计算机应用研究杂志

计算机应用研究杂志2022年第9期

• 基于深度学习的视频行为识别技术综述

  李晨,何明,王勇,罗玲,韩伟,

  行为识别（AR）是计算机视觉领域的研究热点，在安防监控、自动驾驶、生产安全等领域具有广泛的应用前景。首先，对行为识别的内涵与外延进行了剖析，提出了面临的技术挑战问题。其次，从时间特征提取、高效率优化和长期特征捕获三个角度分析比较了行为识别的工作原理。对近十年43种基准AR方法在UCF101、HMDB51、Something-Something和Kinetics400数据集上的性能表征进行比对，有助于针对不同应用场景选择适合的AR模型。最后指明了行为识别领域的未来发展方向，研究成果可为视频特征提取和视觉内容理解提供理论参考和技术支撑。

• 重构图视角下超级账本在物联网的应用研究综述

  冷泽琪,王坤昊,梁纬,郑月锋,

  在部署基于区块链的物联网应用中，出现了缺少细粒度隐私保护、事务处理效率低、高延迟、灵活性和动态性不足等方面的技术阻碍。为进一步推进区块链技术在物联网的普及和应用落地，致力于企业级标准的区块链技术的超级账本引起了研究界的广泛关注。然而在当前的研究中，缺少针对基于超级账本的物联网的客观综述。旨在以独特的视角回顾超级账本在物联网领域的研究。为更直观地展示差异和提供技术融合流程，提出了重构图的分析方法。重构是将文献中核心设计和原架构图融合，重新构造可以展示文献核心思想图的过程，该方法旨在将文献的核心思想可视化。最后，从低功耗共识算法、智能交易验证、链上链下混合存储和自定义激励机制四个方向对超级账本在物联网的未来研究进行展望和总结。

• 约束多目标进化算法研究进展

  朱亚文,周红标,李杨,徐浩渊,

  约束多目标进化算法（CMOEAs）能够同时处理多个相互冲突的目标函数和约束条件，引导种群逼向可行域的最优解，受到了研究者的广泛重视。首先介绍了约束多目标优化问题（CMOPs）的相关定义和多目标进化算法（MOEAs）的三种分类；其次，系统地分析了当前CMOEAs中约束处理机制，凝练出当前主要的四种约束处理方法；然后，从基于支配、基于指标、基于分解三个方面对CMOEAs的研究进展进行了详细综述；最后，指明了CMOEAs存在的挑战和未来研究方向。

• RB-Raft:一种抗拜占庭节点的Raft共识算法

  李淑芝,邹懿杰,邓小鸿,罗志琼,刘惠文,

  针对Raft算法无法抵抗拜占庭节点的攻击和日志易窜改等问题，设计了一种抵抗拜占庭节点的RB-Raft（resist Byzantine-Raft）算法。首先采用哈希链的方式对每一块日志进行迭代哈希处理，通过动态验证机制对日志进行验证，使得对leader节点的恶意行为具有一定的容错率，解决了日志伪造与验证的问题。其次，提出基于门限加密的遗书机制，使得candidate节点拉取选票具有合法性，防止拜占庭节点随意拉取选票更换leader节点的攻击，解决了拜占庭节点影响系统一致性的问题。实验结果表明，提出的RB-Raft算法具有抗拜占庭节点的能力，其日志识别率可以达到100%。同时，相比PBFT，该算法共识时延降低了53.3%，并且吞吐量提高了61.8%，适用于在不可信联盟链中进行共识。

• 无线物联网中局部有向无环图区块链研究

  杨昌霖,王继光,汪清,

  为了减少无线物联网中数据的存储需求和传输消耗，提出一种基于有向无环图（directed acyclic graph，DAG）的局部有向无环图区块链方案（local DAG blockchain，LDB）。该方案通过使无线物联网节点只需存储本身的数据区块以及邻居节点的区块哈希值，解决了节点的存储限制与传输消耗问题，并在保证数据安全的前提下减少数据验证的过程，提升了网络的整体使用率。同时，提出一种恶意节点检测机制，有效地检测网络中的恶意节点。仿真实验中，通过与IOTA在不同网络模型中对比，比较了LDB和IOTA的存储需求、传输消耗和链路负载。实验结果表明，在网络规模为500个节点时，LDB相比IOTA在节点存储空间上减少99.8%，平均传输消耗降低66.2%，最大负载减少约28倍。

• 基于句法分析及主题分布的关键词抽取模型

  王昊,刘丹,刘硕,

  针对TextRank算法在抽取篇章关键词时忽略句法信息、主题信息等问题，提出基于句法分析与主题分布的篇章关键词抽取模型（S-TAKE）。模型分为段落和篇章两阶段递进抽取篇章关键词，首先以段落为单位，结合词共现、语法及语义信息抽取段落关键词；然后根据段落主题对段落聚类，形成段落主题集；最后根据段落主题分布特征抽取篇章关键词。在公开的新闻数据集上，模型的抽取效果较原始TextRank提升了约10%。实验结果表明，S-TAKE的抽取效果有了明显提升，证明了语法信息及主题信息的重要性。

• 基于随机投影与集成学习的离群点检测算法

  郭一阳,于炯,杜旭升,曹铭,

  针对传统基于相似度的离群点检测算法在高维不均衡数据集上效果不够理想的问题，提出一种新颖的基于随机投影与集成学习的离群点检测（ensemble learning and random projection-based outlier detection，EROD）框架。算法首先集成多个随机投影方法对高维数据进行降维，提升数据多样性；然后集成多个不同的传统离群点检测器构建异质集成模型，增加算法鲁棒性；最后使用异质模型对降维后的数据进行训练，训练后的模型经过两次优化组合以降低泛化误差，输出最终的对象离群值，离群值高的对象被算法判定为离群点。分别在四个不同领域的高维不均衡真实数据集上进行对比实验，结果表明该算法与传统离群点检测算法和基于集成学习的离群点检测算法相比，在AUC和precision@n值上平均提高了3.6%和14.45%，证明EROD算法具有处理高维不均衡数据异常的优势。

• 基于用户潜在兴趣的知识感知传播推荐算法

  张波,赵鹏,张金金,曾昭菊,肖栩豪,

  知识图谱引入推荐系统可以利用知识图谱实体之间的语义关系学习用户及项目表示。基于嵌入传播的方法利用知识图谱的图结构学习相关特征，但随着传播范围增加，多跳实体间的语义相关性减小。为有效提升推荐语义表达能力并提高推荐准确度，提出基于用户潜在兴趣的知识感知传播推荐模型，该模型采用异构传播方式传播项目关联知识并迭代学习用户的潜在兴趣，以此增强模型对用户与项目的表示能力。具体地，首先图嵌入层生成用户与项目的初始化表示，随后在异构传播层中采用知识感知注意力机制区分同一层中实体之间的重要性，更精确生成目标实体的表示。随后通过用户潜在兴趣传播学习用户的高阶潜在兴趣，增强多跳实体语义相关性。最后在预测层中使用信息衰减因子区分不同传播层次的重要性，生成用户及项目的最终表示。实验表明，该模型在Last. FM与Book-Crossing两个公开数据集上AUC值相较于最先进的基线提升了2.25%与4.71%，F1值分别提升3.05%和1.20%，recall@K值均优于对比的基线模型，提出的模型能有效提高推荐准确度。

• 融合文本图卷积和集成学习的文本分类方法

  周玄郎,邱卫根,张立臣,

  为了提高文本分类的准确率并解决文本图卷积神经网络对节点特征利用不足的问题，提出了一种新的文本分类模型，其内在融合了文本图卷积和Stacking集成学习方法的优点。该模型首先通过文本图卷积神经网络学习文档和词的全局表达以及文档的语法结构信息，再通过集成学习对文本图卷积提取的特征进行二次学习，以弥补文本图卷积节点特征利用不足的问题，提升单标签文本分类的准确率以及整个模型泛化能力。为了降低集成学习的时间消耗，移除了集成学习中的k折交叉验证机制，融合算法实现了文本图卷积和Stacking集成学习方法的关联。在R8、R52、MR、Ohsumed、20NG等数据集上的分类效果相对于传统的分类模型分别提升了1.5%、2.5%、11%、12%、7%以上，该方法在同领域的分类算法比较中表现优异。

• 基于离散泊松混合模型的教学评价数据建模

  黄浩,颜钱,甘庭,李石君,

  分析学生在教学评价系统中对于教师的评价数据有助于教师了解学生对授课教师的真实态度，总结教学经验，改进后续的教学方式，提高教学质量。但是进行教学评价时，学生中可能会出现随意评价或者恶意评价等问题，导致评价数据中包含大量噪声，造成反馈数据的不理想。因此，提出了一种离散泊松混合模型来对包含噪声的学生评价数据进行建模，将混合模型中的每一个离散泊松分量对应一类具有相似评价模式的学生，借由离散泊松分布中的模型参数来表示对应评价模式中的评价分数。通过构建对数似然函数来衡量混合模型和评价数据的拟合程度，采用梯度下降的方法求解拟合程度最高的模型参数，找到学生对于教师的真实评价，保证教学评价系统中师生间的有效沟通。大量实验结果表明，模型能够快速准确地从含有噪声的评价数据中识别出具有不同评价模式的学生，掌握学生对于教师的真实评价情况。

• 融入教育心理学的SBO算法

  张雨婷,刘勇,

  针对SBO（school based optimization）算法搜索性能差、易陷入局部最优等缺陷，提出融入教育心理学的SBO算法（SBO based on educational psychology，SBO-EP）。在教阶段，引入最近发展区理论，对学生进行分组动态教学，提高算法的探索能力；引用成就动机理论加入自学阶段，针对每组学生的成就动机设计动态自学方式，提高算法的开发能力；在每轮学习过程结束后参考同伴效应设置班级重组操作，增加解的多样性。采用40个CEC2021测试函数和20个其他类型测试函数进行数值实验，并将SBO-EP算法与蚁群优化算法、基于球形矢量的粒子群优化算法、阿基米德优化算法、灰狼优化算法、教与学优化算法、融合认知心理学的教与学优化算法、学生心理学优化算法进行对比分析。结果表明，SBO-EP算法在收敛速度、寻优精度及稳定性上优势明显。最后，对三种策略的组合进行对比实验，验证了改进策略的有效性。

• 计及负荷不确定性的强化学习实时定价策略

  王菁祺,高岩,吴志强,李仁杰,

  面对当前电力系统的负荷不确定、新能源并网与双碳目标等现状，在充分考虑供需双方福利前提下，建立了智能电网背景下考虑负荷不确定与碳交易的实时定价模型，并基于强化学习能够处理变量复杂性、非凸非线性问题优点，采用强化学习中Q学习算法对模型进行迭代求解。首先，将用户与供电商实时交互过程转换为强化学习框架对应的马尔可夫决策过程；其次，通过智能体在动态环境中的反复探索表示用户与供电商的信息交互；最后，通过强化学习中的Q学习算法寻找最优值即最大社会福利值。仿真结果表明，所提实时定价策略能够有效提升社会福利，降低碳排放总量，这验证了所提模型和算法的有效性。

• 融合服务聚类与协作相似度的服务替换方法

  田雨晴,彭菲,王华东,胡强,

  当前服务替换方法多关注于替换服务与失效服务在功能和质量层面的匹配，缺乏对两者协作关系的考量。针对上述问题，提出一种融合服务聚类与协作关系的服务替换方法。首先，利用服务之间的组合关系构建服务协作图谱，基于node2vec进行序列采样并生成协作向量，进而计算服务之间的协作相似度。然后，通过引入服务簇缩减替换时的服务查找空间，从功能和质量层面快速构建候选替换服务集合。最后，在候选替换服务集合中综合服务质量评分和协作相似度实现可替换服务的择优推荐。实验证明该方法可以有效提高服务替换的效率与合理性。

• 考虑电池包数量的自动化集装箱码头多AGV调度优化

  许彭锦,梁承姬,

  针对自动化集装箱码头自动引导小车（automated guided vehicle，AGV）的实际换电特性，为了降低AGV的总任务完成时间和换电总时间，合理规划换电站内的电池包数量，建立了双层规划模型。首先考虑AGV的电池续航、空/重载SOC变化特性和不同剩余电量与速度变化，以降低AGV的总任务完成时间为目标，构建考虑换电的多AGV集装箱任务调度上层模型。在此基础上，为了合理规划换电站内的电池包数量，考虑自动化码头中换电站的实际电池包选取原则和换电流程，对换电站和电池包的选择进行决策，以降低换电总时间为目标，构建换电电池包配置下层模型。最后通过遗传算法分别对小规模和大规模算例进行求解。算例结果表明，此双层规划模型能够有效地减少总任务完成时间和换电总时间，提高了6.46%的AGV利用率，减少了23.1%的换电站电池包数量。

• 基于深度强化学习的生鲜产品联合库存控制与动态定价研究

  毕文杰,周玉冰,

  针对生鲜产品的易逝性特征以及复杂多变的现实环境导致生鲜产品的最优订货和定价策略难以获得的问题，提出了基于深度强化学习方法的生鲜产品联合库存控制与动态定价方法，结合生鲜产品特性对问题进行建模并定义为马尔可夫决策过程，然后基于深度强化学习设计了生鲜品联合库存控制和动态定价算法。实验结果表明，基于深度强化学习的联合库存控制和动态定价策略收益表现最佳。因此，基于深度强化学习的联合库存控制和动态定价研究能够提高企业收益，有效促进强化学习在收益管理领域的落地，具有实际应用价值。

• 基于模仿学习的机场停机位再分配决策算法

  邢志伟,张前前,罗谦,陈肇欣,

  针对机位再分配算法结果难以满足不同操作人员操作习惯的问题，提出一种符合实际业务人员操作习惯的机位再分配推荐算法。首先以航班特征属性和停机位的资源占用状态构建决策环境空间模型，将人工操作数据转换为多通道时空矩阵，再以卷积神经网络构建的生成对抗网络（generative adversarial network，GAN）拟合其序贯决策操作策略。仿真结果表明，可靠度在90%以上的调整动作占比最高达到84.4%。经过在三个数据集上的测试，模型对不同来源的操作数据具有较好的区分能力。对比不同扰动下的动态调整结果，算法能够得到航班—机位属性特征与原有人工操作属性特征接近的调整方案。

• 基于改进遗传算法的SDN多控制器负载均衡机制研究

  徐爱鑫,孙士民,汪晓凡,徐国威,王美玉,

  为解决软件定义网络中多控制器负载失衡问题，提出了一种基于非合作博弈降载的主控制器重选模型。首先，利用动态阈值来判别过载控制器；其次，采用基于优先权的迁移交换机决策机制；最后，构建以控制器集群的负载均衡度、平均总时延和交换机迁移成本作为效用函数的优化模型，采用改进的遗传算法求解，加入相似算子提高寻求全局最优解的速度及准确度。实验结果表明，该机制有效地均衡了控制平面的负载并优化了网络性能。

• 面向实时事件流的复杂事件处理方法

  邱涛,谢沛良,邓国鹏,郗红梅,郑智,夏秀峰,

  复杂事件处理技术通常基于有限状态自动机实现，匹配过程中会在事件流上产生大量且重叠的部分匹配，有限状态自动机需维护大量的重复匹配状态，导致基于该技术的方法都会出现冗余计算的问题。为了提高复杂事件处理的匹配效率，提出了使用复杂事件实例覆盖技术来实现复杂事件处理的方法。通过设计临时匹配链式分区存储结构以及基于此结构的匹配算法来利用复杂事件实例覆盖减少冗余计算，从而实现匹配效率的提升。在模拟数据集和真实数据集上进行了实验测试与分析，与两种常用的复杂事件处理技术进行比较。实验表明，提出方法能够在保证匹配正确性的同时有效地减少匹配过程中的冗余计算，提高整体匹配效率。

• 基于多种群的随机扰动蚁群算法求解分布式约束优化问题

  石美凤,肖诗川,冯欣,

  针对现有的基于蚁群优化思想求解分布式约束优化问题的算法收敛较慢、容易陷入局部最优等问题，提出了一种基于多种群的随机扰动蚁群算法（random disturbance based multi-population ant colony algorithm to solve distributed constraint optimization problems，RDMAD）来求解分布式约束优化问题。首先，RDMAD提出了一种分工合作机制，将种群按比例划分为采用贪婪搜索的子种群和采用启发式搜索的子种群，同时构建分级更新策略，提高算法收敛速度和求解质量；然后对采用贪婪搜索的子种群设计自适应变异算子和奖惩机制，防止算法陷入局部最优；最后在算法陷入停滞时触发随机扰动策略，增加种群多样性。将RDMAD与七种最先进的非完备算法在三类基准问题上的寻优结果进行了实验对比，结果表明RDMAD在求解质量和收敛速度上优势明显，且稳定性较高。

• 融合命题逻辑与神经网络的隐式深度协同推荐模型

  陈邦,吴茂念,朱绍军,郑博,彭蔚,

  以增强推荐算法模型认知推理能力，克服传统推荐算法高度依赖数据质量致使性能受限的现状为目标，提出一种将命题逻辑与神经网络融合的隐式深度协同推荐模型。首先，构建一个隐式逻辑表征模块，辅助联结实际问题中复杂变量与逻辑变量的隔阂，并将推荐问题转换为一个逻辑表达式。随后，利用神经网络拟合逻辑符号对逻辑表达式进行求解并完成推荐。在具有不同特点的三个经典数据集MovieLens、Book-Crossing、Amazon-E上的实验表明该方法展现了更好的推荐性能。

• 基于注意力网络的情感分析中的对比句处理

  张蓉,刘渊,李阳,

  方面级情感分析旨在确定评论中对特定方面的情绪极性，但目前较少研究复杂句对情感分类的影响。基于此，提出了一种基于BERT和带相对位置自注意力网络的方面级情感分析模型。首先，通过动态加权采样方法平衡对比句稀缺的问题，使模型学习到更多的对比句特征信息；其次，利用双头自注意力网络提取带相对位置的特征表示，与预训练模型得到的带绝对位置的特征表示联合训练；最后，通过标签平衡技术对模型正则化处理，稳定模型对中性样本的辨识。该模型在SemEval 2014 Task 4 Sub Task 2上进行实验，在两个数据集上的accuracy和macro-F1指标都有所提高。实验结果表明，该模型在对比句分类上是有效的，同时在整个测试集上分类也优于其他基准模型。

• 拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法

  徐杰,鲁海燕,赵金金,侯新宇,卢梦蝶,

  针对蝴蝶优化算法存在种群多样性差、寻优精度低、收敛速度慢的不足，提出了拉丁超立方抽样的自适应高斯小孔成像蝴蝶优化算法。首先利用拉丁超立方抽样种群初始化策略以提高种群的多样性，从而增强算法的全局搜索能力；然后引入在不同进化时期自动调节搜索范围的自适应最优引导策略，平衡算法的全局和局部搜索能力，从而提升算法的寻优精度；最后采用高斯小孔成像策略，对最优个体进行扰动，使得种群个体向最优个体靠近，以进一步提升算法的寻优精度并加快算法的收敛速度。通过对14个基准测试函数进行仿真实验以及Wilcoxon秩和检验，结果表明改进算法的寻优精度、收敛速度、稳定性和可扩展性等性能均得到了较大提高。

• 无迹西格玛点引导的拟反向黏菌算法及其工程应用

  刘宇凇,刘升,

  针对黏菌算法搜索停滞和算法稳定性差等问题，提出了无迹西格玛点引导的拟反向黏菌算法。首先，使用了拟反向学习和拟反射学习两种反向学习过程，根据原始黏菌算法勘探和开采行为的表现时机，生成同时包含拟反向和拟反射的综合反向种群，扩大搜索范围；其次，根据种群的多样性程度判断是否使用反向种群重构原始种群进行后续计算，避免固定的反向过程破坏种群本身的搜索特点，提高搜索精度；最后，引入无迹变换的西格玛点，改进黏菌算法的基本移动模式，使无迹西格玛点引导黏菌算法的搜索，加快收敛速度。实验部分基于CEC2017基准测试函数，在传统统计特征和MAE排名、Wilcoxon秩和指标上验证算法的有效性；并在求解轿车侧面碰撞的实际工程优化问题上，与新颖的高水平群智能算法、改进算法、不完全算法进行对比测试。实验结果表明，改进策略有效且各策略间组合相得益彰，改进后算法的求解精度和鲁棒性更具竞争力。

• 基于圈结构的LPANNI优化算法

  刘继,贾芳弟,

  针对重叠社区发现准确率提升问题，提出了一种基于圈结构的LPANNI优化算法CLPANNI（cycle label propagation algorithm with neighbor node influence）。该算法通过挖掘节点的最小圈信息，依据圈比指标衡量节点的重要性并按升序进行标签更新，增加了标签传播过程的稳定性，按照邻居节点影响力大小加权接收邻居节点传递的标签。与四种基准算法在NMI_LFK、NMI_MGH、MOV指标下进行测试比较，CLPANNI算法在社区发现准确率方面表现较好。实验结果表明，该算法能够有效探测网络重叠社团结构，发现网络的紧密子团，识别的社团分布与真实网络结构更为接近。

• 基于局部图结构的链接预测模型

  赵思云,黄增峰,

  链接预测是基于已知的部分图数据来预测节点之间未被观测到的边或者未来可能产生的边的任务。链接预测领域目前最表现最佳的方法是，对所有目标节点对提取周围的低阶邻居小图，使用小图进行图分类预测链接的方法。然而，这种方法的稳定性和性能受限于图的局部结构特异性。所提方法在上述算法的基础上进行了改进，其根据目标节点周围节点的结构特征计算周围节点优先值，根据优先值筛选出高优先值的节点集合，并同时选出一定数量的随机节点，共同组成封闭子图，提取子图特征进行链接预测。实验表明，该算法有效提高了在不同结构的图数据上选出的小图的精准性和稳定性，显著提升了链接预测的效果。

• 基于意图的物联网服务描述与发现

  刘星宇,江凌云,

  在物联网服务发现过程中，用户通常用自己的意图表达需求，而服务描述是对服务功能的说明，因此两者的不匹配会影响服务发现的准确率。同时随着服务的种类不断增多，服务发现的准确率不断降低。为了解决上述问题，提出在物联网服务描述中引入意图服务本体的方法，并在意图服务本体中扩展服务上下文和QoS。扩展后的意图服务本体存储在语义化服务描述OWL-S文件中，能够以意图的方式表达服务功能，丰富物联网服务描述的语义，提高服务发现的准确率。仿真结果表明，所提服务描述方法以及相应的服务发现算法相对于传统服务发现方法能提升6.7%的准确率。

• 基于DQN的无人驾驶任务卸载策略

  王锦,张新有,

  无人驾驶汽车由于其有限的电池寿命和计算能力，难以在保证续航的前提下满足一些时延敏感任务或密集任务的处理需求。为解决该问题，在移动边缘计算（mobile edge computing，MEC）的背景下，提出了一种基于深度Q网络（deep Q-network，DQN）的无人驾驶任务卸载策略。首先，定义了一个基于任务优先级的车—边—云协同任务卸载模型，其需要通过联合优化车辆计算能力与任务卸载策略以获取系统最小延迟和能耗。由于该问题是个混合整数非线性规划问题，所以分两步对其进行求解—通过数学推导得出了最优车辆计算能力的解析解，之后在其数值固定条件下，基于DQN算法获得了任务最佳卸载策略。最后，综合SUMO、PyTorch和Python等工具建立了仿真模型，比较了DQN算法和其他三种算法在任务负载、MEC服务器计算能力以及能耗权重系数变化情况下的性能，实验结果验证了所提策略的可行性和优越性。

• 基于时空信息和任务流行度分析的移动群智感知任务推荐

  杨桂松,王静茹,李俊,何杏宇,

  现有移动群智感知任务推荐的共同缺点是：一方面，未充分考虑时空信息对工人偏好的影响，导致推荐准确性低；另一方面，忽略了任务流行度对推荐的影响，导致推荐覆盖率差。为解决这些问题，提出一种基于时空信息和任务流行度分析的移动群智感知任务推荐方法。充分利用工人执行记录中的相关信息（如工人执行任务的时间、位置），准确预测工人对任务的偏好；基于工人声誉和任务执行情况分析任务流行度并设计任务流行度惩罚因子，提升推荐效果的覆盖率；结合工人偏好和流行度惩罚因子生成任务推荐列表。实验结果表明，与现有基线方法相比，所提出方法在推荐准确率上平均提升了3.5%，推荐覆盖率上平均提高了25%。

• 基于深度强化学习的随机资源受限多项目动态调度策略

  郭晓剑,胡方勇,

  目前对于随机工期的分布式资源受限多项目调度问题（SDRCMPSP）的研究较少且大多数为静态调度方案，无法针对环境的变化实时地对策略进行调整优化，及时响应频繁发生的动态因素。为此建立了最小化总拖期成本为目标的随机资源受限多项目动态调度DRL模型，设计了相应的智能体交互环境，采用强化学习中的DDDQN算法对模型进行求解。实验首先对算法的超参数进行灵敏度分析，其次将最优组合在活动工期可变和到达时间不确定两种不同条件下对模型进行训练及测试，结果表明深度强化学习算法能够得到优于任意单一规则的调度结果，有效减少随机资源受限多项目期望总拖期成本，多项目调度决策优化提供良好的依据。

• 基于动态事件触发机制的网络化系统有限频域故障检测

  朱淇,姜顺,潘丰,

  针对通信带宽受限的网络环境，引入一种基于动态事件触发机制的数据传输策略，研究了一类非线性网络化系统在随机网络攻击下的有限频域故障检测问题。首先，在考虑故障灵敏性和扰动鲁棒性的前提下，利用状态增广的方法将原系统的故障检测问题转换成H-/H∞滤波问题；然后，在考虑扇区有界非线性和随机网络攻击的情况下，将故障的有限频域特性考虑到H-性能指标的设计中，并结合有限频输入特性，给出有限频故障输入下的故障检测滤波器与动态事件触发机制的联合设计算法；最后，通过搅拌釜式反应器系统的仿真算例验证了该方法的有效性。

• Android应用程序中代码异味共存现象的实证研究

  边奕心,王露颖,赵松,朱晓,

  相对于单一类型的代码异味，代码异味共存现象更具危害性。已有实证研究大多聚焦于分析桌面应用程序中代码异味的共存现象，缺少对Android应用程序中代码异味共存现象的研究。为了研究Android应用程序中代码异味的共存现象，并与桌面应用程序中代码异味共存现象进行比较，分别对285个Android应用程序和30个桌面应用程序进行检测，对检测出来的10种异味进行分析。首先，根据检测结果计算受到多种异味影响的类的百分比。然后，使用公式计算代码异味共存的频率。最后，使用Spearman相关系数分析代码异味共存与应用程序规模的关系。结论如下：a）在Android应用程序中受到一种以上代码异味共同干扰的类占有异味的类的总数的31.04%；b）在两个平台的应用程序中，两对代码异味brain class-brain method和god class-brain method共存的频率较高；c）一种异味、两种异味共存、三种异味共存与Android应用程序的规模具有较强的相关性。

• 基于FDS和元胞自动机动态耦合的火灾疏散模型

  李超,李宇飞,霍非舟,张钦钦,

  为研究火灾场景下温度、烟气和CO浓度等灾害因子对疏散的影响，建立基于FDS和元胞自动机动态耦合的火灾疏散模型。将FDS的网格和元胞自动机的元胞一一对应，将由FDS运行得到的灾害数据通过Python等技术手段实时加载到元胞中，使灾害数据持续影响行人转移概率，从而实现灾害和疏散的动态耦合。以单层教学楼作为仿真场景进行模拟分析，对火源位置和热释放速率等因素进行讨论，得出这些因素对行人疏散进程的影响规律；将模型与传统软件和同类方案进行对比。研究表明，火灾导致的高温和烟气会影响行人对疏散路径和安全出口的选择；热释放速率越大，行人越早处于危险状态，同时处于危险状态的行人也越多。该模型相比传统疏散软件不仅能考虑火灾产生的致灾因子对行人疏散的动态影响，还能确定行人最早处于危险状态的位置和时间，并用可视化的方式表现出来。

• 基于分解集成的航空货运需求区间预测研究

  李智,白军成,

  航空货运是国家重要的战略资源，在国内及国际间的贸易中扮演着不可或缺的角色。对航空货运需求进行的科学预测是航空公司制定基础设施规划和总体投资决策的重要依据。针对航空货运量数据的不确定性，从实际需求出发，引入Bootstrap方法进行不确定性估计，提出一种基于分解集成的区间预测方法。具体来说，首先用局部加权回归的时间序列分解（STL）方法将货运需求数据进行分解；其次，由支持向量回归（SVR）和季节自回归综合移动平均（SARIMA）分别预测分解所得的趋势分量与季节分量；再次，创新性地将白噪声分量进行提取并用Bootstrap方法作重采样处理；最后，将预测结果与处理后的白噪声进行集成重构，利用分位数构造区间进行不确定性量化。对中国两大枢纽机场货运数据的实验结果表明，构建的区间能够有效地结合预测结果量化不确定性，为区间预测提供了一种新的研究思路。

• 一种基于改进分层置信规则库的社交账户可信度评估方法

  吴菲,王维,

  社交账户可信度评估是确保网络社交生态良性发展的重要环节。针对社交账户可信度评估指标多维、数据信息不确定性多样等问题，提出了一种基于改进分层置信规则库的可信度评估方法。首先从账户属性、交际属性和内容属性三个角度分析了可信度评估各指标之间的相互关系，并依此构建了置信规则库的分层结构。其次，在信息转化函数中引入了自适应系数以更好描述和处理指标间的特性差异。最后，为了弥补专家知识局限性带来的模型误差，采用带有投影算子的协方差矩阵自适应进化策略对自适应系数和模型参数进行了优化。以新浪微博账户作为实验对象，结果表明该方法能够在数据样本有限的情况下获得更高的可信度评估精度。

• 基于网络终端支持的NDN移动性管理机制

  李卓,毛亚春,罗蓬,马天祥,赵建利,

  命名数据网（named data networking，NDN）作为一种新型的互联网架构，旨在应对日益增长的数据流量。基于其消费者驱动的内容检索模型，NDN自然地支持消费者移动性。然而生产者移动性仍然是一个具有挑战性的问题，需要额外的机制来提高生产者移动期间的数据可用性。针对该问题，提出一种可扩展的移动管理机制来支持生产者移动性。该机制利用网络终端在基于名称的NDN转发平面上建立了临时转发路径，并设计了缓存与重传机制支持时延容忍和时延敏感的应用数据流。最后在ndnSIM中建立了一个全面的仿真环境，对所提方案与现有解决方案进行了评估和比较。仿真结果表明，该机制能够充分支持生产者移动性。当速度为30 m/s时，丢包率仅为3.0%，平均传输延时为352.1 ms。此外，支持生产者移动性所需的额外消耗对于方案相比降低了49.18%。

• 多基站下基于DRL的RAN切片资源分配

  马英洪,江凌云,

  在第五代移动通信中，网络切片被用来为各种业务提供一个最佳的网络。针对多基站下的RAN切片场景，以往的资源分配方法在切片的数量发生变化时无法满足切片的需求而且只适用于特定的场景，针对这个问题，提出了一种实现最佳资源分配且与切片数无关的方法。该方法先利用Ape-X方法（一种DRL方法）将资源分配给切片，再经过切片到基站的资源映射和用户资源分配来满足用户的需求。仿真结果表明，所提出的方法能够根据切片的状态和需求分配资源，分配了必要数量的RB以满足切片的需求而且不受切片数量变化的影响，同时该方法也具有很高的通用性能和扩展性。

• 基于最低度偏置重启随机游走的链路预测方法

  李巧丽,韩华,

  链路预测是数据挖掘主题中的一个重要问题。基于随机游走的相似性方法一般设定游走粒子转移到相邻节点的概率是相等的，忽略了节点度值对转移概率的影响。针对此问题，提出一种基于lowest-degree偏置重启随机游走的链路预测方法。首先引入最低度偏置函数，对游走粒子的转移概率进行重新定义，然后将最低度偏置随机游走策略运用到重启随机游走中，探究粒子在游走过程中最低度偏向策略对节点相似度的影响。在九个真实网络数据集上进行链路预测，结果表明，所提方法具有良好的预测精度，且挖掘了更多网络拓扑结构信息，证明该算法在节点相似性的评估上具有一定的优势。

• 基于NOMA异构云无线接入网的联合子信道和功率分配算法

  顾兆伟,江凌云,

  针对基于NOMA异构云无线接入网中增加网络效用需要以更高的能源消耗为代价，从而导致能源效率低的问题，提出了一种联合子信道和功率分配方案。首先，该方案定义网络效用和电网能源成本之间的差值为系统收益，考虑了最大传输功率、能量收集（energy harvesting，EH）电池容量、用户最小数据速率需求和跨层干扰阈值等约束，以最大化系统收益为目标建立优化问题；然后，采用贪心算法给用户配对并分配子信道，实现低复杂度次优解；最后，利用基于交替方向乘子法的拉格朗日最大化方法优化了功率分配。仿真结果表明，与NOMA系统中未配备EH单元的方案相比，系统收益提高了约18.8%；与OFDMA系统中配备EH单元的方案相比，系统收益提高了约11.8%。

• 基于布尔函数的网络可达性验证方法

  张立群,林海涛,沈钊,

  针对SDN中由于不同应用的转发路径交叠等导致的数据平面配置问题，提出一种基于布尔函数的网络可达性验证方法。首先，将网络拓扑抽象为端口拓扑并计算端口邻接矩阵；之后，生成网络的路径空间和各端口的转发函数并计算每条路径的路径函数；最后通过判断路径函数的可满足性来确定路径的可达性。通过仿真实验，对网络拓扑和流规则规模等因素对算法验证效率的影响进行研究，并将所提方法与APV和DASDA进行性能比较。实验结果表明，所提方法能够有效检测SDN中的流规则配置问题。随着网络中环路的增加和流规则规模的增长，验证网络所需的时间开销逐渐增加。其中，网络拓扑对路径生成时间影响较大，而转发函数的生成时间则主要受流规则规模的影响。方法的验证时间相较于APV和DASDA分别平均缩短约53.76%和27.74%。

• 基于国密算法SM2、SM3、SM4的高速混合加密系统硬件设计

  李建立,莫燕南,粟涛,陈弟虎,

  随着电子信息技术的快速发展，数据的安全性问题日益严峻，传统单一制密码算法在安全性与运算速率上已不能满足要求。为了解决大数据时代下所提出的加密需求，提出了一种基于国密算法SM2、SM3、SM4的高速混合加密系统的硬件设计方案，并针对SM2和SM4算法的底层硬件结构进行优化。对SM2算法采用Karatsuba Ofman模乘器与点运算并行方案进行优化。对SM4算法提出了一种基于复合域S盒的二次流水全展开硬件架构。实验结果表明，该系统所实现的各算法电路均具有较高性能。SM2的点乘时间缩短至68.37 μs；SM3的杂凑值生成仅需0.71 μs；SM4吞吐率最高达53.76 Gbps。相比同等安全性的SM2算法，该混合系统在加密时间上减小了26.67%，具有实用价值。与相关工作进行对比分析，可证明该方案在安全性和加/解密性能上均有一定优势。

• 基于超奇异同源的零知识证明及群签名方案

  赵兴波,李梦东,王颖,朱屹霖,

  Bullens等人在CSI-Fish中留下了一个开放问题，即设计一个识别协议，允许系统挑战空间是ZN，而不是小集合{-S,…,S}。提出了一个基于超奇异同源的零知识证明方案。该方案将挑战C作为一个同源，从而解决了这一问题，并实现了更小的稳固性误差以及公钥长度。该方案也可以通过Fiat-Shamir变换为非交互零知识证明，进而可以在量子随机预言下实现基于超奇异同源的签名方案以及群签名方案，最后分析了方案的安全性以及正确性。

• SDN中基于MS-KNN算法的LFA检测方法

  孙文悦,王昌达,

  针对一种新型的DDoS攻击—链路泛洪攻击（link-flooding attack，LFA）难以检测的问题，提出了SDN中基于MS-KNN（mean shift-K nearest neighbor）方法的LFA检测方法。首先通过搭建SDN实验平台，模拟LFA并构建LFA数据集；然后利用改进的加权欧氏距离均值漂移（mean shift，MS）算法对LFA数据集进行分类；最后利用K近邻（K nearest neighbor，KNN）算法判断分类结果中是否具有LFA数据。实验结果表明，相较于KNN算法，利用MS-KNN不仅得到了更高的准确率，同时也得到了更低的假阳性率。

• 高效的可撤销SM9标识签名算法

  张博鑫,耿生玲,秦宝东,

  SM9-IBS是我国在2016年公布的一种标识签名算法行业标准。标识签名算法虽然降低了系统管理用户公钥的复杂性，但是却存在密钥撤销的难题，此外SM9的特殊结构使得已有技术无法完全适用。为此，提出了一种可撤销SM9标识签名算法，可快速实现对用户签名权限的撤销和更新操作。该算法引入一棵完全子树，密钥中心借助该树为每个合法用户生成临时签名密钥，只有使用该密钥生成的签名才可以通过签名验证。在安全性方面，该算法在随机预言机模型中被证明在适应性选择消息和标识攻击模型下满足存在性不可伪造；在效率方面，该方案在密钥更新阶段当系统用户数量较大、被撤销用户数量较少时，密钥中心更新用户签名密钥的时间开销远小于Boneh等人的更新技术。

• 格上的简短可链接环签名

  王杰昌,张平,李杰,常琳林,段莹,

  可链接环签名可防止区块链中的双花攻击，基于格的签名可抵抗量子攻击，但已有格基可链接环签名的大小随环成员的增多而增大。针对该问题，提出了一种格上的简短可链接环签名方案。该方案用队列实现了向量数制的特殊转换，利用格上的累加器对环成员的公钥进行累加，使得签名大小不会随环成员的增多而增大；利用拒绝采样定理，构造出格上的知识证明签名，在防止签名私钥泄露的同时，提高了计算效率。在随机预言机模型下，证明了方案具有不可伪造性、匿名性、可链接性。性能分析与实验评估表明，所提方案节省了时间开销和存储开销，且随着环成员的增多签名大小固定不变。

• 融合深层差异特征的RGB-T巢式语义分割网络

  袁浩宾,赵涛,钟羽中,

  针对现存可见光—红外（RGB-T）图像语义分割模型分割性能不高的问题，提出一种基于深层差异特征互补融合的巢式分割网络。具体来说，网络的编码和解码部分通过多级稠密中间路径相连形成一个嵌套形式的结构，编码器的深浅特征通过多级路径供解码器实现密集的多尺度特征复用，另一方面多模态深层特征通过特征差异性融合策略增强其语义表达能力。实验结果表明，所提网络在MFNet数据集上实现了65.8%的平均准确率和54.7%的平均交并比，与其他先进RGB-T分割模型相比，具有更优越的分割能力。

• 基于通道权重的顺序精炼RGB-D显著检测网络

  卞华军,王华军,赵赫威,

  提出了一种新型的用于RGB-D显著目标检测的网络框架（SR-Net）。为了有效整合多模态特征的互补性，将深度特征提取作为独立分支，采用卷积块注意模块（CBAM）进行深度特征增强，并整合增强后的深度特征与RGB 特征的互补信息。为了去除冗余特征，减少背景噪声对预测结果的干扰，在上采样网络中设计了一种顺序精炼网络，即通过整合多层次、多尺度特征的互补性，获取初级全局特征，并采用基于通道权重的初级全局特征权重矩阵获取模块（PFW）获取初级全局特征的权重矩阵；其次利用获取到的权重矩阵对各层次特征进行精炼，以抑制背景噪声带来的干扰；最后，为了更好地优化整个网络，提出了一种新的损失函数。在四个公共数据集上的实验结果表明，该模型在不同的模型评价指标上均优于近年来九种先进方法，获得了优异的性能。

• 面向无监督分割的双分支上采样域自适应网络

  韩宗桓,刘名果,李珅,陈立家,田敏,兰天翔,梁倩,

  工业应用中，表面压印字符图像全监督语义分割将会给企业带来高昂的数据集标注成本，针对该问题，提出了双支路特征融合的域适应分割方法（dual-branch feature fusion domain adaptation，DbFFDA）。借鉴U-Net的跨层连接设计思路，提出了双分支上采样结构的残差域适应分割网络（residual adaptation network，Res-Adp）；同时提出了融合特征输入用于提升网络分割性能，克服了字符缺失的问题；此外，提出了分割连续性损失函数LCon，抑制了分割图像中噪点的产生。在石墨电极表面压印字符无监督分割实验中，所提方法MIoU值可达69.60%，实际分割效果已基本满足字符识别需求，有望在特定工业场景中投入实际应用，为企业节省数据集标注成本。

• 基于条件生成对抗网络的梯级表面高光去除方法

  胡宇航,胡海洋,李忠金,

  针对传统高光去除方法对梯级图像高光去除表现不佳问题，提出了一种基于条件生成对抗网络的梯级图像高光去除方法（multi-scale spatial dense gradient cascade generative adversarial network，MSDGC-GAN）。该方法设计了一种空间上下文密集模块（spatial contextual feature dense block，SCFDB）能够深度提取像素行与列之间的空间背景信息。此外，设计了一种多尺度梯度级联结构以弥补网络下采样中的尺度特征损失，并且该结构能够赋予模型多尺度鉴别能力同时稳定训练梯度分布。在分析了经典双色反射模型基础上，将最大漫反射度估计应用于损失函数以监督网络训练。实验结果表明，该方法在经典高光数据集和自制梯级高光图像数据集中表现均优于对比方法。

• 联合边路和中路解码特征学习的多描述编码图像增强方法

  赵利军,曹聪颖,张晋京,白慧慧,赵耀,王安红,

  提出一种联合边路和中路解码特征学习的多描述编码图像增强方法。该方法同时考虑了边路解码图像增强和中路解码图像增强的问题，因而可以通过联合学习优化中路解码和边路解码的特征来实现更好的网络训练。首先，考虑到多描述编码的边路独立解码和中路联合解码的特性，提出一种网络共享的边路低分辨率特征提取网络来有效地提取具有相同内容和差异细节的两个边路解码图像的特征，同时设计一种残差递归补偿网络结构并将其用于边路与中路低分辨率特征提取网络。其次，设计一种多描述边路上采样重建网络，该网络采用部分网络层参数共享策略，该策略能够减小网络模型参数量，同时提高网络的泛化能力。最后，提出一种多描述中路上采样重建网络，将两个边路低分辨率特征与中路低分辨率特征进行深层特征融合来实现多描述压缩图像的增强。大量的实验结果表明：在模型复杂度、客观质量和视觉质量评价方面，所提方法优于很多的图像增强方法如ARCNN、FastARCNN、DnCNN、WSR和DWCNN。