计算机应用研究杂志

计算机应用研究杂志2023年第1期

• 元强化学习综述

  赵春宇,赖俊,

  强化学习在游戏对弈、系统控制等领域内表现出良好的性能，如何使用少量样本快速学习新任务是强化学习中亟需解决的问题。目前有效的解决方法是将元学习应用在强化学习中，由此所产生的元强化学习日益成为强化学习领域中的研究热点。为了帮助后续研究人员快速并全面了解元强化学习领域，根据近年来的元强化学习文献对研究方法进行梳理，将其归纳成基于循环网络的元强化学习、基于上下文的元强化学习、基于梯度的元强化学习、基于分层的元强化学习和离线元强化学习，对五种类型的研究方法进行对比分析，简要阐述了元强化学习的基本理论和面临的挑战，最后基于当前研究现状讨论了元强化学习的未来发展前景。

• 不平衡数据分类数据层面方法：现状及研究进展

  苏逸,李晓军,姚俊萍,周志杰,刘帅彤,

  在不平衡数据的分类中，标准分类器为优化整体的分类误差会牺牲少数类的分类准确率，而实际应用中通常更重视对少数类的准确识别。数据层面方法因其有独立于分类器、泛化能力较强、实现简单等优势，成为解决不平衡数据分类问题的有效策略。围绕不平衡数据分类的数据层面方法开展综述研究，分析造成不平衡数据分类问题的影响因素，从样本空间优化、特征空间优化两个方向对重采样方法及特征选择方法的相关研究进行梳理和评述，并对两类方法进行横向比较。最后提出了需要重点关注的问题和可能的研究机会，以期为不平衡数据分类算法研究及应用提供借鉴和参考。

• 基于深度学习的点云三维目标检测方法综述

  郭毅锋,吴帝浩,魏青民,

  点云作为一种三维环境数据因其具有较高的精度一直被广泛关注并应用于多种场景任务之中。近年来，深度学习进入点云领域，让点云数据处理得到快速发展。针对基于深度学习的点云三维目标检测任务，首先分析了点云数据的特性并列举了日常任务中常用的点云数据集；随后通过单模态的三维目标检测与多模态的三维目标检测两个方向进行分类阐述，并通过单模态与多模态方法在数据集上的表现作比对；最后对当前点云三维目标检测研究的发展趋势进行展望与总结。

• 一种抗合谋攻击的区块链网络分片算法

  李皎,王煜田,高耀芃,

  分片技术是区块链用来解决可扩展性问题的主流技术之一。通过分片技术可以有效地提升区块链的吞吐量，然而由于子链算力分布不均导致区块链安全性差。为了降低网络分片引起的子链合谋攻击风险，提出基于一种抗合谋攻击的区块链网络分片算法（anti-collusion attack network sharding algorithm for blockchain，AANS）。该算法综合考虑节点行为特征及算力特征，通过轮询区块链网络中的恶意节点，将算力均匀分配在各个子链中，避免恶意节点聚集造成合谋攻击问题。仿真实验从子链恶意节点数量、子链合谋算力、子链合谋攻击占比和危险子链占比这四个方面验证所提出AANS算法的有效性。仿真结果表明，AANS算法可以有效避免子链恶意节点聚集，降低子链合谋攻击风险，保证区块链子链的安全性。

• 面向多搬运任务的柔性制造车间多载具AGV节能路径规划

  吴立辉,胡文博,周秀,张中伟,

  自动导引搬运车（automated guided vehicle，AGV）能够灵活、准确、高效地进行物料搬运，被广泛应用于柔性制造车间。多载具AGV能同时搬运多个工件，具有较强的搬运灵活性，其路径规划问题的复杂性和多约束性更强，求解难度更大。针对柔性制造车间多载具AGV节能路径规划问题，首先建立了以能耗和搬运距离为优化目标的AGV节能路径规划模型；然后，提出了一种改进Dijkstra算法和非支配排序遗传算法（non-dominated sorting genetic algorithm-Ⅱ，NSGA-Ⅱ）集成的多载具AGV节能路径规划方法；最后通过案例验证了模型的节能效果和求解方法的有效性。

• 基于自适应飞蛾扑火优化算法的三维路径规划

  王智慧,代永强,刘欢,

  三维路径规划问题是在干扰环境下寻找出发点到目的地之间最优路径的组合优化问题。针对传统群智能算法在求解该问题时存在收敛精度低、易陷入局部最优等缺陷，提出了一种自适应飞蛾扑火优化算法对该问题进行优化求解。改进算法通过引入飞行方向动态调整策略和位置交叉策略，在动态调整飞蛾飞行方向的同时不断产生新个体，有效避免了算法陷入局部最优；通过自适应调整火焰的数量，在算法全局探索阶段增强了种群多样性，避免了早熟收敛。将自适应飞蛾扑火优化算法与其他群智能算法用于三维路径规划问题求解，实验结果表明，改进的自适应飞蛾扑火优化算法在所有算法中代价值最小，收敛速度最快，说明该算法在三维路径规划问题中具有更好的求解能力。

• 基于多层子空间语义融合的深度文本聚类

  任丽娜,秦永彬,黄瑞章,姚茂宣,

  针对传统深度文本聚类方法仅利用中间层的文本语义表示进行聚类，没有考虑到不同层次的神经网络学习到的不同文本语义表示以及中间层低维表示的特征稠密难以有效区分类簇的问题，提出一种基于多层次子空间语义融合的深度文本聚类（deep document clustering via muti-layer subspace semantic fusion，DCMSF）模型。该模型首先利用深度自编码器提取出文本不同层次的潜在语义表示；其次，设计一种多层子空间语义融合策略将不同层的语义表示非线性映射到不同子空间以得到融合语义，并用其进行聚类。另外，利用子空间聚类的自表示损失设计一种联合损失函数，用于监督模型参数更新。实验结果表明，DCMSF方法在性能上优于当前已有的多种主流深度文本聚类算法。

• 基于改进A*算法的移动机器人路径规划

  沈克宇,游志宇,刘永鑫,黄涛,

  针对A*算法在路径规划中存在遍历节点数过多、转折角度较大的问题，提出一种能自适应场景地图的改进A*算法。通过量化地图场景信息和障碍物分布情况，引入父节点对当前节点的影响力，增加障碍物分布率的启发函数权重，减少遍历节点数量、提高搜索速度；加入转弯惩罚函数、扩展邻域优先级搜索和冗余节点平滑策略对路径进一步优化，避免路径出现多余转弯，降低路径出现局部最优解的可能。在相同地图场景中进行测试对比，所提算法能有效减少遍历节点数量，降低总转折角度，提高搜索速度，缩短路径距离，获得最优路径。

• 基于视野域机制的行人轨迹预测

  李文礼,张祎楠,王梦昕,

  为提高行人在复杂交通场景中交互的安全性，提出一种基于social-GAN（social-generative adversarial network）的行人轨迹预测算法SAN-GAN（social angle norm-GAN）。该算法首先以行人历史位置信息与头部信息为输入，通过轨迹生成器LSTM网络（long short term memory networks）获取行人隐藏特征信息，并基于行人视野域模块捕捉行人视野域动态变化，对所有行人建立扇形视野域并筛选有效信息，从而驱动神经网络模型预测行人未来轨迹变化。将SAN-GAN与LSTM、social-LSTM（social-long short term memory networks）、social-GAN等轨迹预测算法进行对比实验，结果表明SAN-GAN算法相较于其他算法，在预测3.2 s的行人轨迹时，ADE分别平均降低65.8%、51.2%、10.7%，FDE分别平均降低73.6%、60.9%、10.4%。SAN-GAN能够有效地预测行人在复杂交通环境中进行交互的未来轨迹。

• 融合趋势信息的时间序列符号聚合近似方法

  黄俊杰,徐兴华,崔小鹏,康军,杨皓翔,

  为解决符号聚合近似方法（SAX）表示时间序列时忽略序列局部趋势的问题，提出一种融合形态趋势信息的时间序列符号聚合近似方法。该方法以子序列段中的最大值和最小值以及它们两者之间的相对位置为依据，定义一种新的趋势指标来描述子序列段的趋势，并使用融合趋势指标的符号矢量来近似表示时间序列。针对所提表示方法，给出一种新的距离度量方法，并在UCR数据集和电机转矩数据集上进行分类实验，实验结果表明，所提方法在绝大多数数据集上获得了较SAX方法更高的分类准确率，能够有效弥补SAX方法表示时间序列时忽略局部趋势的不足。

• 基于软参数共享的事件联合抽取方法

  冯兴杰,赵新阳,冯小荣,

  事件抽取是项重要的信息抽取任务，旨在抽取文本中的事件信息。目前基于多任务学习的事件联合抽取方法大多基于硬参数共享，此类方法往往会导致跷跷板现象的出现，即一项任务的性能往往通过损害另一项任务的性能来提高。为了解决这一问题，提出了一种基于软参数共享的事件联合抽取方法，该方法明确地分离了共享参数和任务特定参数，并通过双层门控网络增强模型提取和筛选语义知识的能力，使模型能同时为两个任务学习到合适的特征表示，实现了更高效的信息共享和联合表示学习。在DuEE1.0公共数据集上进行了实验，使用准确率、召回率、F1值作为评价指标，并通过对比实验和消融实验验证了方法的有效性。对比基于硬参数共享的联合抽取模型事件识别任务F1值提高了2.0%，论元角色分类任务F1值提高了0.9%，有效地缓解了跷跷板现象的出现，验证了方法的有效性。

• 基于动态扩散卷积交互图神经网络的网络流量预测

  王菁,文晓东,王春枝,

  现有的网络流量预测模型存在着泛化能力弱和预测准确率低等问题，为了解决此问题，提出了一种结合动态扩散卷积模块和卷积交互模块的预测模型。动态扩散卷积模块可以提取网络流量中复杂的空间特征和动态特性，而卷积交互模块则能捕获到流量中的时间特征，两者的有机结合可以有效预测网络中的流量。通过与其他网络流量预测模型在美国能源科学网（ESnet）流量数据上进行对比实验，验证了提出的动态扩散卷积交互图神经网络模型（DDCIGNN）的有效性。实验结果表明，DDCIGNN模型的均方根误差（RMSE）在最好的情况下优化了大约13.0％，说明该模型能够进行更有效的网络流量预测。

• FedSharing：一种双区块链激励驱动的数据分享联邦学习框架

  陈乔松,许文杰,何小阳,丁小月,孙开伟,邓欣,王进,

  联邦学习（federated learning，FL）能够在不丢失数据所有权的同时依托隐私保护技术实现安全的分布式模型训练，但也具有中心化、缺乏公平激励等问题。区块链（blockchain）本质上是一种分布式数据库，具有去中心化、信任公证等特点，但也具有网络吞吐量小、资源浪费等关键问题。针对上述技术方法的问题与特点，提出了一种双区块链激励驱动的数据分享联邦学习框架，称为FedSharing。分别构建主链与侧链，主链使用交易封装联邦学习中交换的全局参数，同时结合链上智能合约和链下扩容技术建立梯度状态通道；侧链提出了一种新型的修正Shapley值工作量证明算法（PoFS），修正传统Shapley值计算中成员平等性前提，将联邦学习中成员合作历史诚信度这一影响联盟利益的因素纳入考量。测试结果表明，梯度状态通道较智能合约去中心化方案每轮次时间平均降低4~5 s，PoFS共识下激励分配比例更符合公平实际。

• 基于PS-RRT算法的机械臂避障路径规划

  王红莉,向国菲,朱雨琪,佃松宜,

  针对应用快速搜索随机树（RRT）算法进行机械臂路径规划时，存在采样区域大、有效区域小、路径冗余节点多、剪枝时间长等问题，提出一种基于分区动态采样策略和重复区域节点拒绝机制的高效RRT路径规划算法PS-RRT（partitioned sampling RRT）。首先，通过PS-RRT快速规划机械臂末端初始路径；其次，分段检测机械臂跟随该路径时的连杆碰撞情况，对碰撞路段进行带臂形约束的第二次规划；最后，将初始路径和第二次规划的路径拼接后进行路径裁剪。将所提方法在多种场景中进行仿真验证，结果表明：基于PS-RRT算法的机械臂避障路径规划策略使得无效节点数大幅减少，可高效规划出机械臂的无碰路径，验证了算法的可行性。

• 基于BERT和路径对比学习的归纳关系预测

  尹熹,梁京章,

  在以往的知识图谱关系预测任务中，主要方法仅限于直推式推理，其在新出现实体和关系情况下不能利用先验知识去处理归纳学习的问题。提出了基于BERT与路径对比学习的关系预测方法（BERT-based and path comparison learning，BPCL）。首先，利用卷积神经网络捕获子图目标三元组的上下文邻域信息，并将子图线性化为关系路径，利用BERT初始化边特征；其次，引入正、负关系路径；最后，联合对比学习和自监督学习训练对新出现实体之间的关系进行预测。在适用于归纳推理方法的常用基准数据集上，验证了该模型的预测精度有所提高。

• 大规模AGV的改进时间窗路径规划

  刘春,彭太平,

  在机器人路径规划中，A*算法搜索路径时存在大量冗余节点，随着任务量增加，其搜索效率也会急剧下降，因此无法适应大规模任务下的路径规划。为此提出一种改进时间窗的有界次优A*算法用于求解大规模自动导引车（automatic guided vehicle，AGV）路径规划问题。算法使用时间启发式，并在搜索过程中采用时空搜索，规划无冲突的最优或次优路径。算法主要进行了三处改进：采用时间启发式，缩短了路径时间；采用动态时间窗算法，避免多次路径规划；优化了聚焦搜索算子，降低负反馈。通过MATLAB实验结果证明改进后的算法在进行多机器人路径规划时，能快速有效地规划出无冲突的平滑次优路径，搜索效率高，稳定性强。

• 基于多视角学习的时序多模态情感分类研究

  陶全桧,安俊秀,戴宇睿,陈宏松,黄萍,

  针对多模态融合效果不佳，不能充分挖掘特定时间段，多视角关键情感信息的问题，提出了一种基于多视角的时序多模态情感分类模型，用于提取特定时间段，多视角下的关键情感信息。首先，对文本标题及文本内容两种视角下的数据进行低维空间词嵌入和序列表达，提取不同视角的多模态时序特征，对图片截取，水平镜像两种视角下的数据进行特征提取；其次，采用循环神经网络构建多模态数据的时序序列交互特征，增大互信息；最后，基于对比学习进行联合训练，完成情感分类。该模型在两个多模态情感分类基准数据集Yelp和Mutli-Zol上评估，准确度分别为73.92%、69.15%。综合实验表明，多视角的特定时间段多模态语句序列可提升模型性能。

• 基于BERT和多窗口门控CNN的电机领域命名实体识别

  张智源,孙水华,徐诗傲,徐凡,刘建华,

  针对电机领域命名实体识别困难、精度不高的问题，提出了一种基于BERT和多窗口门控CNN的电机领域命名实体识别模型。该模型首先利用BERT预训练模型生成句子的字向量序列，根据电机领域文本的上下文动态微调字向量，增强字向量的语义表达；其次，构建具有全局时序特征感知单元和多窗口门控CNN单元的双分支特征提取层，形成句子的多级语义特征表示；最后，通过CRF对字符序列进行解码，得到每个字符对应的标签。在小规模的自建电机领域数据集与多组模型进行的对比实验结果表明，该模型命名实体识别性能均优于其他模型，macro-F1值达到了90.16%，验证了该方法对电机领域实体识别的有效性。

• 基于知识图谱和图注意力的众包任务推荐算法

  沈旭,王淑营,田媛梦,郑庆,

  为解决目前众包任务推荐存在未考虑任务文本信息和数据稀疏的问题，提出一种基于知识图谱与图注意力的众包任务推荐模型。该模型首先利用自然语言处理技术提取任务文本信息中的关键要素，用于丰富图谱信息和缓解数据稀疏性；通过融合用户—任务交互图中的协同信息来构建协同知识图谱，在协同知识图谱中按协同邻居的类型分别运用图注意力网络；为获取用户准确的偏好，聚合邻居信息时按注意力得分从高到低采样固定数目的邻居；最后通过聚合不同类型的协同信息生成用户和任务的嵌入表示并得到交互概率。在构建的众包数据集上进行实验的结果表明，该模型在AUC、精准率、召回率和NDCG四个指标上均优于基线模型，验证了模型的可行性和有效性。

• 基于胶囊图卷积的解缠绕会话感知推荐方法

  陶玉合,高榕,邵雄凯,吴歆韵,李晶,

  针对会话推荐模型中存在的推荐准确率不高的问题，提出了一种基于胶囊图卷积的解缠绕会话感知推荐方法（CGCD）。具体来说，采用解缠绕学习技术将项目嵌入转换为基于多个子通道的因子嵌入，利用图卷积网络对因子嵌入进行细粒度的学习。然后，利用胶囊动态融合策略聚合不同的因子获得新的项目嵌入。此外，采用多头注意力机制为会话中每个项目分配权重。最后，根据分配的权重将项目嵌入与当前会话中的其他项目进行聚合，进而生成准确的会话表示，实现项目推荐。在两个公开真实数据集上的实验表明，所提模型在推荐的Pre@10，Pre@20，MRR@10和MRR@20上平均提高了5.17%、2.99%、6.56%和2.94%，验证了其有效性与高效性。

• 基于图卷积的双通道协同过滤推荐算法

  付峻宇,朱小栋,陈晨,

  在推荐系统中，利用图卷积网络等方法提取图的高阶信息缓解了冷启动问题。为了在此基础上融合神经网络协同过滤的深层特征提取能力，提出一种基于图卷积的双通道协同过滤推荐算法（GCNCF-2C）。首先，将推荐问题分为上游任务和下游任务；其次，在上游任务中，预训练编码器利用包含残差的一维卷积层和多个图卷积层在两个独立通道中对节点特征和图高阶特征进行分离提取，形成节点的特征表示；最后，解码器通过节点特征进行评级预测，进行端到端的训练。在数据集MovieLens-100k和MovieLens-1M上的实验表明，该算法相比于基线模型在两个数据集上的RMSE指标平均提高1.72%和1.76%，MAE指标平均提高2.7%和1.98%，同时在基于用户和项目的冷启动实验中RMSE指标平均提高5.9%，具有更好的综合性能。

• 动态分块调节机制下的大规模解剖学本体匹配

  吕青,周欣,李凤莲,

  传统的匹配系统采用固定分块的方式处理大规模解剖学本体，普遍存在语义信息的丢失，影响了匹配效果。为此，提出一种动态分块调节机制，将按匹配情况确定的实体不断地重新分配到目标块中，动态地调节各个分块，从而尽可能地保留语义完整性。此外，针对该问题计算复杂度高的特点，引入了紧凑进化算法对子匹配任务中的阈值以及进行实体重新分配的块标志位优化，并设计了一种精英解参与的概率向量更新方式对该算法进行改进。实验在OAEI（ontology alignment evaluation initiative） 的Anatomy测试集上进行，验证了所提方法对匹配结果质量的提升。此外，和其他匹配系统的对比也展示了所构建匹配系统的先进性。

• 基于切线飞行的麻雀搜索算法

  周玉,房倩,裴泽宣,陈博,

  为解决在临近全局最优条件下，原始麻雀搜索算法（sparrow search algorithm，SSA）存在种群多样性降低，局部开发能力薄弱导致不容易跳出局部最优点的问题，提出基于切线飞行的麻雀搜索算法（tangent flight sparrow search algorithm，tanSSA）。首先，使用自适应t分布策略改进发现者位置更新公式，可以提高麻雀个体的寻优能力，同时防止算法早熟。然后，利用切线搜索算法中切线飞行策略所具有的可以增强算法探索搜索空间能力，且能使算法跳出局部最优解的优势，在原始麻雀搜索算法中使用切线飞行扰动策略对最优解进行扰动。这两种策略相结合，可以有效提升tanSSA算法的勘探与开发性能。最后，使用12个标准基准测试函数，结合Wilcoxon秩和检验来测试验证tanSSA算法的优化性能，并与原始SSA算法、鲸鱼优化算法、粒子群优化算法以及自适应t分布SSA算法进行比较。实验证明，基于切线飞行的麻雀搜索算法的寻优能力和收敛速度都有显著提升。

• 基于改进动态集成选择算法的乳腺肿块辅助诊断模型

  刘子华,郑汉东,刘卫勇,

  动态集成选择算法中，待测样本的能力区域由固定样本组成，这会影响分类器选择，因此提出一种基于动态能力区域策略的DES-DCR-CIER算法。首先采用异构分类器生成基分类器池，解决同构集成分类器差异性较小和异构集成分类器数目较少的问题；然后采用相互自适应K近邻算法、逼近样本集距离中心和剔除类别边缘样本三个步骤得到待测样本的动态能力区域，基于整体互补性指数选择一组互补性强的分类器；最后通过ER规则对分类器组进行合成。在安徽合肥某三甲医院的八位超声科医生乳腺肿块诊断数据集和美国威斯康辛州乳腺癌诊断公开数据集上的实验表明，基于DES-DCR-CIER算法的诊断模型精度更优。

• 基于结构误差的图卷积网络

  吴琳,许茹玉,粟兴旺,黄金玻,王晓明,

  针对图卷积网络选取交叉熵作为损失函数在小样本数据集上可能导致模型训练过拟合、模型泛化能力不强等问题，提出了基于结构误差的图卷积网络。将改进的基于结构误差的支持向量机（support vector machine，SVM）作为图卷积网络的分类器，能够降低模型过拟合的风险。在SVM的泛化误差理论基础上，对SVM的损失函数进行改进，所提出的方法在最大化异类样本间隔的同时限制同类样本间的间隔，提升了模型的泛化能力。首先计算特征空间中特征向量到中心点的平均距离，由它近似替换最小包含球的半径，然后由新的损失函数指导模型的学习。在基于骨骼的行为识别领域的NTU RGB+D60和NTU RGB+D120数据集上的实验证明，相比于传统的图卷积网络模型，所提出的方法能够明显提升识别准确率并且具有更好的泛化性能。

• 基于MWST-CS-K2算法的贝叶斯网络结构学习

  刘继,熊月霞,李磊,

  针对K2算法依赖最大父节点数和节点顺序的不足，提出了一种改进的贝叶斯网络结构学习算法（MWST-CS-K2）。该算法先通过构造最大支撑树（MWST）得到最大父节点数；再利用变量间的关联度和更新系数对加边、减边和反转边进行规则设定，通过改进的布谷鸟算法对鸟巢位置进行寻优，应用广度优先搜索策略搜索遍历得到节点顺序；最后将最大父节点数和节点顺序作为K2算法的输入搜索得到最终网络。实验表明，所提出的MWST-CS-K2算法在标准的ASIA、SACHS和CHILD网络数据测试中的平均正确边比率分别达到了97.3%、87.7%和95.6%，学习效果优于其他对比算法，获得的网络结构和标准的网络结构最为相似。

• 基于DEMATEL和信任网络的毕达哥拉斯模糊多属性应急决策方法

  赵敬华,荣海迎,吕锡婷,林杰,

  针对突发公共卫生事件应急决策过程中属性权重和决策者权重均未知的问题，提出一种基于DEMATEL和信任网络的毕达哥拉斯模糊还原性BM算子决策方法，该方法兼顾主客观关系保障了应急评估体系的完整性。首先考虑到关键因素对突发公共卫生事件应急决策的重要影响，通过DEMATEL方法识别并确定属性权重，以应急决策背景复杂多样为切入点，利用信任传播路径完善信任关系并构建初始信任度和偏好相似度相融合的混合信任网络得到决策者权重；其次，考虑到应急评估的属性间具有强关联性，在改进的相似度测度和得分函数的基础上引入毕达哥拉斯模糊还原性BM算子，计算方案综合评估值及排序；最后，将该方法运用到常态化疫情防控时期医院对于零星散发病例的应急管理评估中，验证了该方法的可靠性和合理有效性。

• 云中截止时间动态分配的工作流调度成本优化算法

  潘纪奎,董心仪,王子健,卢政昊,孙福权,

  现如今，如何在满足截止时间约束的前提下降低工作流的执行成本，是云中工作流调度的主要问题之一。三步列表调度算法可以有效解决这一问题。但该算法在截止时间分配阶段只能形成静态的子截止时间。为方便用户部署工作流任务，云服务商为用户提供了的三种实例类型，其中竞价实例具有非常大的价格优势。为解决上述问题，提出了截止时间动态分配的工作流调度成本优化算法（S-DTDA）。该算法利用粒子群算法对截止时间进行动态分配，弥补了三步列表调度算法的缺陷。在虚拟机选择阶段，该算法在候选资源中增加了竞价实例，大大降低了执行成本。实验结果表明，相较于其他经典算法，该算法在实验成功率和执行成本上具有明显优势。综上所述，S-DTDA算法可以有效解决工作流调度中截止时间约束的成本优化问题。

• CTS: 基于拥堵溯源算法的信号灯多智能体强化学习组织方案

  田超,郑皎凌,

  在交通路网的运行中红绿灯起着至关重要的调度作用，随着目前交通的飞速发展，道路越来越复杂、车辆越来越繁多，导致红绿灯的调度压力越来越大、调节能力却越来越弱。为了解决这一问题，建立了CTS（congestion trace source）方案，将交通疏导的主体对象红绿灯作为智能体进行强化学习以优化其对交通的疏导控制能力，通过构建拥堵链和拥堵环综合分析路网拥堵情况，佐以红绿灯相位及其配时数据以达到对红绿灯智能体对象状态的综合判断；CTS方案设计了红绿灯排队长度算法将拥堵情况数字化作为智能体奖励对优化效果进行评判。使用SUMO仿真环境进行实验，设计交通优化指标路口平均排队长度并进行对比，最终该方案的路口平均排队长度相较于原始数据提升了40%。

• 基于滚动窗策略的港口海铁联运集装箱转运优化

  唐梦宇,梁承姬,

  为了解决港口海铁联运转运集装箱作业规模过大的问题，采用滚动窗策略方法研究港口船舶与列车之间转运进口集装箱作业问题，在每个窗口内建立以列车在港停留时间和集装箱在堆场的堆存时间总时间最小为目标的整数规划模型，设计双层遗传算法进行求解。在此基础上，分别讨论了以固定任务数量和固定时间长度为滚动窗口的情况，对比发现以固定时间长度为窗口的滚动窗策略更适用，并将其与已有的调度策略研究成果作比较分析。最后，设置实验比较双层遗传算法和单层遗传算法，并对设备的工作能力进行灵敏度分析。结果表明，滚动调度策略可以灵活解决大规模集装箱转运问题，双层遗传算法的解优于单层遗传算法的解，增加装卸线数和轨道起重机工作能力可以提高集装箱转运效率。

• 改进MOEA/D算法求解多目标模糊柔性车间调度问题

  范书宁,余开朝,万雨松,

  针对模糊柔性作业车间调度问题中关于求解多目标优化的研究中，利用模糊数表示相关参数，以最小化最大完工时间、总机器负载和最大机器负载为优化目标，提出一种改进MOEA/D算法的权重向量和初始化种群，以优化全局更新配对策略的多目标分解进化算法（I-MOEA/D）和提高算法寻优能力。与MOEA/D、NSGA-Ⅱ和NSGA-Ⅲ算法相比，该方法优于其他算法，同时引入企业工程实例进行分析，证明I-MOEA/D算法具备良好的收敛性和分布性。

• 一种基于上界值剪枝的用户敏感top-k dominating查询方法

  徐超,吴丹琪,陈勇,雷锦涛,

  信息化社会带来了数据量的快速增长，但也导致数据的完整性和价值密度越来越低，如何从海量不完整数据中快速找到有价值的信息用于用户个性化推荐，已经成为研究的热点。结合上界值剪枝算法，提出一种用户敏感top-k dominating（TKD）查询方法（USTD）。该方法首先结合用户兴趣度，重新定义了不完整数据集上对象的支配关系及其度量方法，计算对象的权重支配分数；然后以重新定义的支配关系，证明了依据上界值可剪枝的条件；最后将上界值剪枝条件融于USTD的查询过程，以从数据集中快速找到前k个满足用户兴趣的数据。实验结果表明，USTD算法在查询速度上有一定提升，在查询结果的评分上具有显著优势。

• 离散多智能体有限时间Q学习协同输出调节

  唐静远,魏文军,

  针对离散多智能体系统输出调节，提出了一种基于Q学习的最优控制策略。对于传统多智能体系统的输出调节，获取系统的精确动力学模型并依此求得其HJB方程的解为主要障碍。该策略通过智能体之间的局部通信，在不依赖系统动态模型的前提下实现了对每个智能体输出的全局最优控制。为实现对系统响应速率的优化，提出了一种新的有限时间局部误差公式，不仅保证了算法原有的全局最优性能，而且将输出同步时间缩短了近50%，并对所提算法的稳定性进行了分析。仿真结果表明，该策略在避免建立复杂系统模型和求解离散HJB方程的前提下实现了对系统的最优控制，采用更新后的有限时间局部误差公式有效缩短了收敛时间。

• 无源节点能量管理关键技术

  张翀,侯孟书,鲁力,

  能量管理是确保无源节点在不稳定供能环境下稳健运行的必要条件，但也带来了额外的计算负担，致使能量效率下降。为解决这一问题，研究了无源节点的能量理论，并针对性地提出无须本地计算辅助的“边端一体化”能量管理方案。首先，将高开销的细粒度能量规划从节点（端）解耦至网关（边），以降低节点上能量管理的复杂度。同时，创新性地提出了无采样感知和免计算决策电路的设计，解决了节点上无计算单元辅助下能量探测和决策执行所面临的两大关键技术挑战。至此，节点无须额外分配计算资源用于能量管理，从而在原理上避免了传统方式因将能量管理作为“附加任务”执行所导致的高开销问题。此外，在网关侧建立了远程开销预算模型，为多样化任务的供能需求实现了远程动态匹配。最后，实现了设计原型，并通过原型测试验证了设计的可行性。结果表明，与四种参考方式对比，该设计可降低92%的能量管理开销，并能对多变的供能环境作出灵活响应。

• 基于RFID虚拟标签的室内停车场车辆定位算法

  罗仕涛,贾小林,顾娅军,

  在室内停车场中应用基于RFID的LANDMARC算法进行车辆定位时，由于室内停车场的复杂结构以及多径效应的影响，车辆定位精度不能通过增加参考标签数目或均匀规则的部署参考标签等方式来提升。提出了一种基于虚拟RFID标签的室内定位算法（location algorithm based on virtual tag，LAVT）。该算法通过近邻标签确定车辆的近邻区域，计算出近邻区域的外心并插入虚拟参考标签；通过虚拟参考标签替换原近邻标签、缩小近邻区域面积，使新近邻标签更临近待定位车辆，从而更精确地计算出车辆的位置。仿真实验表明：LAVT算法在室内停车场环境中将车辆定位精度提升了19.03%。LAVT算法应用于室内停车场环境中的车辆定位具有更好的适用性，能满足室内停车场车辆定位的基本需求。

• 基于不确定观测下离散事件系统可诊断性的研究

  谭健欣,刘富春,

  在实际应用系统中，由于传感器故障、传感器限制和网络中的数据包丢失等原因，事件的可观测值变得不确定，使得观测系统行为变得尤为复杂。针对离散事件系统中，同个事件串可能有多个观测值以及不同状态下同个事件观测值也可能不同的问题，提出一种不确定观测下故障诊断验证的方法。首先对不确定观测的离散事件系统的可诊断性进行形式化，然后构建出用于上述故障诊断验证的验证器；基于验证器提出了系统基于不确定观测下可诊断的充要条件及验证算法；最后，实例说明不确定观测下故障诊断验证算法的应用。与现有研究相比，提出的方法对故障事件的观测值没有约束，可以为0个或多个观测值，使此方法应用的场景更为广泛。

• 基于逐幸存路径处理的测试用例集约简技术

  霍婷婷,孙强,丁蕊,夏春艳,

  针对基于智能算法的测试用例集约简技术存在的容易陷入局部收敛、过早熟等问题，提出一种基于逐幸存路径处理的测试用例集约简算法，该算法运用逐幸存路径处理算法的顺序网格搜索思路，将测试用例集进行二进制编码，使其构成顺序网格搜索的状态空间，在状态转移阶段将代码覆盖率和测试用例有效执行时间作为分支度量，进而选择分支重量最大的路径作为幸存路径，从而剔除冗余状态，完成测试用例集的约简。实验结果表明，在相同的实验环境下，与其他算法相比，该算法在具有较高冗余率的同时也保证了较高的检错率，在一定程度上降低了软件测试的复杂度，从而提高了软件测试的效率。

• 部分CSI下C-V2X资源分配算法研究

  易林森,贺玉成,张煜,陈启望,

  蜂窝车联网（C-V2X）环境中，存在车辆高速移动导致无法获取完备的信道状态信息（channel state information，CSI），从而干扰车辆复用蜂窝网络资源的问题。在已知部分CSI和满足车辆到设施（vehicle to infrastructure，V2I）及车辆到车辆（vehicle to vehicle，V2V）的可靠性约束的条件下，研究最大化系统遍历总速率的资源分配优化问题，提出联合功率控制和信道复用的资源分配算法。该算法根据可靠性约束，使用几何规划分析功率可行域，求出任意单个复用对的最优功率控制。该算法将信道复用转换为最大权重二分图匹配问题，将复用对的遍历速率作为二分图的权重，并使用KM（Kuhn Munkres）算法进行求解。仿真结果表明，所提出的资源分配算法较其他算法，可以在保证车辆可靠通信的前提下优化资源分配，并有效控制干扰，从而提高系统遍历总速率。

• 基于改进OMP算法的毫米波大规模MIMO混合预编码设计

  肖晴,谭方青,

  针对全连接单用户毫米波大规模MIMO系统，以最大化系统可达和速率为目标，提出一种基于改进的正交匹配追踪（orthogonal matching pursuit，OMP）算法的混合预编码方案。在既有的基于OMP算法的混合预编码基础上，首先，针对其迭代次数过多的问题，受多步长思想的启发，从阵列响应集合中选取与射频链路数目相等的最优的前多列矢量，从而求得模拟预编码矩阵；其次，针对其求逆运算复杂度高的问题，利用H?lder不等式及Schatten范数来逼近待优化的目标函数，从而求得最优的数字预编码矩阵。仿真结果表明，所提基于改进的OMP算法的混合预编码方案有效降低了运算复杂度，且在数据流数目与射频链数目相差较小时，其系统性能更优。

• 基于博弈资源分配的认知异构网络干扰协调算法

  王改花,谢健骊,李翠然,

  基于underlay频谱共享模式的认知异构网络可有效缓解频谱资源短缺问题，但同时会加剧网络中的干扰。针对该问题，提出了一种基于非合作博弈模型的动态频谱分配和功率控制算法进行干扰协调。首先，考虑频谱共享造成的干扰问题，引入认知用户优先等级，将问题构建为联合动态频谱分配与功率控制的频谱定价博弈模型；其次，通过两阶段动态博弈得到纳什均衡解，实现认知网络层频谱资源合理分配和发射功率控制。仿真表明，所提算法能够实现不同优先级用户频谱资源的合理分配和认知基站发射功率控制，有效抑制认知异构网络的跨层干扰和层内干扰。

• 双IRS辅助的NOMA无线携能通信网络优化

  陈嘉悦,庞海舰,裘康,崔苗,张广驰,

  无线携能传输（simultaneous wireless information and power transfer，SWIPT）能够有效解决通信终端的能源受限问题，而智能反射面（intelligent reflecting surface，IRS）能够辅助增强SWIPT的效率。为了克服单个IRS覆盖范围有限的缺点，以及进一步提高SWIPT的时间和频谱资源利用率，考虑了一个双IRS辅助基于非正交多址接入技术（non-orthogonal multiple access，NOMA）的无线携能通信系统，其中发送端的波束成形矢量、每个IRS的相移以及接收端的功率分割系数将进行联合优化以最大化系统的最小用户速率。为解决上述有着高度耦合优化变量的非凸优化问题，提出一个基于半正定松弛技术（semidefinite relaxation，SDR）和连续凸逼近技术（successive convex approximation，SCA）的交替优化（alternative optimization，AO）算法来高效求解该问题。仿真结果表明，双IRS辅助的系统比传统的单IRS辅助的系统能够实现更高的最小速率，揭示了部署双IRS的优异性、所提算法的有效性以及联合优化IRS相移及功率分割系数在提升用户速率性能方面的重要性。

• AntiMNT：一种对抗多源网络层析成像的拓扑混淆机制

  林洪秀,邢长友,刘亚群,丁科,

  作为一种典型的网络拓扑推断方法，网络层析成像技术可以被攻击者用来准确推断目标网络的拓扑结构，进而向关键节点或链路发起有针对性的攻击行为。为了有效隐藏真实的网络拓扑结构等信息，提出了一种基于主动欺骗方式对抗多源网络层析成像探测的拓扑混淆机制AntiMNT。AntiMNT针对多源网络层析成像的探测过程，策略性地构建虚假拓扑结构，并据此混淆攻击者对目标网络的端到端测量数据，使其形成错误的拓扑推断结果。为了高效生成具有高欺骗特征的混淆网络拓扑，AntiMNT随机生成候选混淆拓扑集，并在此基础上用多目标优化算法搜索具有高安全性和可信度的最优混淆拓扑。基于几种真实网络拓扑的实验分析表明，AntiMNT可以生成高欺骗性和安全性的混淆网络拓扑，从而能够有效防御基于网络层析成像的网络侦察。

• 基于改进MC算法和分数阶混沌的CT图像三维重建和加密方案

  曾萍,王冰清,赵耿,马英杰,

  在现代医疗领域的病理诊断与手术实操中，需要对CT进行三维重建实现二维图像的三维可视化以提高诊断和操作的正确性。针对目前三维重建耗时过长、精度欠佳等问题，提出了一种改进的MC算法，采用包围盒分割算法提取包含等值面的体素，有效提高了重建效率；利用三线性插值法计算等值面与体素的交点信息，从而提高了重建精度。为保障医疗信息在云存储以及网络传输的安全性，提出了一种基于分数阶Lorenz混沌的三维模型加密方案，实现了重建数据在频域的混沌加密。实验结果表明，改进的MC算法具有良好的重建效率和重建精度，提出的加密方案能有效地保护重建后的三维数据，并能抵抗穷举攻击、差分攻击和统计攻击。

• 基于高维纠缠态的量子密钥分发协议

  蒋社想,方磊,方贤进,周华平,

  为了提高量子密钥分发的效率和安全性，利用高维Hilbert空间中的Bell态和Hadamard门设计了一种量子密钥分发协议。首先通过量子态的动态演变验证了三维Bell纠缠态在Z基和X基下具有不同的表示特性，然后以此为基础进行协议设计，其中利用Z基测量来检测窃听，利用X基测量来产生密钥。安全性分析表明，该协议可以抵抗截获重发、纠缠附加粒子和特洛伊木马三种常见的攻击。最后将协议与其他方案进行了比较，该协议在保证量子比特效率50%的基础上，安全性也有所提升。

• V2G网络中基于联邦学习和CNN-BiLSTM的DDoS攻击检测

  林兆亮,李晋国,黄润渴,

  DDoS攻击是V2G网络的重要威胁之一，它可以在短时间内耗尽服务器的通信资源。 此前方法以集中式模型为主，将数据从边缘设备传输到中央服务器进行训练可能会将数据暴露给各种攻击。研究了一种基于联邦学习的入侵检测系统，首先，考虑到V2G网络数据的高维性和数据间的时间依赖性，将采集的数据通过改进的特征选择算法进行降维，减少冗余特征，再将处理后的数据传入到融合了卷积神经网络和双向长短时记忆网络的混合模型中，捕获数据中的时间依赖性，并引入批标准化防止神经网络训练过程中出现梯度消失问题； 其次，为了防止隐私泄露，结合联邦学习的固有特性，允许数据留在本地用于神经网络模型的训练；为了解决联邦学习通信造成网络负载压力过大的问题，设计了一种通过设置动态通信阈值筛选参与更新最优边缘设备的方案以减轻网络负载压力。实验结果表明，该方法的准确率可以高达99.95%，单轮通信时间减少了1.7 s。

• 理想格上的多阶段认证密钥交换协议

  陈霄,王宝成,

  现有的格基认证密钥交换协议普遍基于Bellare-Rogaway等单阶段模型，忽略了实际通信场景中会话密钥建立的阶段分离。针对这一问题，基于MSKE模型提出了一种格基多阶段认证密钥交换协议。该方案使用预共享的口令进行认证，并使用Peikert误差消除机制结合服务器静态密钥实现多阶段密钥协商。分析表明，该方案整体只引入少量计算开销，实现了双向认证、二阶会话密钥完美前向保密、抗量子攻击等特性，在MSKE模型下满足KD-2FS-M安全等级，是一种简单高效的后量子多阶段密钥交换协议。

• 基于雨雾分离处理和多尺度网络的图像去雨方法

  韦豪,李洪儒,邓国亮,周寿桓,

  雨带来的雨条纹和雨雾会降低户外拍摄图像的质量，为了去除雨雾对图像的影响，提出了一种基于雨雾分离处理和多尺度卷积神经网络的图像去雨方法。首先利用导向滤波将雨线和图像细节信息提取到高频层，雨雾和背景信息则分离到低频层；然后构建多尺度卷积神经网络来去除高频层中的雨线，网络中融入多个稠密连接模块以提升特征提取的准确性；其次构建多层特征融合的轻量级去雾网络来去除低频层中的雨雾，采用参数一体化结构避免了估计多个大气散射模型参数导致的次优解；最后再结合处理后的高低频结果还原出清晰图像。在多个合成的雨雾数据集以及真实自然场景图像上进行测试，定性和定量结果表明，提出的方法在去除雨雾影响的同时较好地保留了色彩信息，和近年的算法相比，图像结构相似性提升了0.02~0.08，图像峰值信噪比提升了0.2~3.5 dB。

• FuseNet：应用于移动端的轻量型图像识别网络

  田鑫驰,王亚刚,尹钟,

  为解决目前Transformer模型因其巨大的参数量和计算复杂度而无法应用在计算资源相对有限的移动设备中的问题，提出了一种适用于移动端的友好型轻量图像识别网络称为FuseNet。FuseNet利用卷积神经网络提取局部特征信息和自注意力机制擅长对全局信息进行建模的特性，将局部表示与全局表示两者的特性整合至一个特征提取模块，高效融合了两种不同结构的优点达到以较小的模型规模实现较高准确率的目的。实验证明不同参数规模的FuseNet可以在不进行预训练的情况下实现良好的性能，可以很好地应用在移动设备中。FuseNet-B在ImageNet-1K数据集上以14.8 M的参数量实现了80.5%的准确率，性能表现超过了同体量的Transformer模型和卷积神经网络。

• PointPCA:一种三维空间点云的特征提取算法

  季钰林,钟剑丹,李英祥,傅俊杰,刘家威,

  点云是一个庞大点的集合而且拥有重要的几何结构。由于其庞大的数据量，不可避免地就会在某些区域内出现一些相似点，这就使得在进行特征提取时提取到一些重复的信息，造成计算冗余，降低训练的准确率。针对上述问题，提出了一种新的神经网络——PointPCA，可以有效地解决上述问题；在PointPCA中，总共分为三个模块：a）采样模块，提出了一种average point sampling（APS）采样方法，可以有效地规避一些相似的点，得到一组近似代表这组点云的新的点集；b）特征提取模块，采用分组中的思想，对这组新的点的集合进行多尺度空间特征提取；c）拼接模块，将每一尺度提取的特征向量拼接到一起组合为一个特征向量。经过实验表明，PointPCA比PointNet在准确率方面提升了4.6%，比PointNet++提升了1.1%；而且在mIoU评估测试中也有不错的效果。

• 基于光流的视频缺陷检测及修复方法

  黄福杰,罗斌,

  为了修复视频中的划痕和斑点，提出一种基于光流的视频缺陷检测及修复方法。首先，根据光流场得到相邻帧对应像素之间的位置关系，利用对应点灰度差确定像素点所在位置是否为缺陷；其次，修正缺陷区域的光流，以修正光流指向的相邻帧修补点填补对应的缺陷点；最后，针对已修复的视频帧重新计算光流场并重复修复步骤，直到该帧满足迭代修复的收敛条件。针对DAVIS视频数据集的不同场景，模拟产生数量为单帧像素点总数1%左右的缺陷后进行检测修复实验，给出查全率与误识别率的关系曲线，其中，误识别率为0.1%时，查全率可达80%以上；修复后的SSIM大于0.991，LPIPS小于0.037。针对老旧视频的修复实验表明，算法能够有效去除细小划痕和大小斑块。

• 小波系数指导的全色锐化网络

  潘晓航,方发明,

  针对现有全色锐化网络无法同时兼顾空间信息与光谱信息保留的问题，提出一种基于小波系数指导的由融合网络和指导网络组成的全色锐化网络。融合网络分别提取PAN和MS图像的多级特征，并在同一级别进行特征的选择和融合，融合后的特征分别用于指导后一级别特征的提取；指导网络用于学习HRMS与已知的输入图像的小波系数之间的映射关系，并利用学习到的映射对融合网络的输出提供额外的监督。实验结果表明，该方法能够在保留MS图像光谱信息的同时恢复尽可能多的空间信息。在模拟数据集和真实数据集上的对比实验也表明，该方法融合效果优于其他传统方法和深度学习方法，具有一定的实用价值。

• 基于三分量自主意识UAV路面遥感图像拼接算法

  高明星,冯双达,赵婷,郭敏,

  针对在检测过程中需要高分辨率的全景图像分析路面病害特征参数的问题，提出了一种具有三分量（3c）动态自主意识的遥感路面病害图像拼接算法。基于目标识别、主动立体视觉确定UAV系统在三维结构中的自主意识；采用增量搜索策略基于几何约束将SIFT点特征三角化；结合PNP—RANSAC算法找到最佳匹配面进行误匹配剔除；利用三角函数理论对图像进行融合。实现对长线程病害路面图像数据集的快速准确拼接。特征搜索时间平均为未使用增量搜索策略的43.45%，拼接准确率在88%以上。实验数据表明，基于三分量自主意识的UAV路面遥感图像拼接系统可以有效地应对长线程路面病害图像。

• 基于IMPSiamCAR孪生网络无人机目标跟踪算法

  侯艳丽,王鑫涛,魏义仑,王娟,

  针对无人机进行目标跟踪时，目标存在尺度变化大、易受遮挡、相似物干扰等问题，在SiamCAR的基础上提出IMPSiamCAR算法。该算法使用改进的ResNet50网络提取目标特征，引入通道注意力机制使模型学习不同通道的语义信息，按特征的重要程度为通道分配不同的权重，使算法能更加关注存在跟踪目标的区域；再将融合后的目标特征送入区域回归网络进行正负样本分类、中心度计算及边界框回归；最后得到每一帧中目标的位置。在UAV123与OTB100数据集上测试的实验结果表明，提出算法与对比算法相比，有更高的跟踪精度与成功率，能较好地应对遮挡、相似物干扰、尺度变化等挑战；并且在VOT2018和UAV123数据集上进行实时性测试的结果表明，所提算法可以满足无人机实时性的要求。