中，如何快速响应检索的访问控制请求至关重要，而通过遍历策略集合每条规则中的所有属性值去匹配相应规则的检索方法是低效的。提出一种基于二进制序列的属性访问控制策略检索方法，采用二进制标志和二进制编码表示基于属性的访问控制策略和访问控制请求，通过对二进制标志的逻辑运算选择合适的分组，在组内，通过访问控制请求的二进制编码和所有规则的二进制编码的匹配来查找合适的规则，减少策略集合内规则的属性与访问控制请求属性匹配的过程，从而提高策略检索效率。在实验中从策略预处理、策略评估时间和策略检索总时间三个方面类比相似检索方法的效率，实验结果表明，提出的策略检索方法具有更高的检索效率。

• 基于混合云架构的深度语义密文检索

  李剑,矫健,

  针对传统的云环境下密文检索方案基于统计学模型来生成文件向量和检索向量，并没有考虑文件和请求的深层次语义信息，提出一种基于混合云架构的深层次语义密文检索模型。通过私有云联邦学习神经网络模型构建向量生成模型，通过公有云存储密文数据。另外，提出密倒排索引表来存放文件向量，在公有云的检索过程中，保证检索信息不被泄露的情况下提高检索的效率。对真实数据集的分析和实验表明，提出的方案在安全性和搜索效率方面都优于目前同类型的密文检索方案。

• 一种面向低轨卫星网络的高效无证书身份认证方案

  张毅,吴奇,周霜霜,贾梦朝,

  针对现有低轨卫星网络认证方案采用集中认证方式存在认证时延大和采用复杂的双线性映射存在计算开销大的问题，引入无证书认证模型，在Gayathri方案的基础上；设计了一种高效无证书认证方案。该方案将用户的公钥和真实身份统一起来，使得认证过程中不需要第三方参与，降低了认证时延；通过椭圆曲线上少量点乘和点加运算构建认证消息，避免使用双线性映射，降低了计算开销；并在随机预言模型下，基于椭圆曲线离散数学对问题假设，对其安全性进行了证明。最后，通过实验仿真，与现有低轨卫星身份认证方案相比，所提方案的认证时延、计算开销和通信开销较低。

• 贪心非对称深度有监督哈希图像检索方法

  赵昕昕,李阳,苗壮,王家宝,张睿,

  近年来，深度有监督哈希检索方法已成功应用于众多图像检索系统中。但现有方法仍然存在一些不足：一是大部分深度哈希学习方法都采用对称策略来训练网络，但该策略训练通常比较耗时，难以用于大规模哈希学习过程；二是哈希学习过程中存在离散优化问题，现有方法将该问题进行松弛，但难以保证得到最优解。为解决上述问题，提出了一种贪心非对称深度有监督哈希图像检索方法，该方法将贪心算法和非对称策略的优势充分结合，进一步提高了哈希检索性能。在两个常用数据集上与17种先进方法进行比较。在CIFAR-10数据集上48 bit条件下，与性能最好的方法相比，mAP提高1.3%；在NUS-WIDE数据集上所有比特下，mAP平均提高2.3%。在两个数据集上的实验结果表明，该方法可以进一步提高哈希检索性能。

• 一种具有平衡标签预测能力的在线哈希算法

  何硕,谢良,

  针对传统离线哈希算法训练模型耗时、占用内存大和不易更新模型的问题，以及现实图像集的标签存在大量损失的现象，提出了一种能够平衡标签预测的在线哈希算法（BLPOH）。BLPOH通过标签预测模块生成预测标签，并融合残缺的真实标签，能够有效缓解因标签损失导致的模型性能下降。观察到标签存在分布不平衡现象，提出标签类别相似性平衡算法并应用于标签预测模块，提升标签预测的准确性。将旧数据的信息加入哈希函数的在线更新过程，提升模型对旧数据的兼容性。通过在两个广泛使用的数据集上进行实验，并和一些当前先进的算法进行对比，结果证实了BLPOH的优越性。

• 面向WSI的乳腺病理亚型分类研究

  陈金令,李洁,赵成明,刘鑫,

  为实现乳腺病理WSI图像的精准分类，提出了一种基于混合连接的门控卷积神经网络分类方法。搭建了局部残差连接和全局稠密连接的混合模块，将压缩激活门控单元嵌入混合模块，建立了混合模块与过渡层交替连接的骨干网络。结合基于四叉树分割的图像数据增强方法训练模型，基于BreastSet临床数据集的实验结果得出，该方法的图像级、患者级和病理级准确率分别达到92.24%、92.83%和92.18%，相较其他方法，其准确率提高，参数量和计算量降低，更具有临床应用价值。

• 融合IMU去除运动模糊的改进光流匹配算法

  栾小珍,魏国亮,蔡洁,

  为进一步提高视觉SLAM中的光流匹配精度和速度，提出一种融合惯性测量单元（inertial measurement unit，IMU）去除运动模糊的改进光流匹配算法。该算法首先利用IMU运动信息计算的点扩散函数去除运动模糊，提高特征点匹配率；其次在LK（Lucas-Kanade）光流的基础上引入梯度误差，并使用图像梯度L1范数作为正则项模拟稀疏噪声，构建代价函数；然后利用IMU预测特征点位置作为该算法初始值，并加入BB（BarzilarBorwein）步长改进原有的高斯牛顿算法，提高计算速度。实验表明，通过两帧之间的比较，该算法的效率和精度均优于LK光流法；然后将该算法集成到VINS-Mono框架，在数据集EuRoC上的结果显示，该算法提高了原有框架的定位精度和鲁棒性。

• 基于多尺度残差网络的单应估计方法

  唐云,帅鹏飞,蒋沛凡,邓飞,杨强,

  单应估计是许多计算机视觉任务中一个基础且重要的步骤。传统单应估计方法基于特征点匹配，难以在弱纹理图像中工作。深度学习已经应用于单应估计以提高其鲁棒性，但现有方法均未考虑到由于物体尺度差异导致的多尺度问题，所以精度受限。针对上述问题，提出了一种用于单应估计的多尺度残差网络。该网络能够提取图像的多尺度特征信息，并使用多尺度特征融合模块对特征进行有效融合，此外还通过估计四角点归一化偏移进一步降低了网络优化难度。实验表明，在MS-COCO数据集上，该方法平均角点误差仅为0.788个像素，达到了亚像素级的精度，并且在99%情况下能够保持较高的精度。由于综合利用了多尺度特征信息且更容易优化，该方法精度显著提高，并具有更强的鲁棒性。

• 基于群智感知的街景变化检测方法

  钟委钊,陈荟慧,

  移动群智感知数据包含的图像和时空情境信息可用于检测街景图像变化，但是群智感知数据通常是低质和不规范的。为了准确检测街景发生的变化，主要解决由拍摄视角差异引起的数据低质问题。首先，针对大视差问题采用图像配准方法初步对齐图像并提取出配准特征点；然后，基于配准特征点分布从图像中提取感兴趣区域；随后，针对差值图像的误检内容，提出基于面积和多特征点的筛选法去除误检区域；最后，结合边缘检测和超像素分割算法提取完整的变化对象。与MDFNet方法进行比较，实验结果显示：当街景发生变化时，该方法的F1-measure值为55.8%，增长6%，错误率为10.8%，降低24%；当街景无变化时，该方法的错误率为2.8%，下降28%。

• 基于Transformer的图像分类网络MultiFormer

  胡杰,昌敏杰,熊宗权,徐博远,谢礼浩,郭迪,

  为解决目前ViT模型无法改变输入补丁大小且输入补丁都是单一尺度信息的缺点，提出了一种基于Transformer的图像分类网络MultiFormer。MultiFormer通过AWS（attention with scale）模块，将每阶段不同尺度输入小补丁嵌入为具有丰富语义信息的大补丁；通过GLA-P（global-local attention with patch）模块交替捕获局部和全局注意力，在嵌入的同时保留了细粒度和粗粒度特征。设计了MultiFormer-tiny、-small和-base三种不同变体的MultiFormer模型网络，在ImageNet图像分类实验中top-1精度分别达到81.1%、82.2%和83.2%，后两个模型对比同体量的卷积神经网络ResNet-50和ResNet-101提升了3.1%和3.4%；对比同样基于Transformer分类模型ViT，MultiFormer-base在参数和计算量远小于ViT-Base/16模型且无须大量数据预训练前提下提升2.1%。

• 应用于材料图像分割的Graph-UNet

  魏惠姗,韩越兴,王冰,陈侨川,

  小样本材料图像分割是图像分割领域的研究难点之一。材料图像的微观结构大多数形状各异、纹理复杂且边界模糊，会导致材料图像的分割不准确。Graph-UNet被提出融合U-Net和图卷积神经网络来解决小样本材料图像自动分割的挑战，它将卷积神经网络的多维特征融合和跳跃连接的思想迁移到图卷积神经网络中实现图卷积和图注意力的有效结合，并且建立了一个通用的模块实现特征图和图结构相互转换。在材料图像数据集上进行了对比和消融实验，证明了Graph-UNet的分割结果优于很多先进方法，准确地识别了多种材料结构，推动了探究材料结构和性能关系的发展。