计算机应用研究杂志

计算机应用研究杂志2023年第9期

• 空间方向关系定性推理技术研究进展

  王淼,方振西,王晓桐,李松,郝忠孝,

  空间方向关系是空间认知中的一个基本概念，在空间数据库、人工智能、机器人等领域发挥着极其重要的作用。随着对空间方向关系研究的不断深入，空间方向关系定性推理受到了广泛关注，逐渐成为研究的热点。为了更进一步地介绍和挖掘空间方向关系推理技术的研究现状，首先，针对现有的推理模型进行详细梳理和总结，对各类模型进行比较和分析，指出了各种模型的特性及适用范围；其次，从二维、三维及不确定性空间对象方向关系的复合、反关系推理、一致性检验以及结合多种空间信息的组合推理等几个方面，对空间方向关系推理相关工作进行了系统性的阐述和分析；最后，分析了目前所面临的挑战，并对其未来发展趋势进行了展望。

• 区块链技术赋能药品供应链：应用与挑战

  徐响,田宁,赵科杰,雷虹,刘志伟,

  在当前药品制假贩假泛滥的背景下，传统药品供应链模式的数据不透明性导致药品流通环节的违规行为层出不穷。而区块链的出现给药品供应链带来了曙光，其能够在药品供应链中实现过程透明性、数据共享、自治管理等。但也带来了一系列新问题如业务可拓展性、系统可互操作性和可监管性等。通过讨论分析该领域的相关研究以及工业界成熟的方案，总结出区块链技术赋能药品供应链的优势，以及药品供应链场景应用区块链技术亟待解决的若干问题和可能的应对策略，旨在帮助完善中国药品供应链方案，缓解药品造假问题。最后，针对当前药品供应链监管存在的问题，提出了一种将“以链治链”架构融合的新模式，该模式旨在通过提供一个全面的解决方案，以克服当前基于区块链的药品供应链方案存在的可拓展性和互操作性问题，并确保整个供应链过程的透明度和问责制。

• 一种基于哈希图的移动自组网区块链模型

  宫在为,黄建华,顾彬,宁宇豪,张文韬,

  针对移动自组网存在的网络覆盖范围有限、连接不稳定、节点协同时易遭受恶意攻击等问题，结合区块链技术增加数据的安全性与完整性，提出一种基于哈希图的移动自组网区块链模型。首先，提出一种分簇算法，将节点划分为不同的簇，选举簇首统计簇内节点数量，并写入事件中进行传播，以保证共识的顺利进行；其次，对Gossip协议进行优化，提出FS-Gossip（fast spreading Gossip）协议，减少邻居节点选择的盲目性，提高传播效率，增大新入簇节点的检测速度；最后，改进哈希图中复杂的共识计算，并提出一种基于簇首优先的传播机制，在簇内节点应用轻量级共识与传播机制，以加快事件确认速度，降低时延，提升吞吐量。仿真实验结果验证了模型在时延、吞吐量与传播效率方面的优势。

• 适用于区块链的高效异步拜占庭容错算法

  王耀启,刘扬,李向阳,刘鑫磊,曹浩浩,

  针对现有异步共识算法存在的多轮次通信开销大、随机抽签算法中缺乏信誉机制导致了较多的抽取次数等不足，提出了一种高效的异步拜占庭容错算法PenguinBFT。首先，在广播交易时直接广播原文，降低了共识通信开销；其次，引入了节点信誉评估机制，从网络情况相对稳定的节点集合中选取出块者，以减少随机抽取次数；最后，对网络节点进行分区，在请求交易缺失时，让不同的节点访问不同的分区进行交易恢复，既能减少通信开销又能提升交易恢复效率。实验结果表明，当节点规模达到64时，提出的PenguinBFT算法相较于HoneyBadgerBFT、DumboBFT和DispersedLedger算法，在通信开销、吞吐量和交易确认时延等方面均有50%以上的提升。

• 基于时域卷积网络的中文句子级唇语识别算法

  刘培培,贾静平,

  针对现有中文句子级唇语识别技术存在的视觉歧义、特征提取不充分导致识别准确率偏低的问题，提出了一种基于时域卷积网络，采用三维时空卷积的中文句子级唇语识别算法——3DT-CHLipNet（Chinese LipNet based on 3DCNN，TCN）。首先，针对特征提取不充分的问题，所提算法采用了比长短期记忆网络（LSTM）感受野更大的时域卷积网络（temporal convolutional network，TCN）来提取长时依赖信息；其次，针对中文唇语识别中存在的“同型异义”视觉歧义问题，将自注意力机制应用于中文句子级唇语识别，以更好地捕获上下文信息，提升了句子预测准确率；最后，在数据预处理方面引入了时间掩蔽数据增强策略，进一步降低了算法模型的错误率。在最大的开源汉语普通话句子级数据集CMLR上的实验测试表明，与现有中文句子级唇语识别代表性算法相比，所提算法的识别准确率提高了2.17%至23.99%。

• 基于模态信息交互的多模态情感分析

  蔡宇扬,蒙祖强,

  基于全局语义交互的粗粒度注意力机制不能有效利用各模态间的语义关联提取到模态信息中的关键部分，从而影响分类结果。针对这个问题提出了一个模态信息交互模型MII（modal information interaction），通过细粒度注意力机制提取模态的局部语义关联特征并用于情感分类。首先，模态内信息交互模块用于构建模态内的联系并生成模态内交互特征，随后模态间信息交互模块利用图像（文本）的模态内交互特征生成门控向量来关注文本（图像）中相关联的部分，从而得到模态间的交互特征。考虑到特征中存在的冗余信息，模型加入了自适应特征融合模块，从全局特征层面对特征进行选择，增强了包含情感信息的关键特征的表达能力，弱化了冗余信息对分类结果的影响。在MVSA-Single和MVSA-Multi两个公开数据集上的实验结果表明，该模型优于一系列基线模型。

• 混合流水车间插单重调度的超启发式遗传算法

  刘思宇,李铁克,王柏琳,袁帅鹏,张文新,

  针对带有紧急订单的混合流水车间插单重调度问题，提出了一种双层编码的超启发式遗传算法。针对混合流水车间具有的订单排序和机器选择的双决策特征，在算法低层设计双层编码方案，在个体中表示订单排序和机器选择两类信息，对应一个唯一调度解，进而提出了12种排序和选择启发式对个体进行迭代优化；在算法高层采用自适应遗传算法，用来确定订单排序启发式和机器选择启发式的操作组合以及各组合执行的次序，并设计了自适应变异算子来优化算法的有效性。大规模数据实验的结果表明，该算法具有很好的求解质量和求解效率。

• 基于深度强化学习的存内计算部署优化算法

  胡益笛,夏银水,

  针对存内计算大规模神经网络部署导致的计算延迟、运行功耗较大等问题，提出了基于深度强化学习的神经网络部署优化算法。首先，建立了马尔可夫决策过程的任务模型，优化神经网络的延迟和功耗，完成片上计算核心的部署。其次，针对优化部署过程中，存在求解空间过大、探索能力不足等问题，提出了一种基于深度强化学习的智能部署优化算法，从而得到近似最优的神经网络部署策略。最后，针对强化学习探索能力不足的问题，提出了一种基于内在激励的奖励策略，鼓励探索未知解空间，提高部署质量，解决陷入局部最优等问题。实验结果表明，该算法与目前强化学习算法相比能进一步优化功耗和延迟。

• 基于改进CBS算法的自动化码头多AGV无冲突路径规划

  周欣慈,朱瑾,

  针对自动化集装箱码头上自动引导车（automated guided vehicle，AGV）数量增加导致冲突更频繁。提出一种改进的基于冲突的搜索（conflict based search，CBS）算法。底层采用基于曼哈顿距离的A*算法，上层结合二叉树原理建立冲突树对AGV之间的冲突进行规避。以最小化AGV在岸桥和堆场之间的总路径长度为目标，使用栅格法建立AGV路网模型。考虑AGV之间的点冲突与边冲突，将自动化码头多AGV无冲突路径规划问题规约为多智能体寻径问题。实验结果表明，所提出的算法在保证堵塞率为0%的前提下，缩短总路径长度并提高运算速度，验证算法的有效性。

• 面向依赖关系约束的移动群智感知任务协作

  杨桂松,白高磊,何杏宇,贾明权,

  现有移动群智感知中，大多研究将每个任务作为独立个体进行处理，对任务间约束关系缺乏研究，为此，提出了基于感知质量优先级的在线任务协作方法（online task collaboration method based on sensing quality priority，TCSP）。该方法首先使用贪婪算法计算感知质量优先级，对全部任务进行筛选以保证任务完成率；然后将选出任务中存在时间先后或执行逻辑前后关系的多个子任务构建为任务协作图，并将其协作过程建模为有约束的马尔可夫决策过程，通过强化学习算法求出最优协作策略。实验结果表明，与现有基线方法相比，所提出的任务协作方法能够减少依赖任务的平均完成时间，有效降低平台的平均感知成本。

• 时空需求下的电动汽车充电设施选址优化模型

  周筝,龙华,李帅,梁昌侯,

  针对电动汽车充电站布局位置不合理、充电利用率较低等问题，提出了一种时空需求下的充电设施选址优化模型STDM。通过对电动汽车出行数据的时空分布特征进行挖掘，结合电动汽车的出行与充电行为构建充电需求预测模型来获得区域内时空需求分布；采用基于时空统计量的方法获取需求热点区域，考虑到充电站服务覆盖问题，定义充电覆盖率作为模型评估参数；在此基础上从用户角度与运营和社会角度综合构建电动汽车到站距离成本、充电站建设运行成本和碳排放成本的优化模型。最后通过实际数据验证模型的可行性和有效性。结果表明，模型得出了区域内12个充电站的选址方案降低综合成本，同时确定充电站的布局位置与充电桩数量；此外，采用所提方法得到的模型选址结果相比于其他文献方法能够有效缩短电动汽车到站距离，并提高到站覆盖率。

• 基于新型多元宇宙优化算法的IPPS与多源供能协同优化

  董君,叶春明,

  为推动制造企业绿色转型发展，针对企业IPPS与多源供能协同优化问题，提出了新型多元宇宙优化算法。通过嵌入子种群融合初始化策略、NSGA-Ⅱ变异策略、外部档案的扰动策略等多方面的改进操作，扩大了种群个体的多样性，开发了新的搜索范围，提升了算法的寻优性能，提高了Pareto解集的质量。通过多能源消耗对比实验，验证了多源供电能源体系能够有效提高可再生能源消纳比例，助力制造企业节能减排目标的实现；通过算法对比实验，验证了新型多元宇宙优化算法对解决制造企业IPPS与多源供能协同优化问题的有效性、可行性及竞争性。

• 量子近似优化算法在最大独立集中的应用

  段孟环,李志强,郭玲玲,

  最大独立集问题是著名的NP问题，并且在许多场景中都有应用。传统的精确算法解决最大独立集问题需要指数级的时间复杂度。为更高效地解决最大独立集问题，提出了一种基于量子近似优化算法的量子线路解决方案。该方案由最大独立集的数学模型，推导出最大独立集问题的哈密顿量表达式；设计了基于量子近似优化算法的量子线路，采用COBYLA经典优化算法对参数量子门中的参数进行优化，并使用IBM提供的量子开发框架Qiskit进行仿真实验。仿真结果表明，使用量子近似优化算法可以在多项式时间内以高概率获得最大独立集问题的解，实现了指数加速。量子近似优化算法对解决最大独立集问题有一定的可行性和有效性。

• 基于聚类结构和局部相似性的多视图隐空间聚类

  宋菲,

  随着数据获取方式的多样化发展，针对多视图领域的算法研究变得越来越重要，但大多数方法仅通过自表示属性或局部结构获取样本间的相似性关系，在此过程中忽略了整体样本的聚类结构和原始空间的噪声的影响，使得聚类结果存在较大误差。为解决此问题，提出了一种基于聚类结构和局部相似性的多视图隐空间聚类方法（multi-view latent subspace clustering with cluster structure and local similarity，MLC2L），通过隐表示融合不同视图上的共享信息并抑制噪声的存在。此外，通过探索隐空间内样本间的局部相似性关系和整体的聚类结构促进样本达到同类聚合、异类远离的目的；最后引入一个交替方向迭代优化算法来快速求解目标函数。实验结果显示，在六个真实数据集的实验中，MLC2L在MSRC-v1、UCI以及100Leaves上的五个评价指标均为最优，在3Sources、WebKB和Prokaryotic等数据集上的五个指标有四个最优，大量的实验分析也证明了融合局部结构和整体聚类结构的MLC2L在多视图聚类任务上的有效性。

• 基于位置社交网络的用户社区和属性位置簇搜索

  宗传玉,李箬竹,夏秀峰,

  针对当前社区搜索问题不能完全满足用户活动位置推荐的需求，提出了属性地理社会社区搜索问题（AGCS）。该问题是从带有属性的基于位置的社交网络中寻找紧密连接的用户社区和属性位置簇的工作。定义一个基于属性约束和签到信息的新社区度量用于衡量结果质量，并提出三种新的搜索算法来解决该问题：一种基本算法、一种基于贪心扩展策略的局部算法以及优化的局部算法。实验证明提出的算法能够在带有属性的基于位置的社交网络中有效地搜索高质量的用户社区和属性位置簇，局部算法社区分数较基本算法增加近1.5倍，优化的局部算法在保证社区质量的基础上将算法效率提升到原来的近40倍。

• 基于改进RRT的筒子纱搬运机械臂路径规划研究

  李文杰,赵地,杜玉红,邴志刚,

  针对筒子纱搬运过程中存在纱线架、放置平台、其他筒子纱等多障碍物的环境下，传统的目标偏置RRT容易陷入局部最优的问题，提出一种改进的RRT（rapidly-exploring random tree）算法。通过几何包络法建立碰撞检测模型，并添加距离系数g，使机械臂末端与障碍物保持安全距离；提出随机动作选择策略，使树每一次扩展前对扩展动作进行选择；提出弱化目标偏置策略，根据Xgoal相对于Xnear和Xrand连线的位置，对扩展方向进行偏置；根据垂距限值法和三次样条插值对初始路径处理，得到一条平滑路径。通过与RRT算法、M-RRT算法、添加引力系数的RRT算法和改进的RRT*算法仿真对比，路径长度方面最大下降了23.3％，时间方面最大下降了82.5%，并始终与障碍物保持50 mm以上的距离。结果表明该算法提升了机械臂搬运的效率和安全性。

• 基于细粒度信息集成的意图识别和槽填充联合模型

  周天益,范永全,杜亚军,李显勇,

  意图识别和槽位填充是构建口语理解（SLU）系统的两项主要任务，两者相互联合的模型是对话系统的研究热点。这两个任务紧密相连，槽位填充通常高度依赖于意图信息。针对最近联合模型中：固定阈值很难在不同领域中选择出正向的投票，且复杂的意图信息不能充分地引导槽位填充的问题。提出了一种基于细粒度信息集成的意图识别和槽填充联合模型。其中，将由意图解码器获取的意图信息与各单词的编码表示拼接，形成意图引导的集成编码表示，从而为单词级槽位填充提供细粒度的意图信息。同时，通过计算最大意图得分和最小意图得分的中间值获得逻辑自适应阈值，并用其代替固定阈值。逻辑自适应阈值可随不同意图标签的得分分布而变化。通过在两个多标签数据集上的实验结果验证了提出的模型的性能。

• 基于多维度变异学习与收散归优的鲸鱼优化算法

  关燕鹏,李子鸣,贾新春,

  针对鲸鱼优化算法（WOA）在解决高维、多峰、最优值非原点等问题时存在的收敛精度低、易被局部最优捕获等缺陷，提出了一种基于多维度变异学习与收散归优的鲸鱼优化算法（MLDOWOA）。首先，引入自适应权值以及优势个体干扰动态调整个体螺旋包围的方向，提高了算法的全局搜索能力和收敛精度；然后提出多维度变异学习机制对种群变异方向进行自适应规划，进一步扩大了算法的搜索范围；最后引入收散归优机制协调了搜索步长，帮助种群突破了中后期搜索停滞的局限。通过8个高维基准函数和4个固定维基准函数对MLDOWOA算法进行测试，结果表明同基本算法WOA、SSA以及改进的ACWOA、AWOA、MSIWOA、ADWOA相比，该算法在收敛精度和应对高维函数的能力上具有显著的优越性。将该算法应用于FOPID控制器的参数整定，并将实验结果同近年来该工程问题的研究成果进行对比分析，证明了该算法在FOPID参数整定问题中具有卓越的性能。

• 基于反向感染的复合种群网络传播溯源算法

  阳成,王建波,许小可,杜占玮,

  流行病的传播会对整个人类社会构成巨大威胁，因此迅速识别传播源并及时采取控制措施至关重要。然而，由于流行病传播过程具有多样性、信息不确定性等因素，使得快速准确识别传播源成为一项挑战。结合反向感染算法、复合种群网络模型以及马尔可夫链理论，提出了一个在复合种群网络中识别传播源的新算法。该算法首先利用马尔可夫链来初步估计子种群被感染的时间，被感染子种群根据感染时间获得自己的身份信息，然后遍历所有获得感染子种群身份信息的子种群，将收集到的感染子种群身份信息传播给其所有邻居，最后根据获得所有感染子种群身份信息的时间顺序推断出复合种群网络的传播源。在真实的航空网和人造复合种群网络上进行大量仿真实验，发现无论在已知全部感染快照还是部分感染快照的情况下，该算法与其他传播溯源算法相比，识别传播源的准确性都有显著提升。该算法非常适合用于航空网这类复合种群网络，对现实世界中的流行病传播溯源和控制也具有参考意义。

• 联合自监督学习强化的多行为多任务推荐算法

  沈学利,张荣凯,

  为解决多行为推荐研究存在的未能全面捕获多行为交互特征，忽略点击等隐式反馈数据存在的大量噪声标签等问题，提出了联合自监督学习强化的多行为多任务推荐算法。首先，从行为影响权重和行为隐含语义两方面感知多行为交互特征，并将特征融合到嵌入传播过程，增强节点嵌入的表达能力；然后，构建自监督学习辅助任务，通过多视图对比学习避免模型对噪声标签过拟合；最后，联合有监督的多行为推荐任务和自监督学习辅助任务，采用多目标损失优化策略进行多任务学习，获取更加准确的用户、项目嵌入。通过实验分析表明，该算法在HR和NDCG指标上较对比算法均有一定提升，证明了算法的有效性和优越性。

• 多策略融合改进的自适应被囊群算法

  柴岩,李广友,任生,许兆楠,

  针对被囊群算法全局搜索不充分和易陷入局部极值等问题，提出一种多策略融合改进的自适应被囊群算法（MITSA）。首先，在种群初始化中引入佳点集理论提升种群多样性；其次，提出一种多精英协同引导机制优化被囊个体位置信息，增大对未知搜索区域的勘探可能性以增强算法全局探索能力；然后将自适应权重因子引入群体行为阶段，动态平衡算法的全局与局部搜索性能；接着，为增强算法的抗停滞能力，采用依概率小波变异策略实现个体动态微调，同时利用贪婪原则保留优异信息助推种群向食物源靠近；最后基于Markov链理论对改进算法的全局收敛性进行分析论证。通过对基准测试函数和CEC2014复杂函数进行数值仿真，实验结果与Wilcoxon秩和检验结果综合验证了MITSA具有优越的收敛精度、稳健的鲁棒性和高维可拓展性。

• 求解无人机航迹规划问题的精英引领自适应樽海鞘群算法

  王若凡,任国凤,

  针对目前无人机航迹规划成本高、精度差和稳定性不足等问题，提出一种精英引领自适应樽海鞘群算法。首先，分别引入精英质心对立学习和精英引导惯性权重机制对樽海鞘领导者和跟随者更新方式进行改进，提升樽海鞘群算法的全局搜索能力和收敛速度，并设计种群个体角色自适应调整机制均衡算法的全局搜索和局部开发；然后建立无人机二维航迹空间模型和航迹成本模型，将航迹规划转换为多维函数优化问题，并利用精英引领自适应樽海鞘群算法求解无人机航迹规划问题，以综合考虑威胁成本和燃料成本的航迹目标函数评估个体位置适应度，对航迹规划最优方案迭代求解。在两个不同复杂性的威胁场景下进行的仿真实验结果表明，与人工势场（APF）、樽海鞘群算法（SSA）、人工蜂群算法（ABA）和改进樽海鞘群算法（ISSA）相比，所提算法的最优航迹平均成本分别可以降低78.68%、61.77%、42.76%和19.36%，验证了所提算法的有效性。

• 基于飞蛾扑火算法的关键节点挖掘方法

  许钦钧,徐龙琴,刘双印,赵学华,

  关键节点挖掘在理解和控制复杂网络系统方面具有重要作用和巨大潜力。提出了一种基于飞蛾扑火优化算法的关键节点挖掘算法，解决关键节点问题。该算法引入了反向学习等策略，以提高解集的质量和加快收敛。同时，设计了快速种群演化和复合高斯进化等方法，以优化解集并增强解空间探索能力，从而克服局部最优陷阱。在多个合成网络和真实网络数据集上进行的对比实验结果表明，提出的算法相较以于其他先进的对比算法具有更高的鲁棒性，并验证了该算法部件的有效性。

• 混杂免疫多目标优化算法及对动态经济环境调度问题优化

  唐湘黔,钱淑渠,武慧虹,

  动态经济环境调度（DEED）问题是电力系统调度中一类含大规模约束的高维多目标优化问题，传统的进化算法易于陷入局部最优，使得所获的Pareto前沿分布性和收敛性差。为了充分挖掘免疫系统的克隆选择原理，提出一种混杂免疫多目标优化算法（HIMOA）。该算法以传统进化算法为基本框架，面对高维决策变量优化易于陷入局部最优的缺陷，改进外部存档更新机制以保存历代优秀的多样性个体，采用克隆、高斯突变策略强化局部开采能力，有效地迫使算法跳出停滞搜索状态。为应对大规模约束，提出逐步微调机组出力策略，提高进化群体的可行性。数值仿真实验以10机系统为测试算例，将HIMOA与著名的六种算法MODE、NSGA-Ⅱ、IMOEA/D-CH、ADEA、MOHDE_SAT、MONNDE进行比较分析，结果表明，HIMOA能为DEED问题的10机系统提供较好的Pareto解，所获的Pareto前沿收敛性和分布性优越于其他算法，各评价指标的箱型图表明HIMOA具有优越于其他算法的统计特征。

• 面向社交网络密集图数据存储的缓存置换算法

  王大伟,郑佳,杨岩,

  为了缓解社交网络热点话题生成的密集图数据导致存储的频繁读取和缓存空间浪费等问题，针对话题产生与消亡的演化更新规律，提出了基于话题热度演化加速度的缓存置换算法（cache replacement algorithm based on topic heat evolution acceleration，THEA-CR）。该算法首先对社交网络数据进行话题簇的实体划分，识别锚定目标。其次，计算话题热度演化加速度，对热点数据的优先级进行研判；最后设计双队列缓存置换策略，针对话题关注度和访问频率进行缓存空间的置换和更新。在新浪微博数据集中与经典的缓存置换算法进行大量对比实验，验证了所提算法具有较好的可行性与有效性。结果表明提出的THEA-CR算法能够在社交网络密集图数据的不同图查询操作中平均提升约31.4%的缓存命中率，并且缩短了约27.1%的查询响应时间。

• 基于WRSN的多节点按需充电策略研究

  杨佳,寇东山,余斌,吴佩林,杨理,

  针对无线可充电传感器网络（WRSN）中的节点死亡率过高问题，为了降低节点死亡率，以按需充电架构为基础，提出了一种动态不均匀分簇的单移动充电设备（MC）多节点在线充电策略SMMCS（single MC multi-node charging strategy）。策略首先将无线可充电传感器网络进行动态不均匀分簇，以此划分移动充电设备的服务分区；然后在此模型基础上以最小网络节点死亡率为目标，进行路径规划时综合考虑节点剩余能量、距离以及能耗等因素。仿真实验结果表明，与SAMER、VTMT以及FCFS策略相比，该策略减少了节点等待时间，缩短了MC总充电代价，减小了节点死亡率。基于仿真条件，网络节点死亡率为4.31%。

• 基于加权值函数分解的多智能体分层强化学习技能发现方法

  邹启杰,李文雪,高兵,赵锡玲,张汝波,

  针对目前大多数多智能体强化学习算法在智能体数量增多以及环境动态不稳定的情况下导致的维度爆炸和奖励稀疏的问题，提出了一种基于加权值函数分解的多智能体分层强化学习技能发现算法。首先，该算法将集中训练分散执行的架构与分层强化学习相结合，在上层采用加权值函数分解的方法解决智能体在训练过程中容易忽略最优策略而选择次优策略的问题；其次，在下层采用独立Q学习算法使其能够在多智能体环境中分散式地处理高维复杂的任务；最后，在底层独立Q学习的基础上引入技能发现策略，使智能体之间相互学习互补的技能。分别在简易团队运动和星际争霸Ⅱ两个仿真实验平台上对该算法与多智能体强化学习算法和分层强化学习算法进行对比，实验表明，该算法在奖励回报以及双方对抗胜率等性能指标上都有所提高，提升了整个多智能体系统的决策能力和收敛速度，验证了算法的可行性。

• 一分类最优间隔分布机

  林钧涛,肖燕珊,刘波,

  现有的一分类支持向量机算法基于优化最小间隔的思想，只考虑了样本靠近空间原点一侧的噪声，对噪声信息较为敏感。针对该问题，通过优化间隔分布思想，同时考虑样本靠近空间原点和远离空间原点两侧的噪声，提高一分类支持向量机算法的抗噪声能力。为此，提出了一种基于最优间隔分布的一分类学习方法（one-class optimal margin distribution machine，OCODM），该方法通过最大化间隔的均值和最小化间隔方差的方式来优化间隔分布。实验结果表明，相比于现有的一分类支持向量机算法，该方法具有更好的鲁棒性，是现有一分类支持向量机方法的有益补充，能够增强现有方法的抗噪声能力。

• 快速路匝道入口智能网联车协同合并控制研究

  朱少杰,王文格,

  针对快速路匝道入口场景在高车流量的情况下容易发生交通拥堵的问题，提出了一种快速路匝道入口智能网联车（connected and automated vehicles，CAV）协同合并控制的解决方案，将问题解耦成多车顺序决策和车辆运动规划两部分。其中多车顺序决策对通行效率起到重要作用，因此设计了一种基于状态评价模型（state evaluation model，SEM）的多车顺序决策算法。该算法首先建立状态空间并初始化，考虑通行效率和车辆延迟设计状态评价函数，通过状态转移关系选择出最优状态，最终回溯得到最优通行顺序。根据车辆状态和到达冲突点时间，控制器实时推导各车辆纵向速度的解析解，实现车辆运动规划。仿真和实验结果表明，该方案在满足交通系统实时性要求的同时能有效提高快速路匝道入口的通行效率，缩短车辆延迟，降低燃油消耗。

• 改进人工势场法的洗浴机器人擦洗路径规划

  程龙,王欣,吴迪,冯志乾,

  针对洗浴机器人末端执行器与人体直接接触擦洗的自主导航问题进行了研究，提出一种基于人体点云的改进人工势场法三维覆盖路径规划算法。首先，在传统人工势场法基础上增设障碍物引力势场，使机器人能够贴近障碍物表面向目标点移动，并且通过添加虚拟目标点的方法克服了凹陷区域产生的局部极小值问题。然后，将人体点云切段分割后投影至平面，结合改进的人工势场法完成对人体表面的覆盖路径规划。以人体模型点云为对象进行仿真实验及对比，结果表明提出算法可以快速有效地完成基于人体点云的三维覆盖擦洗路径规划。

• 基于强化学习的1型糖尿病胰岛素给药策略研究

  焦泽辉,解柏森,孙福权,

  1型糖尿病（T1D）患者需要通过外源性胰岛素的输送将血糖（BG）维持在治疗范围内。目前，已有的几种基于模型预测控制和强化学习（RL）的胰岛素给药算法存在样本效率差、奖励机制过于简单、血糖调控效果不佳等问题。为此提出了一种基于强化学习的带有指导网络的胰岛素给药策略（insulin administration strategy with guided network，IASGN），针对给药策略安全性能和快速性的特点，引入累积情节奖励和分类经验回放方法，按照不同的重要性采样权重增加了精英样本池，并基于精英样本池训练给药指导网络，对策略网络进行动作指导，改进了奖励机制，在FDA批准的UVA/Padova T1D模拟器中验证了该方法的性能。结果显示，该方法TIR（time in range）达到了98.21%，TBR（time below range）接近于0，CVGA中所有患者均处于A+B区的安全范围，可以使患者血糖长期处于正常范围内，避免了低血糖的风险，在与基准方法对比中也获得了更好的表现。

• 基于生成对抗网络与特征融合的多尺度音频序列生成方法

  许华杰,张勃,

  音频数据规模不足是语音识别过程中的一个常见问题，通过较少的训练数据训练得到的语音识别模型效果难以得到保证。因此，提出一种基于生成对抗网络与特征融合的多尺度音频序列生成方法（multi-scale audio sequence GAN，MAS-GAN），包含多尺度音频序列生成器和真伪—类别判别器。生成器通过3个上采样子网络学习音频序列不同时域和频域的特征，再将不同尺度的特征融合成伪音频序列；判别器通过辅助分类器将生成的伪数据和真实数据区分开，同时指导生成器生成各类别的数据。实验表明，与目前主流的音频序列生成方法相比，所提方法的IS和FID分数分别提高了6.78%和3.75%，可以生成更高质量的音频序列；同时通过在SC09数据集上进行分类实验来评估生成音频序列的质量，所提方法的分类准确率比其他方法高2.3%。

• 改进狼群算法的交通子区迭代学习边界控制方法

  贾光耀,闫飞,张添翼,

  针对基于固定增益迭代学习的交通子区边界控制方法收敛速度慢、迭代次数过多及控制精度差的问题。提出了一种迭代学习结合改进狼群算法的交通子区边界控制方案。该方案首先根据宏观基本图理论建立交通子区路网的车辆平衡方程，设计出系统的迭代学习控制律。其次分析了迭代学习控制对宏观基本图的影响，引入自适应步长的狼群算法，该算法以上一批次的宏观基本图为模型，离线对迭代学习控制器的比例和微分增益系数进行寻优，再将最优结果代入下一控制周期迭代学习控制中，进而改善收敛速度与精度。最后，对该方案的收敛性提供了数学证明，而仿真实验结果也表明该算法相较于具有固定增益的迭代学习控制器，收敛速度得到提升，对系统期望轨迹也具有较好的跟踪精度，具有较强的可行性与有效性。

• ball tree优化的自动驾驶仿真测试场景生成方法

  秦琴,谷文军,

  基于场景的仿真测试方法可以有效加速自动驾驶汽车的测试进程，但是传统的采样方法面对高维度采样空间时无法维持高效性，提出了一种ball tree优化的仿真测试场景采样方法，并基于Carla模拟器构建了仿真测试场景自动化生成框架验证算法的有效性。分别使用随机采样方法、基于KD tree结构的最近邻采样方法与基于ball tree结构的最近邻采样方法进行场景参数采样，并生成不同天气要素下的仿真测试场景进行验证。最后将仿真过程与人工方法进行对比。结果表明，提出方法相对于人工方法具有11.38倍场景制作速度的提升，且相对于KD tree结构的采样方法的场景生成速度提升了27.97%。

• 融合代码静态特征和频谱的软件缺陷定位技术

  王浩仁,岳雷,李静雯,崔展齐,

  基于频谱的缺陷定位（spectrum-based fault localization，SBFL）通过分析测试用例的覆盖信息和执行结果信息进行快速定位，是目前最常用的缺陷定位技术。然而，该方法未能充分利用代码中隐含的语义和结构信息。若能将缺陷预测中使用到的代码结构信息和频谱信息融合使用，将有助于进一步提升缺陷定位的效果。为此，提出了一种融合代码静态特征和频谱的软件缺陷定位（fault localization combing static features and spectrums，FLFS）技术。首先，从Halstead等度量元集合中选取度量元指标并进行修改，以适用于度量代码的方法级特征；然后，根据选取的度量元指标提取程序中各个方法的静态特征并用于训练缺陷预测模型；最后，使用缺陷预测模型预测程序中各方法存在缺陷的预测可疑度，并与SBFL技术计算的频谱可疑度进行融合，以定位缺陷所在方法。为验证FLFS的有效性，将其与两种定位效果最好的SBFL技术DStar和Ochiai在Defects4J数据集上进行了对比实验。结果表明，FLFS具有更好的缺陷定位性能，对于Einspect@n指标，当n=1时，FLFS相比DStar和Ochiai分别多定位到16和10个缺陷；对于MRR指标，FLFS相比DStar和Ochiai分别提升了4.13%和1.08%。

• 面向拟态存储系统的高效同步方法研究

  李婉桃,张帆,陈鑫,朱进,黄潇,

  针对现有拟态存储架构中数据同步方法时延增速过快，导致系统安全调度时的性能下降问题，提出了一种预同步模型，让备用执行体在异构池中利用检查点进行数据预同步工作，从而减少执行体上线时间。进一步地，根据预同步模型的同步特点和切换调度情况，提出一种执行周期最大有效率的检查点放置（execution cycle maximum efficiency checkpointing，CMEC）方法。通过最大化每个执行周期的有效工作率求得最佳的检查点间隔，较好地平衡了检查点开销和回滚开销。实验证明，与现有的全量同步策略相比，该方法缩短了执行体上线过程中的同步时间开销，提高了同步效率，保障了系统在业务量不断增加场景下的服务稳定性和连续性。

• 智能反射面辅助无人机的物理层安全传输方案

  代秋香,肖海林,张中山,张跃军,

  在无线通信系统中，信息发送端和接收端之间的通信链路易受到建筑物的遮挡和非法者的主动窃听。利用无人机（unmanned aerial vehicle，UAV） 灵活的移动性以及智能反射面（intelligent reflective surface，IRS） 在无线环境中智能可控特性，提出一种智能反射面辅助无人机的物理层安全传输方案，以最大化系统平均保密率。该方案首先采用块坐标下降法将最大化系统平均保密率问题分解为UAV-IRS飞行轨迹优化、IRS相移优化以及系统传输功率优化三个子问题；其次，通过引入松弛变量、相位对齐以及逐次凸逼近方法将每个子问题转换为凸优化问题；最后，再运用交替优化方法逐次求解三个凸优化问题。数值仿真结果表明，系统平均保密率与源节点发射功率、UAV-IRS飞行位置和高度、IRS反射元件数量等因素有关。并且与另外两个基准方案相比，所提的方案能有效地提高系统的平均保密率，并且具有较好的收敛性。

• 基于深度强化学习的车辆边缘计算任务卸载方法

  郭晓东,郝思达,王丽芳,

  车辆边缘计算允许车辆将计算任务卸载到边缘服务器，从而满足车辆爆炸式增长的计算资源需求。但是如何进行卸载决策与计算资源分配仍然是亟待解决的关键问题。并且，运动车辆在连续时间内进行任务卸载很少被提及，尤其对车辆任务到达随机性考虑不足。针对上述问题，建立动态车辆边缘计算模型，描述为7状态2动作空间的Markov决策过程，并建立一个分布式深度强化学习模型来解决问题。另外，针对离散—连续混合决策问题导致的效果欠佳，将输入层与一阶决策网络嵌套，提出一种分阶决策的深度强化学习算法。仿真结果表明，所提算法相较于对比算法，在能耗上保持了较低水平，并且在任务完成率、时延和奖励方面都具备明显优势，这为车辆边缘计算中的卸载决策与计算资源分配问题提供了一种有效的解决方案。

• 基于DRL的主动RIS安全无线通信优化方法

  刘文涛,ManzoorAhmed,林青,

  针对可重构智能表面（reconfigurable intelligent surface，RIS）辅助的安全无线通信系统在保密率优化问题中存在的信道空间连续变化、传统数学优化方法难以逼近最优解等问题，提出一种基于深度强化学习的SEC-DDPG（security deep deterministic policy gradient）算法。通过将RIS通信系统建模为连续变化空间中的马尔可夫决策过程，联合优化传输波束赋形和反射波束赋形达到最大化用户保密率的目的。仿真实验结果显示，在不同的传输功率及反射单元数量下，SEC-DDPG算法在主动和被动RIS系统中得到的最优保密率均比传统的交替优化算法有15%~20%的提升。研究结果表明，主动RIS场景下的安全性要优于被动RIS，与交替优化算法相比，SEC-DDPG算法能显著提高安全无线通信系统的用户保密率且具有鲁棒性，接近系统的最佳保密性能。

• 多IRS辅助的NOMA URLLC系统性能优化

  邱小剑,阮杰,付珍,崔苗,张广驰,张璨,

  工业自动化等新型无线通信场景具有严格的低时延性和高可靠性需求，在网络中联合使用智能反射面（IRS）、非正交多址接入（NOMA）以及超可靠低时延通信（URLLC）技术能支持海量终端接入，并提供更低的通信时延、更高的可靠性，以及更高的吞吐量性能。考虑多IRS辅助的NOMA URLLC系统在多个用户被划分为多个簇的情况下，用户簇和IRS如何最佳配对和通信资源如何优化的问题，研究了联合优化用户发射功率分配、IRS反射波束成型以及用户簇IRS配对决策问题，最大化用户的吞吐量之和。为解决所考虑的非凸优化问题，提出一种基于交替迭代算法，通过巧妙地引入松弛变量，并采用半正定松弛方法，高效求解功率分配优化、IRS反射波束成型优化以及用户簇IRS配对决策优化三个子问题。仿真结果表明，所提算法能显著提高系统吞吐量，并且显示了用户簇IRS配对决策优化的必要性与有效性。

• 基于自适应差异化图卷积的社交网络新增恶意用户检测

  吴正昊,曾国荪,

  社交网络新增恶意用户检测作为一项分类任务，一直面临着数据样本不足、恶意用户标注稀少的问题。在数据有限的情况下，为了能够精确地检测出恶意用户，提出一种基于自适应差异化图卷积网络的检测方法。该方法通过提取社交网络中的用户特征和社交关系构建社交网络图。构建社交网络图后，计算节点与邻居的相似度，并对邻居进行优先级排序，利用优先级顺序采样关键邻居。关键邻居的特征通过自适应权重的加权平均方式聚合到节点自身，以此更新节点特征。特征更新后的节点通过特征降维和归一化计算得到恶意值，利用恶意值判断用户的恶意性。实验表明该方法和其他方法相比，具有更高的恶意用户查全率和整体查准率，并且能够快速地完成对新增用户的检测，证明了自适应差异化图卷积网络能够有效捕捉到少量样本的关键特征。

• SM4国密算法的异构可重构计算系统研究

  王腾腾,柴志雷,

  随着互联网的数据量呈爆炸式增长，以纯软件方式运行的SM4算法速度慢、CPU占用率高，而基于Verilog/VHDL实现的现场可编程门阵列或专用集成电路存在灵活性差、升级维护困难等问题。为了解决上述问题，提出了一种SM4国密算法的异构可重构计算系统的设计方案，采用高层次综合和异构可重构技术，通过优化数据内存分配与传输、优化循环、矢量化内核以及增加计算单元等方式，设计了SM4算法电子密码本模式和计数器模式的定制计算架构，并将该系统部署在FPGA异构平台。实验结果表明：SM4-ECB和SM4-CTR两种主流工作模式的定制计算架构在Intel Stratix 10 GX2800上，吞吐率分别达到109.48 Gbps和63.73 Gbps，是Intel Xeon E5-2650 V2 CPU上对应模式吞吐率的232.63倍和141.62倍。以此核心模块（包含数据输入、加解密、输出）的整体异构可重构计算系统的性能也分别达到了纯软件方式的4.90倍和3.56倍。该方案不仅实现了针对特定模式进行定制加速，而且可以通过硬件重构灵活支持不同的计算模式，兼顾了系统的灵活性和高效性。

• 基于Markov微分博弈的移动目标防御决策优化

  胡春娇,陈瑛,王高才,

  随着网络攻防向实时连续和动态高频变化的方向发展，传统的离散多阶段网络攻防博弈模型已难以满足实际需求，而且传统网络攻防模型中的节点状态单一，难以准确描述实际网络对抗中节点类型的演化过程。将节点传染病动力学模型加以改进并应用到网络攻防对抗中，用来描述攻防过程中不同状态节点的演化过程及节点状态间的迁移关系。在构建移动目标Markov微分博弈防御模型时，各阶段内运用微分博弈模型分析，阶段间运用Markov决策过程描述状态转移，通过均衡分析和求解，设计防御决策优化算法。最后，通过仿真实验验证该模型和优化策略的可行性和有效性。

• 基于改进显著图和局部特征匹配的copy-move窜改检测

  赵鸿图,周秋豪,

  检测整幅窜改图像的方法增加了许多非必要的计算量，为了降低计算复杂度和进一步提高检测精确率，提出了一种基于改进显著图和局部特征匹配的copy-move窜改检测方法。首先，结合图像梯度改进显著图，分离出包含图像高纹理信息的局部显著区域；其次，只对该局部区域采用SIFT（scale invariant feature transform）算法提取特征点；然后，对显著性小的图像采用密度聚类和二阶段匹配策略，对显著性大的图像采用超像素分割和显著块特征匹配的策略；最后，结合PSNR和形态学操作来定位窜改区域。在两个公开数据集上进行实验，该方法的平均检测时间小于10 s，平均检测精确率大于97%，均优于所对比的方法。实验结果表明，该方法能够大幅缩减检测时间、有效提高检测精确率，并且对几何变换和后处理操作也都具有较好的鲁棒性。

• 基于样本分布特征的数据投毒防御

  杨立圣,罗文华,

  流量分类模型在更新过程中易受数据污染的干扰而降低模型性能，现有基于数据清洗的防御方法需依赖专家经验和人工筛选，且无法有效应对利用未知分布样本构造的投毒攻击。针对上述问题，受分布外检测和判别主动学习的启发，设计一种基于样本分布特征的数据投毒防御方法，通过二分类判别器筛选每轮新增样本中的已知及未知分布样本。对于新增的已知分布样本，通过模型预测与标注结果一致率评估新增样本的数据质量，决定是否进行模型更新；对于新增的未知分布样本，则利用基于标注正确率的少样本抽检评估样本可用性。实验结果表明，该方法在抵御数据投毒攻击的同时可以保证模型准确率，并有效识别利用未知分布样本构造的数据投毒攻击。

• 面向小样本学习的双重度量孪生神经网络

  孙统风,王康,郝徐,

  为了解决孪生神经网络因使用图像级特征度量，存在对位置、复杂背景及类内差异比较敏感的问题，提出了一种双重度量孪生神经网络（DM-SiameseNet）。具体来说，DM-SiameseNet使用图像级的特征和局部特征（局部描述符）共同表示每幅图像，然后根据两种不同级别的相似度度量学习特征映射，最后使用自适应融合策略，自适应整合两种不同级别特征表示的度量结果。实验结果表明，改进后模型的准确率分别提高了5.04%和9.66%，并且在miniImageNet、TieredImageNet、Stanford Dogs、Stanford Cars和CUB-200数据集上高于只使用图像级的特征表示或者局部描述符表示的度量方法。实验结果证明所提出的模型不仅考虑了图像的全局特征，还可以捕获图像中更多有效的局部特征信息，提高了模型的泛化能力。

• RISNet:无监督真实场景图像拼接网络

  朱永,付慧,唐世华,王一迪,

  图像拼接目的是获得一张高清无缝的全景图，现有方法依赖于特征匹配的准确性，会错误地对齐图像，产生伪影和失真等现象。为此提出一种新的无监督真实场景图像拼接网络，能够适应存在移动目标的真实场景拼接，保证全景图的精度无损失，包含配准和重建两个网络。在配准网络中引入内容感知分支，学习内容掩码，排除移动目标和误导性区域对于变换矩阵的负影响；在重建网络中添加边缘检测分支，构造边缘一致性感知损失，约束重建过程，优化图像细节，实现高清、无伪影的拼接效果。实验结果表明，该方法RMSE、PSNR、SSIM分别达到1.81、26.56、0.85，客观评价指标整体优于其他经典算法，用户调研结果也说明该方法获取的全景图清晰度更高。该方法有效地完成了真实场景下的无监督图像拼接，并能够泛化至其他场景的拼接任务中。

• 基于知识蒸馏与目标区域选取的细粒度图像分类方法

  赵婷婷,高欢,常玉广,陈亚瑞,王嫄,杨巨成,

  细粒度图像分类任务由于自身存在的细微的类间差别和巨大的类内差别使其极具挑战性，为了更好地学习细粒度图像的潜在特征，该算法将知识蒸馏引入到细粒度图像分类任务中，提出基于知识蒸馏与目标区域选取的细粒度图像分类方法（TRS-DeiT），能使其兼具CNN模型和Transformer模型的各自优点。此外，TRS-DeiT的新型目标区域选取模块能够获取最具区分性的区域；为了区分任务中的易混淆类，引入对抗损失函数计算不同类别图像间的相似度。最终，在三个经典细粒度数据集CUB-200-2011、Stanford Cars和Stanford Dogs上进行训练测试，分别达到90.8%、95.0%、95.1%的准确率。实验结果表明，该算法相较于传统模型具有更高的准确性，通过可视化结果进一步证实该算法的注意力主要集中在识别对象，从而使其更擅长处理细粒度图像分类任务。

• 基于退化感知和序列残差的图像盲超分辨率重建

  刘鑫,唐红梅,席建锐,梁春阳,

  针对盲超分辨率重建中特征提取不准确且重建图像不够自然的问题，提出了一种基于退化感知和序列残差的图像盲超分辨率重建算法，设计了小残差组融合退化感知和序列残差相结合作为所提算法的主干网络，进一步构建了对称的增强型多尺度残差模块，并且在图像重建部分，将瓶颈注意力模块与像素重组上采样模块级联，强调图像的多维元素，最后进行了全局残差连接。实验表明，与当前代表性算法DASR相比，该算法在Set14×2上的PSNR和SSIM分别提高0.145 dB、0.001　4，在Set14×3/4上PSNR分别提高1.898 dB、0.252 dB，且在五个标准测试集上与几种当前流行的图像超分辨率算法相比取得了更好的性能。

• 基于编码—解码结构的多阶段图像去雨滴方法

  谷坤源,贾宗璞,赵珊,庞晓艳,张鹏,

  针对附着镜头或玻璃表面的雨滴会造成图像退化的问题，提出了一种多阶段渐进式图像去雨滴方法。整个去雨滴过程被分解为多个更易于实现的阶段。首先在每个阶段设计多尺度融合的编码—解码网络以学习雨滴特征，通过构建带有门控循环单元的多尺度扩张卷积来细化内部传递的空间特征。然后引入无降维的通道注意力机制对特定空间特征下的通道信息进行提取。最后为加强每个阶段各部分之间的信息交换，采用跨阶段特征融合机制，在每个阶段的编码—解码网络之间加入横向连接，以实现特征信息的横向传递。在每个阶段之间加入监督注意模块，以增强不同阶段之间的信息传递，最终渐进地实现雨滴的去除。实验表明该方法能够有效地去除雨滴。