计算机应用研究杂志

计算机应用研究杂志2023年第7期

• 基于市场机制的无人集群任务分配研究综述

  翟政,何明,徐鹏,彭志新,

  市场机制的方法数学推导严谨，理论解释清晰，算法计算量小，对网络规模和拓扑结构限制少，适合未来军事领域大规模无人集群任务规划问题。围绕基于市场机制的无人集群任务分配的拍卖法和合同网法两类方法，详细梳理了该研究领域的经典文献和近年来的相关研究；从该方法的基本原理、改进研究进展、应用背景和使用局限性等方面进行了详细介绍和全面总结；最后提出了基于市场机制任务分配研究中的关键问题和未来研究趋势。

• 约束可满足性中求解RB模型实例的算法综述

  杨易,王晓峰,莫淳惠,庞立超,杨澜,赵星宇,

  约束满足问题是人工智能领域中最基本的NP完全问题之一。多年来，随着约束满足问题的深入研究，国内外学者提出多种实例模型。其中，RB模型是一种能生成具有精确相变的增长域约束满足问题实例，其求解难度极具挑战性。为了寻找其求解的新型高效算法，促进约束可满足问题的RB模型求解算法领域的研究，首先从约束满足问题的模型发展、求解技术进行分析；其次，对各类求解RB模型实例算法进行梳理，将求解的算法文献划分为回溯启发式类、信息传播类和元启发式类相关改进算法，从算法原理、改进策略、收敛性和精确度等方面进行对比综述；最后给出求解RB模型实例算法的研究趋势和发展方向。

• 基于强化学习的无人机自组网路由研究综述

  孙晨,莫国美,舒坚,

  无人机自组织网络（FANET）被广泛应用于军事、应急救灾和环境监测等情况下的网络通信服务，良好的路由协议能为其在通信条件恶劣场景下的可靠传输提供保障。利用强化学习将路由选择描述为一个马尔可夫决策过程进行路由决策成为研究热点。为了更进一步地介绍和挖掘基于强化学习的FANET路由协议研究现状，首先介绍近几年来FANET传统路由协议上的一些改进；其次，基于强化学习的FANET路由协议研究的最新调研结果进行详细的介绍；同时，对路由研究算法中的状态、动作和奖励等建模规律进行深度挖掘，从路由的优化标准和强化学习优化过程等方面进行了比较；最后，根据目前基于强化学习FANET路由协议的研究现状进行总结和展望。

• 基于区块链的物联网任务协作信任管理方案

  何昀航,戴辰,

  在物联网智能设备任务协作场景中，为解决设备交互不受信以及存在恶意设备破坏协作的问题，提出一种基于区块链的信任管理方案。半分布式的架构克服了集中式和分布式架构的不足，任务协作过程中兼顾了双方的信任，并设计了审查机制确保任务评价的真实可靠。信任的衡量中使用狄利克雷分布模拟任务评价的多样性，构建信任为数个状态，并利用马尔可夫链评估信任状态和全局信任。仿真结果表明，提出的方案可以客观衡量设备的信任，同时在检测恶意设备、提高协作任务成功率及避免误判方面具有优势，因此可以有效确保任务交互的可信和协作环境的安全。

• 基于区块链的属性基多关键词排序搜索方案

  颜亮,葛丽娜,胡政,

  对云数据进行访问控制能够限制非法访问、提高数据隐私安全，属性基可搜索加密是实现数据细粒度访问控制的关键技术之一。针对云数据访问中单一授权性能瓶颈、搜索功能局限等问题，提出一种基于区块链的属性基多关键词排序搜索方案。该方案采用多授权机制降低了系统计算负担，同时将属性基可搜索加密技术与区块链技术相结合，实现了云数据的细粒度访问控制与公平搜索；此外，引入向量空间模型和TF-IDF加权技术实现了多关键词搜索结果排序，提高了搜索效率。安全性分析、性能分析表明，该方案能够抵抗选择明文攻击和关键词猜测攻击，并具备较低的通信和计算开销。

• 基于区块链的车联网信任机制

  杨磊,龙伟,

  车联网（VANET）中虚假的共享信息会导致负面影响。针对车辆间的信任缺失现象，提出了一种基于区块链的信任解决方案。通过引入贝叶斯推理，基于先验概率进行信任评估，综合考虑了消息可信度和源节点自身可信度。通过超级账本实现信任管理，路侧单元（RSU）将汇聚车辆提交的评价形成信任值并创建区块，利用智能合约进行信任值初始化、查询和更新操作。仿真结果显示，提出方案能有效进行信任评估，准确识别虚假消息。同时与现有方案对比表明，该方案具有更高吞吐量和更低时延，适用于车联网的轻量级资源消耗环境。

• 考虑具有不同交付选择的物流配送路径问题研究

  葛显龙,刘小宁,梁永宏,

  为了满足城市配送中顾客对交付方式及特定时间的个性化需求，引入顾客偏好概念刻画送货上门与自提服务的交付需求，以总运营成本最小化为优化目标建立了具有不同交付选择的车辆路径优化模型。考虑到模型的复杂性引入多种算子，设计并改进自适应大邻域搜索算法对模型进行求解。最后结合重庆市南岸区某配送案例进行实例分析，验证了该模型与算法的有效性。

• 基于无人机的目标全覆盖方法研究

  刘聪,刘颖,杨昌霖,

  为解决传统固定传感器网络目标覆盖存在的生命周期短、维护成本高等问题，提出一种基于无人机的目标全覆盖方法，确保所有目标在任意时刻都被至少一个无人机所监控。提出无人机通过协调、接力覆盖多个目标时的最优悬停问题，并利用计算几何方法求解不同组合目标的最优悬停点。最后，将无人机目标全覆盖问题建模为整数线性规划方程，以确定最小的无人机需求数量。仿真实验通过模拟三种不同类型和参数的旋翼无人机，测试飞行速度、充电时间、覆盖半径对无人机需求数量的影响。结果表明随着覆盖目标距离基地越远所需无人机的数量逐渐增大，覆盖半径从100 m增加至200 m所需无人机的数量减小三分之一左右。

• 考虑资源转移与综合软逻辑的重复性项目调度优化

  邹豪波,周国华,杨力,

  针对建设工程类项目中进行时间费用权衡的现实需求，以及资源转移成本对逻辑关系的固有影响，提出综合考虑施工顺序可变以及允许多施工组同时施工的软逻辑关系模型，同时引入资源转移对逻辑关系的选择进行限制，以工期和费用的双目标权衡为目标构建问题数学模型（comprehensive soft-logic scheduling problem of repetitive projects with resource transfer，CSLSPRPRT）。针对引入软逻辑带来的复杂性提升，以及静态拥挤度选择方法的固有缺陷，设计基于个体多样性自适应和动态拥挤度的改进遗传算法（NSGA-Ⅱ/IDDC）。仿真实验结果表明，该方法能在不同规模的实际场景下优化项目工期和费用，改进后算法能获得更多的可行解数量和更好的算法收敛性。

• 改进鲸鱼算法求解分布式装配柔性作业车间生产与配送联合调度问题

  唐红涛,沈毅,张伟,汪开普,

  针对一类先加工后装配的离散生产模式，研究分布式制造环境下的装配柔性作业车间生产与配送两阶段联合调度问题。结合实际的生产情况，考虑供应链下生产与配送过程所产生的库存成本，以最小化生产和配送的总成本为联合调度优化目标，提出一种改进鲸鱼算法。针对联合调度的多阶段调度过程，设计了一种基于工序、产品、工厂、机器和车辆的五层编码策略；根据各阶段的特点提出了相应的混合种群初始化策略，以提高解的质量；以加强种群中领头鲸鱼个体与普通鲸鱼个体的联系为导向，改进了鲸鱼觅食的搜索操作并提出四种邻域结构，以增强算法的全局探索和局部搜索能力。最后，通过仿真实验，对比相关研究领域的多种算法来验证所提算法在收敛速度和求解质量等方面的优势，并且将联合调度与分阶段调度进行实验对比，验证了联合调度的优越性。

• 基于区域—负载均衡策略的两级车辆路径优化研究

  王建新,孙文媛,姚西龙,栗继祖,

  为提升由城市仓库—前置仓库—消费者组成的多阶段物流运输效益，提出基于区域—负载均衡的优化方法。首先，基于K-means聚类设计区域划分策略；其次，构建基于距离准则的聚类中心—前置仓库最佳匹配机制，从成本最小化视角给出负载均衡策略；然后，构建两级车辆路径优化模型，基于禁忌搜索算法设计多层求解策略；最后，通过数值实验与灵敏度分析验证所构模型及方法的有效性，通过对照实验分析仅考虑区域划分、同时考虑区域—负载均衡、不考虑区域—负载均衡三种情景下优化结果。研究成果揭示了区域—负载均衡与路径结果的内在关系，可为实现多阶段物流运输效率与成本的双重优化提供理论及方法支撑。

• 矩形布局优化问题的局部搜索蜂群算法

  徐义春,张颖慧,万书振,董方敏,

  带平衡约束的矩形布局问题属于组合优化问题，当问题规模增大时求解困难。为提高求解效率，设计了一个蜂群算法，通过分析解的分布，提供了基于贪心策略的群体初始化方案，选择了有效的变异算子，将蜂群算法的搜索空间聚焦于最优解可能的区域。另外设计了一个二次局部搜索算法，对解的质量进行进一步提升。在10个公开的案例上与目前性能最好的算法进行了对照，提出的蜂群算法在其中9个较大规模的案例上超过了现有算法。理论分析和实验结果表明，相对于现有算法，所提蜂群算法能明显提高求解效率。

• 基于随机邻域变异和趋优反向学习的差分进化算法

  左汶鹭,高岳林,

  传统差分进化（DE）算法在迭代过程中不能充分平衡全局勘探与局部开发，存在易陷入局部最优、求解精度低、收敛速度慢等缺点。为提升算法性能，提出一种基于随机邻域变异和趋优反向学习的差分进化（RNODE）算法并对其进行复杂度分析。首先，为种群中每个个体生成随机邻域，用全局最佳个体引导邻域最佳个体生成复合基向量，结合控制参数自适应更新机制构成随机邻域变异策略，使算法在引导种群向最优方向趋近的同时保持一定的勘探能力；其次，为了进一步帮助算法跳出局部最优，对种群中较差个体执行趋优反向学习操作，扩大搜索区域；最后，将RNODE与九种算法进行对比以验证RNODE的有效性和先进性。在23个Benchmark函数和两个实际工程优化问题上的实验结果表明，RNODE算法收敛精度更高、速度更快、稳定性更优。

• 基于特征和图结构信息增强的多教师学习图神经网络

  张嘉杰,过弋,王家辉,

  近年来，图神经网络对图数据强大的表征能力和建模能力使其在诸多领域广泛应用并取得了重大突破。然而，现有模型往往倾向于对图卷积聚合策略和网络结构进行优化，缺乏了对图数据自身先验知识的探索。针对上述问题，通过知识蒸馏的方法，设计了一种基于特征信息和结构信息增强的多教师学习图神经网络，打破了现有模型对于数据先验知识提取的局限性。针对图数据背后所蕴涵的丰富特征与结构信息，分别设计了节点特征和边的数据增强方式。在此基础上，将原始数据和增强后的数据通过多教师学习模块进行知识嵌入，使得学生模型学习到更多关于数据的先验知识。在Cora、Citeseer和PubMed数据集上，节点分类准确率分别提升了1%、1.3%、1.1%。实验结果表明，提出的信息增强的多教师学习模型能够有效地捕获先验知识。

• 一种基于混合粒子群优化算法的深度卷积神经网络架构搜索方法

  王上,唐欢容,

  神经架构搜索（neural architecture search，NAS）技术自动寻找神经网络中各层的最佳组合和连接方式，以及各种超参数的最佳分布。该方法从搜索空间生成若干不同的卷积神经网络（CNN），使用混合粒子群优化（hybrid particle swarm optimization，HPSO）算法，将一定数目的神经网络个体视做一个群体，将每个网络个体在评价指标下的表现值视做适应度，在给定的世代数范围内，每个神经网络个体都学习自身的历史最佳适应度个体，和整个群体的最佳适应度个体，迭代改善自身的网络架构。实验结果表明，算法运行中出现的最优网络架构，在图像分类任务的多个基准数据集上，与手工设计的神经网络和以遗传算法为基础的NAS算法相比，在网络参数数量和准确率的平衡上取得了有竞争力的结果。

• 基于跨模态门控机制和改进融合方法的多模态情感分析

  缪裕青,杨爽,刘同来,张万桢,朱林,周明,

  如何有效挖掘单模态表征并实现多模态信息的充分融合是多模态情感分析研究的重点之一。针对多模态情感分析中的模态间噪声和多模态特征融合不充分等问题，提出一种基于跨模态门控机制和改进融合方法的多模态情感分析模型。首先，利用跨模态门控机制去除模态间噪声，提取互补信息以增强模态表示。然后，利用权重和相似约束分别关注不同模态情感贡献的差异性和情感表达的一致性。最后，结合模态的多层次表示获得情感分析的结果。在三个公开数据集上的实验结果表明，所提模型是有效的，相比已有的一些模型取得了更好的性能。

• 融合层次类型信息的双向图注意力机制的知识图谱嵌入模型

  翟社平,李方怡,李航,杨锐,

  知识图谱嵌入旨在将实体与关系映射到低维且稠密的向量空间中。目前已有的嵌入模型仍存在以下两个方面的缺陷：现有的模型大多只关注知识图谱的语义信息，而忽略了大量三元组的隐藏信息；现有的模型仅关注了实体的单向信息，而忽略了双向的潜在信息。针对以上问题，提出了一种融合层次类型信息的双向图注意力机制的知识图谱嵌入模型Bi-HTGAT，该模型设计了层次类型注意力机制，考虑不同关系下每种类型的不同实体对中心实体的贡献。同时引入了关系的方向注意力机制，通过融合不同方向的邻居信息来更新实体和关系嵌入，最终聚合两部分信息以得到实体的最终嵌入。在基准数据集上的实验证明，Bi-HTGAT在链接预测任务上性能明显优于其他基线模型，充分证明了Bi-HTGAT能够进一步提高嵌入结果的精准度。

• 基于不确定比例标签信息的多视角学习

  赖剑涛,刘波,

  针对现实应用中所获取的比例标签数据存在噪声污染而标注困难的局限性，提出将多视角学习应用到不确定比例标签学习中以提高分类器的准确率和稳定性。首先，所提出的方法利用核方法映射多视角信息到特征空间以及引入超实例标签表示比例标签信息，在将多视角信息与比例标签信息结合的同时将不确定比例标签数据的局限性考虑在内，以此构建基于不确定比例标签信息的多视角学习模型；而后利用拉格朗日方法将目标模型转换为对偶形式求解，并引入一个迭代框架解决目标模型以获取多视角分类器。最后，将所提出的方法应用于文本分类的数据集。实验结果表明提出的方法比已有的单一视角比例标签学习方法更具优越性，具体表现在更高的分类准确率和更不易受数据噪声影响等方面。

• 事件日志的批量迹与过程模型的多视角对齐方法

  孙晋永,邓文伟,许乾,孙志刚,

  在业务过程发现的一致性检测中，现有事件日志与过程模型的多视角对齐方法一次只能获得一条迹与过程模型的最优对齐；并且最优对齐求解中的启发函数计算复杂，以致最优对齐的计算效率较低。为此，提出一种基于迹最小编辑距离的、事件日志的批量迹与过程模型的多视角对齐方法。首先选取事件日志中的多条迹组成批量迹，使用过程挖掘算法得到批量迹的日志模型；进而获取日志模型与过程模型的乘积模型及其变迁系统，即为批量迹的搜索空间；然后设计基于Petri网变迁序列集合与剩余迹的最小编辑距离的启发函数来加快A*算法；最后设计可调节数据和资源视角所占权重的多视角代价函数，在乘积模型的变迁系统上提出批量迹中每条迹与过程模型的多视角最优对齐方法。仿真实验结果表明，相比已有工作，在计算批量迹与过程模型间的多视角对齐时，所提方法占用更少的内存空间和使用更少的运行时间。该方法提高了最优对齐的启发函数计算速度，可以一次获得批量迹的所有最优对齐，进而提高了事件日志与过程模型的多视角对齐效率。

• 测量精度约束的模糊度搜索定位算法

  鲜炜,杨杰,吴绩伟,

  为了快速且准确地固定整周模糊度，针对 LAMBDA 算法存在整周模糊度搜索范围过广、搜索效率低等问题，提出一种基于测量精度约束的模糊度搜索算法。该算法在最小二乘问题得到最佳加权的情况下，以标准差分进化（DE）算法为基础、载波相位测量精度为约束条件进行模糊度固定解的检验。该算法解决了不同卫星高度角产生的影响，在解算三维整周模糊度时能够达到99%的解算成功率。相比于 MLAMBDA、DE、自适应加权的差分进化（AWDE）算法，该算法进一步提高了模糊度的解算效率和成功率。

• 改进灰狼优化算法求解模糊车间调度问题

  成金海,徐华,杨金峰,

  模糊车间调度问题是复杂调度的经典体现，针对此问题设计优秀的调度方案能提高生产效率。目前对于模糊车间调度问题的研究主要集中在单目标上，因此提出一种改进的灰狼优化算法（improved grey wolf optimization，IGWO）求解以最小化模糊完成时间和最小化模糊机器总负载的双目标模糊柔性作业车间调度问题。该算法首先采用双层编码将IGWO离散化，设计一种基于HV贡献度的策略提高种群多样性；然后使用强化学习方法确定全局和局部的搜索参数，改进两种交叉算子协助个体在不同更新模式下的进化；接着使用两级变邻域和四种替换策略提高局部搜索能力；最后在多个测例上进行多组实验分析验证改进策略的有效性。在多数测例上，IGWO的性能要优于对比算法，具有良好的收敛性和分布性。

• 基于自适应t分布与动态权重的樽海鞘群算法

  胡竞杰,储昭碧,郭愉乐,董学平,朱敏,

  针对樽海鞘群算法寻优精度低、收敛速度慢和易陷入局部最优等缺点，提出一种基于自适应t分布与动态权重的樽海鞘群算法。首先，在领导者位置更新中引入蝴蝶优化算法中的全局搜索阶段公式，以此来增强全局探索能力；然后，在追随者位置更新中引入自适应动态权重因子来加强精英个体的引导作用，从而增强局部开发能力；最后，为了避免算法陷入局部最优，引入自适应t分布变异策略对最优个体进行变异。通过对12个基准测试函数进行求解，根据平均值、标准差、求解成功率、Wilcoxon检验和收敛曲线分析，表明所提出的算法要优于标准樽海鞘群算法，以及参与比较的其他改进樽海鞘群算法和其他群智能算法，说明了其在寻优精度和收敛速度方面都有显著提升，并且具备跳出局部最优的能力。通过将其应用在脱硝入口浓度最低点寻找上，验证了算法的有效性。

• 改进多目标鮣鱼优化算法求解多容量养老院选址分配问题

  朱亚明,张惠珍,马良,许思创,

  为应对未来老龄化时代的到来，完善养老服务体系，针对养老院的选址分配问题，在考虑用户满意度和覆盖率的情况下，构建多目标优化模型。首先，考虑老人对养老院的满意度、养老院相对于社区位置满意度以及养老院相对于大型医院位置满意度，构建了最大化平均满意度和覆盖率以及最小化建设成本的多目标选址分配模型。其次，针对模型的特点，融入两阶段思想，设计了一种改进鮣鱼优化算法对模型进行求解。实验结果表明，该算法能够快速且有效地获得一簇Pareto解，可权衡实际需求和对不同目标的偏好，考虑满意度或成本，在Pareto解中可选择恰当的养老院选址分配方案。最后，通过与其他三种算法的对比分析，验证了模型的可行性和算法的优越性。

• 改进海洋捕食者算法和插值平滑的机器人路径规划

  张贝,闵华松,张新明,

  鉴于传统的智能优化算法（intelligent optimization algorithm，IOA）不能很好解决插值平滑的机器人路径规划（robot path planning，RPP）问题，以及最近提出的海洋捕食者算法（marine predators algorithm，MPA）的优势和不足，提出了一种改进的MPA，即提升信息交流的MPA（interchange enhanced MPA，IEMPA），用于解决RPP。首先提出一种融合趋向全局最优的反向学习策略用于随机选择一个捕食者的位置更新，以便降低陷于局部最优的概率；然后提出了一种三阶段最优引导最差策略来强化最差个体以便提升整个群体和提高搜索能力；随后，提出一种信息共享策略用于捕食前期以进一步提高算法的搜索能力；最后将IEMPA用于插值平滑的RPP中。大量的多场景RPP问题的优化实验结果表明，与MPA等优秀算法相比，IEMPA搜索能力更强、精度更高、收敛速度更快，能更好地处理RPP，可应用到在其他复杂优化问题上。

• 基于方向引导的智能车VFH+路径规划算法研究

  朱茂飞,贺晨辰,张春鹏,吴琼,朱守力,

  针对矢量场直方图（VFH+）算法在路径规划过程中容易陷入环境死区，生成的路径不能满足车辆运动学限制的问题，提出方向引导的VFH+路径规划算法。首先在双向快速随机树（Bi-RRT）节点扩展中引入车辆的运动学约束，在去除路径冗余节点的基础上，使用三次B样条曲线得到平滑引导路径。其次，在VFH+算法中引入车辆的最大转角约束与引导路径的离散点方向，来限制VFH+的候选方向范围，并修改代价函数获取合适的前进方向。最后，在MATLAB软件上进行算法的仿真对比以及基于ROS平台的实验验证。结果表明，改进后的VFH+算法能够在满足车辆运动学约束的情况下，生成一条避开环境死区的有效路径。

• 基于云模型的Pythagorean模糊语言多属性决策方法

  黄俊杰,陈刚,

  针对专家给出的属性值为Pythagorean模糊语言且专家权重与属性权重均未知的多属性决策问题进行了研究，提出一种基于云模型的多属性决策方法。首先，根据Pythagorean模糊语言决策信息的距离熵计算得到属性权重；其次，计算决策矩阵间的距离从而得到各决策专家权重；再次，构建Pythagorean模糊云模型决策矩阵并利用专家权重和属性权重进行信息集结；最后，基于TOPSIS方法求取正、负理想解，依据理想解计算各方案贴近度并据此对各备选方案进行排序选择。案例分析表明，该方法优化了复杂环境下的决策，避免了决策信息的丢失，能够较好地解决决策信息的不确定性和决策过程的随机性，具有一定的可行性和有效性。

• 基于软分配SIFT特征的回环检测算法

  孙金风,袁逸钊,黄斌,杨智勇,

  回环检测能够消除视觉SLAM的累积误差，对SLAM系统意义重大。其中，应用较广泛的视觉词袋模型算法存在着视觉单词同一性和歧义性问题，影响了回环检测效果。为改善这些问题并提高回环检测效果，提出了一种基于软分配SIFT（scale-invariant feature transform）特征的回环检测算法。该算法将图像提取出的SIFT特征点分配到欧氏距离最近的几个单词上，并根据距离排序加权，剔除距离单词较远的特征点，生成更具区分性的描述子，并且在筛选候选项时，加入相同单词特征点占比以及单词偏移稳定性约束，筛选出少量候选项。实验结果中，该算法相较于传统视觉词袋模型以及近些年的几种回环检测算法，在三种数据集中的100%准确率下的召回率有所提升，图像平均查询时间在40 ms左右。结果表明，该算法对回环检测效果有一定提升，并且保证了实时性。

• 基于位图的键值存储哈希优化

  王天宇,徐云,王彪,

  内存键值存储系统中索引方法决定了系统的时间性能和空间开销，是改进和优化的关键因素。哈希索引提供了O（1）时间复杂度的访问操作，但会产生存储冲突，引起访问性能下降。为此，提出了一种基于位图的键值存储哈希优化方法，可以避免存储冲突提升访问性能。该方法将共前缀的键哈希到同一个块，减少键存储空间；在块内使用层次位图结构，全域位图表示所有键的后缀部分来避免存储冲突，摘要位图支持快速定位和范围查询加速。实验结果表明，优化后的哈希索引在多种负载上均能取得较高吞吐量并具有良好的并发性能，同时内存占用较现有方案大大降低。

• 基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略

  黄冬梅,徐琦,孙锦中,胡安铎,

  无人机搭载深度神经网络进行自主电力巡检时由于受到设备本身计算能力、电池容量、深度神经网络计算负载的限制，无法独立处理巡检任务中产生的海量图像数据。为解决该问题，提出了一种基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略，该策略将系统成本最小化问题分解为深度神经网络计算任务协同分割和边缘服务器选择两个子问题。针对协同分割子问题，基于深度神经网络计算任务的执行流程提出了一种错时传输方法，通过改进混合粒子群算法求解多无人机任务协同分割层。针对边缘服务器选择子问题，定义无人机与边缘服务器各自偏好函数，根据偏好函数通过匹配理论建立两者间的稳定匹配，得到边缘服务器选择策略。仿真结果表明，与其他卸载策略相比，所提策略能有效降低无人机能耗和计算任务处理时延，促进边缘服务器负载均衡。

• 基于IGF+Bi-LSTM算法的心电信号分类

  宋朝炀,刘朕,史曼曼,张景祥,

  为强化心电信号渐变特征、提高时序信号分类精度，基于Bi-LSTM提出了一种融合渐变数据特征的自适应算法IGF+Bi-LSTM（self-adaptive Bi-LSTM based on integrating gradient features）。该算法在一定范围内自适应选取相似程度最高的渐变数据特征，通过数据融合强化渐变特征在网络隐空间的交互，拓展Bi-LSTM信息传递模式；针对时序信号间存在周期性不匹配和强度不一致的问题，提出一种基于差分的改进的B式距离，以刻画数据和不同标签数据全体间的差异度S并自适应调整IGF+Bi-LSTM中的融合系数。实验表明，该算法在ECG数据集上的分类精度达到98.7%，F1值为98.7%，证明了IGF+Bi-LSTM算法的有效性和实用性。

• POMDP-APF：一种基于POMDP模型的APF无人机路径规划策略

  冯建新,解爽,郭冠麟,潘成胜,

  针对无人机在路径规划过程中会遇到静态或者动态的障碍物，从而导致路径规划失败的问题，提出一种基于部分可观测马尔可夫决策过程（partially observable Markov decision process，POMDP）模型的人工势场（artificial potential field，APF）无人机路径规划策略（POMDP-APF）。首先使用传感器获得的障碍物信息结合POMDP模型预测障碍物的未来位置，为无人机的路径规划做准备；其次，提出一种新的基于障碍物的正方体外接球的模型，保障无人机在路径规划过程中的安全性；最后，结合改进的APF算法实现无人机的路径规划。仿真结果表明，POMDP-APF策略在无人机实时路径规划中具有良好的可行性和有效性，使无人机能够有效避开障碍物，同时路径长度以及耗费时间更短。

• 基于联合权重超图划分的SNN负载均衡方法

  徐聪,叶钧超,黄尧,柴志雷,

  大规模脉冲神经网络并行模拟是探究大脑机能的重要手段。其难点在于合理地将负载映射到并行分布式平台上，提升模拟速度。为解决该问题，提出一种基于联合权重超图划分的SNN负载均衡方法，解决并行计算中进程间计算负载与通信负载的均衡问题，提高SNN模拟速度，并使用稀疏通信的方式替代集体通信，解决事件通信过程中的数据冗余问题，提升通信效率。实验结果表明，该方法使带有STDP突触20%规模的皮质层微电路模型的模拟时间，比标准循环分配算法缩短约64.5%，比普通超图分配算法缩短约57.4%，同时事件通信数据量减少了90%以上。

• 基于深度强化学习的无线自组网拥塞控制性能提升方法

  陈世河,徐彦彦,潘少明,

  针对现有传统拥塞控制算法难以适应高度动态变化的无线自组网链路环境的问题，提出了一种基于深度强化学习的拥塞控制性能提升方法Enhanced-CC（enhanced congestion control）。通过利用传统拥塞控制算法对拥塞窗口进行初步探测，在此基础上，利用深度强化技术学习链路实时最佳拥塞窗口区间，在传统拥塞控制算法计算的拥塞窗口过大或过小时，对拥塞窗口进行调整，从而使发送速率能够与高度动态变化的链路带宽相匹配，提升传统拥塞控制算法的传输性能。实验结果表明，Enhanced-CC能够大幅度提升BBR、CUBIC、Westwood、Reno等传统拥塞控制算法的性能，同时也优于PCC、PCC Vivace等完全基于学习的拥塞控制算法以及Orca、DeepCC等结合深度强化学习与传统拥塞控制算法方案的性能。

• LoRa物理层同步及解调性能研究

  花敏,赵伟,

  针对现有基于FFT的同步算法误差较大的问题，提出了一种优化的LoRa物理层前导码同步方法。首先，根据Chirp信号的时频转换特性，分别采用差分算法和插值算法对前导信号的归一化的小数频偏和小数时延进行估计，在此基础上采用基于FFT同步的联合估计算法对整数频偏和整数时延进行估计；之后，从理论上分析残余的同步误差对LoRa信号解调性能的影响。仿真结果表明，所提出的同步方案可以在相应信噪比极限下满足解调性能要求。

• 基于适应度和输入约束模型的内核驱动漏洞挖掘

  佘庚达,付才,岑泽威,吕建强,

  针对驱动程序在运行过程中难以监控和输入复杂的问题，提出并实现基于适应度和输入约束模型的驱动程序模糊测试工具DrgenFuzzer。该工具利用内核跟踪技术结合二进制程序的静态分析实现驱动运行的信息监控；分析驱动接口参数，设计了样本约束的方案；提出了新型适应度计算方案和交叉变异方案。实验证明，与常用的内核模糊测试工具对比，该工具经过输入约束模型之后生成的样本测试成功率达到了其他工具的10倍以上，生成的样本质量更高。该工具对驱动程序进行模糊测试，挖掘到 i2c驱动中的空指针引用漏洞。DrgenFuzzer能有效引导和规范样本生成，提高了样本测试成功率和运行效率，增强了漏洞挖掘能力。

• 基于eBPF的云环境下payload进程检测方法

  王圣凯,阮树骅,汪邓喆,

  针对目前云环境下攻击载荷（payload）所体现出的新特征以及目前检测方法性能损耗较高的问题，提出了一种利用eBPF技术在内核态检测反向连接类payload进程从而定位被入侵容器的方法。该方法在内核态对服务端TCP连接进行监控，通过筛选TCP标志位定位疑似反向连接类payload进程所在容器，并对该容器进程组后续访问文件行为进行追踪以控制损害。实验证明，该方法可以有效检测出并定位被入侵容器，且其性能消耗极低，多线程性能Unixbench分数损耗仅为0.53%。

• 面向MEC的V2G轻量级分层认证方案

  王子涵,王亮亮,茆启凡,

  现有的针对车辆到电网（vehicle to grid，V2G）网络的大多数身份认证方案无法适用于交互频繁的移动边缘计算（mobile edge computing，MEC）环境，存在认证机制不完善、认证延迟大、认证成本高等问题。为解决上述问题，基于椭圆曲线加密及哈希函数提出了一个适用于MEC环境的V2G轻量级分层身份认证方案。引入半可信实体，实现端、边、云三方实体间的两阶段双向认证，并设计了一个效用评判机制以减少认证交互轮次。随机预言模型下形式化的安全性分析证明所提方案具备较高的安全性，能够抵御信息泄露攻击等多种攻击威胁；性能评估分析表明，所提方案平均减少了大约16.25%的传输消息量、19.4%的计算成本以及25.38%的通信开销，高度适用于多实体参与的MEC场景。

• 一种基于改进差分进化算法的源码漏洞检测模型的冷启动方法

  袁子龙,吴秋新,刘韧,秦宇,

  源码漏洞检测作为重要的研究课题，其传统方法在面对规模庞大、脆弱性多样化的代码时，存在人工参与度高、未知漏洞检测能力弱等诸多问题。针对以上问题，基于开放源代码的语法语义信息，提出了改进差分进化算法的源码漏洞检测模型冷启动优化方法。运用源码切片技术、启发式优化算法及神经网络模型，解决了漏洞检测模型在启动之初超参数无法准确选定的问题。对于实验中样本信息冗余和正负样本鲜明特征混和的情况，提出了正负样本鲜明特征交叉剔除的思想以减小模型的漏报率及误报率。实验表明，该方法可以有效加速模型的收敛，使得模型在10个epoch内达到稳定，在提升源码漏洞检测模型准确率的同时其收敛速度比其他模型提升了2~3倍。在后续改进实验中，源码漏洞检测模型在所有类型漏洞的准确率上均提高了1~3个百分点，充分证明了改进措施的有效性。该方法的优化策略和改进措施同样适用于其他神经网络分类模型，可以为漏洞检测领域探索新方法和新模型提供思路。

• 可撤销的多关键字公钥可搜索加密方案

  郑东,何俊杰,秦宝东,陈从正,

  在云计算应用中，为保证隐私数据安全，用户需要将数据在本地加密后再上传至云服务器。可搜索加密技术允许用户直接检索服务器上的加密数据，获得检索权限的用户往往可以无限制地检索密文。在现实应用中，用户密钥的丢失及恶意攻击容易对隐私数据产生安全威胁，用户不应该持续保持对数据的检索能力。为此，提出了一个支持用户检索权限撤销的公钥可搜索加密方案。将系统的整个生命周期划分为不同时段，下个时段的密文由上个时段的密文进化而来，通过密文进化及时间密钥的分发控制实现用户权限的撤销。方案在支持多关键字检索的同时降低方案的计算开销，并且撤销用户对此前时刻所有密文的检索能力，保证密文的前向安全性。

• 面向非独立同分布数据的联邦梯度提升决策树

  赵雪,李晓会,

  随着联邦学习的不断兴起，梯度提升决策树（GBDT）作为一种传统的机器学习方法，逐渐应用于联邦学习中以达到理想的分类效果。针对现有GBDT的横向联邦学习模型，存在精度受非独立同分布数据的影响较大、信息泄露和通信成本高等问题，提出了一种面向非独立同分布数据的联邦梯度提升决策树（federated GBDT for non-IID dataset，nFL-GBDT）。首先，采用局部敏感哈希（LSH）来计算各个参与方之间的相似样本，通过加权梯度来构建第一棵树。其次，由可靠第三方计算只需要一轮通信的全局叶权重来更新树模型。最后，实验分析表明了该算法能够实现对原始数据的隐私保护，并且通信成本低于simFL和FederBoost。同时，实验按照不平衡比率来划分三组公共的数据集，结果表明该算法与Individual、TFL及F-GBDT-G相比，准确率分别提升了3.53%、5.46%和4.43%。

• 基于时空增强式交互网络的组合动作识别

  崔亚飞,

  组合动作识别是计算机视觉领域一个新的挑战，它旨在识别未见过的动作与物体的组合。传统的动作识别模型往往会在物体外观与动作类别之间建立联系，引入错误的偏置，在面对未见过的动作与物体的组合时性能急剧恶化。现有解决方法是忽视外观信息，以物体的坐标和身份等信息作为输入，建立以物体为中心的模型。受此启发，提出了时空增强式交互模型。首先在基础网络的不同深度提取并聚合多级别物体特征；然后构建物体分支，使用时空增强模块和物体交互模块分别对物体特征进行增强以及建模物体的移动和交互模式；最终将该分支的输出与基础网络的输出融合用于动作分类，使模型兼顾外观信息和物体交互信息。在多个数据集上的广泛实验证明了所提模型的有效性。

• 结合时空特征和视觉感知的全参考视频质量评价

  刘聪,孔广黔,段迅,吴云,

  视频失真主要来源于空间和时间失真导致的视频质量退化。针对这两种视频质量退化，提出了一种结合时空特征和视觉感知的全参考视频质量评价方法STPFVQA。首先，使用ResNet50卷积网络从参考视频和失真视频中提取空间感知特征；其次将提取的空间感知特征送入transformer编解码器中，用来构建视频的序列化关系，同时对比参考视频和失真视频，探索失真对视频序列关系造成的影响；然后将transformer的输出送入预测头，形成帧级分数；最后为了模拟人类视觉系统感知的滞后性，从短期、长期和全局记忆效应来综合考虑获得最终的视频质量分数。为了验证方法的可行性，在LIVE、IVC-IC、CSIQ和IVPL四个公开数据集上进行了实验。实验结果表明提出模型更符合人类视觉系统感知情况。在IVC-IC和CSIQ数据集上相比最先进的序列依赖模型（serial dependence modeling，SDM），SROCC评价指标分别高出2.6%和3.1%，KROCC评价指标高出6.1%和7.9%，PLCC评价指标高出2.3%和5.5%。

• 基于帧间一致性的自监督室内逆渲染

  张振峰,李亚男,陈一帆,黄初华,

  针对目前逆渲染监督学习方法难以获得标签、泛化能力差的问题，提出了一种基于IFC（inter-frame coherence）的自监督训练方法。由于逆渲染问题的不适定性，引入额外的反照率一致性损失和交叉渲染损失强化自监督网络，其主要思想是对连续光照变化的图像序列执行IFC约束。即通过图像帧之间的位姿图和深度图，在相邻帧之间执行图像投影和扭曲；通过这种方法在相邻帧之间建立约束，并使用孪生训练来确保对光度不变量的一致估计。该方法使用完全卷积神经网络从室内视频序列中恢复几何形状、反射率和光照。自监督网络使用没有标签的连续帧图像集合进行训练，通过结合可微分渲染器，使网络以自监督的方式进行学习。通过与其他主流方法的比较，定量和定性实验结果表明提出方法在多个基准上表现更优。

• 一种自适应多态特征融合的交通图像去雾算法

  胡梦婷,范涛,王国中,

  雾天户外获取的交通图像质量差，使用现有算法会错误估计大气光值和透射率，产生天空区域颜色失真和光晕现象，为此提出了一种自适应多态特征融合的交通图像去雾算法。根据雾天交通图像天空区域的特征，利用明暗区域检测模型划分天空和非天空区域，分别估算相应的大气光值以消除颜色失真；同时使用多尺度图像分解模型逐像素自动发掘多态特征，进一步利用自适应特征融合策略，突出局部显著特征并重组特征，细化出精准的透射图，解决光晕效应。实验结果表明：新算法复原后的交通图像视觉效果真实，客观评价指标整体优于其他经典算法，相比耗时最短。该算法有效解决了色彩失真和光晕效应，很好地满足了速度快和高精度的要求，对智慧交通建设领域具有重要的应用价值。

• 离散ADMM方法下像素与对象基元协同优化的遥感影像无监督语义分割

  陈运成,郑晨,李晶莹,王雷光,

  语义分割是遥感影像分析中的重要技术之一。现有方法（如基于深度卷积神经网络的方法等）虽然在语义分割中取得了显著进展，但往往需要大量训练数据。基于图模型的马尔可夫随机场模型（Markov random field model，MRF）提出了一种不依赖训练数据的无监督语义分割思路，可以有效地刻画地物空间关系，并对地物空间分布的统计规律进行建模。但现有的MRF模型方法通常建立在基于像素或对象的单一粒度基元上，难以充分利用影像信息，语义分割效果不佳。针对上述问题，引入交替方向乘子法 （alternative direction method of multiplier，ADMM）并将其离散化，提出了一种像素与对象基元协同的MRF模型无监督语义分割方法（MRF-ADMM）。首先构建像素基元和对象基元两个概率图，其中像素基元概率图用于刻画影像的细节信息，保持语义分割的边界；对象基元概率图用于描述较大范围的空间关系，以应对遥感影像地物内部的高异质性，使分割结果中地物内部具有良好的区域完整性。在模型求解过程中，针对像素和对象基元的特点，提出了一种离散化的ADMM方法，并将其用于两种基元类别标记的传递与更新，实现像素基元细节信息和对象基元区域信息的协同优化。高分二号和航拍影像等不同数据库不同类型遥感影像的语义分割实验结果表明，相较于现有的MRF模型，提出的MRF-ADMM方法能有效地协同不同粒度基元的优点，优化语义分割结果。

• 深度融合图像文本特征的文本引导图像修复

  兰红,郭福城,

  为解决现有文本引导图像修复模型在处理文本图像融合时模态间信息缺乏高效融合导致修复结果不真实且语义一致性差的问题，提出一种通过条件批量归一化融合图像文本特征实现文本引导的图像修复模型BATF。首先，通过空间区域归一化编码器对破损和未破损区域分别归一化，减少了直接特征归一化对均值方差偏移的影响；其次，将提取的图像特征与文本特征向量通过深度仿射变换进行融合，增强了生成器网络特征图的视觉语义嵌入，使图像和文本特征得到更有效的融合；最后，为增强修复图像的纹理真实性及语义一致性，设计了一种高效鉴别器并引入了目标感知鉴别器。在CUB bird这个带有文本标签的数据集上进行定量和定性实验表明，提出模型在PSNR（peak signal-to-noise ratio）、SSIM （structural similarity）以及MAE（mean absolute error）度量指标分别达到了20.86、0.836和23.832。实验结果表明，BATF模型对比现有的MMFL和ALMR模型效果更好，修复的图像既符合给定文本属性的要求又具有高度语义一致性。

• 融合小波变换和编解码注意力的异常检测

  王婷,宣士斌,周建亭,

  针对视频异常检测中对正常视频预测不准确、学习正常特征的能力欠佳的问题，提出融合小波变换和编解码注意力的异常检测模型。模型中引入多级离散小波变换，设计了一种离散小波变换融合模块，将由视频帧分解得到的多个子带图拼接，传入深度可分离卷积，再与编码器特征融合，以弥补下采样过程中丢失的高频细节信息；构建了一种编解码注意力模块，通过对编码器特征图进行高斯差分操作，然后分别沿水平和垂直方向获取注意力权重，再根据权重聚合编码器特征，最后关联解码器特征，增强网络对正常事件的学习。在Ped1、Ped2、Avenue数据集上的实验表明，所提模型的AUC分别提升了3.2%、3.1%、2.0%，能有效提高检测异常的能力。

• 结合局部线性嵌入与种子信息流的交互式图像分割算法

  龙建武,胡绪军,

  交互式图像分割是指在分割过程中引入少量的用户指引分割出目标对象，是图像处理最基本的任务之一。现有方法通常需要构建非二次能量函数，并且普遍存在缺乏唯一解、分割精度低等问题。为进一步提高分割质量，提出一种结合局部线性嵌入和种子信息的交互式图像分割算法（seed information combined with local linear embedding，SILLE）。该算法考虑像素点的局部信息以及先验信息，将标记种子点的信息融入到新构建的能量函数中，以一种有效且快速的最小化方案得到能量函数的唯一且最优解，从而获得更加准确的分割结果。最后在不同数据集上，与不同方法进行多种指标的对比，验证了算法的有效性和可行性。