神经网络架构搜索研究进展与展望

神经网络架构搜索旨在针对不同任务,自动化地搜索得到性能最优的神经网络结构,是深度学习、计算机视觉技术结合当前现实需求应运而生的一大重要科学问题。对近年来神经网络架构搜索研究进行梳理、归类和评述;阐述神经网络架构搜索的定义和意义,全方位剖析当前研究所面临的难点与挑战;以此为基础,对主流的搜索策略进行阐述和归纳;探讨研究潜在的问题及未来颇具潜力的研究方向,以期推动该领域的进一步发展。     

陆战场中的计算卸载和资源分配

移动边缘计算（MEC）作为5G时代的关键技术之一,通过计算卸载的方式提升任务执行质量。区别于其他研究,以陆战场为应用背景,针对多类型卸载任务共存的情况,考虑各类型任务的属性及需求,划分任务卸载优先级,以最小化系统开销为目标的同时提升高卸载优先级任务的卸载数量。通过仿真验证上述方法的可行性与优越性。     

基于多模态多目标进化算法的无人机三维路径规划

侦察无人机的三维路径规划不仅要考虑续航能力,还要考虑安全性。针对复杂的侦察环境,通过地形建模和威胁建模来模拟侦察无人机的三维飞行环境,并以油耗和威胁作为优化目标,最后使用多模态多目标进化算法来对其进行求解。实验结果表明,对于能耗和危险程度之间的目标冲突,所提算法能够提供多种有效决策支持。另外,当能耗和危险程度相同的情况下,相比于现有研究,可以提供更多等效方案供决策者根据实际环境作出最合适的决策。     

面向能力需求的武器装备组合规划模型与算法

针对武器装备组合规划中存在的选择难、规划难问题,在给定能力需求的条件下,从分析装备的组合变更对整体体系的影响出发,考虑了总的经费预算、年度费用分配、装备规划周期等约束,以能力差距和发展风险最小为准则,构建了双目标优化模型,并设计了基于差分进化和非支配排序的遗传算法的求解算法,获得模型的Pareto解。通过逼近理想解排序法方法从所求Pareto解中求得令决策者满意的折中解。通过一个具体示例验证了模型和算法的有效性,能够为武器装备组合规划提供辅助决策。     

基于能力的武器装备组合规划模型与算法*

针对武器装备组合规划中存在的选择难、规划难问题,在给定能力需求的条件下,从分析装备的组合变更对整体体系的影响出发,考虑了总的经费预算、年度费用分配、装备规划周期等约束,以能力差距和发展风险最小为准则,构建了双目标优化模型,并设计了基于差分进化和NSGA-II的求解算法,获得模型的Pareto解;最后通过TOPSIS方法从所求Pareto解中求得令决策者满意的折中解。通过一个具体示例,验证了本文所提模型和算法的有效性,能够为武器装备组合规划提供辅助决策。     

文章编号：基于多目标进化搜索算法的AUV地磁仿生导航方法

针对水下自主航行器(AUV)地磁多参量多目标搜索的问题,提出了一种基于磁趋势敏感的多目标进化搜索算法。在进化算法的结构下,利用地磁场参量与导航路径的约束关系,以磁趋势敏感作为后验评估准则,建立导航模型,使得地磁多分量伴随航行器的运动同时同地收敛至各自目标值,实现导航目的。通过与六边形路径搜索算法的仿真对比,验证了多目标进化搜索算法的有效性和优越性。     

地磁仿生导航的多目标进化搜索算法

针对水下自主航行器地磁多参量多目标搜索的问题,提出一种基于磁趋势敏感的多目标进化搜索算法。在进化算法的结构下,利用地磁场参量与导航路径的约束关系,以磁趋势敏感作为后验评估准则,建立导航模型,使得地磁多分量伴随航行器的运动同时同地收敛至各自目标值,实现导航目的。通过与六边形路径搜索算法的仿真对比,验证了多目标进化搜索算法的有效性和优越性。     

阑尾有用

过去人们认为阑尾是人类进化过程中留下的没有生理作用的肠子，所以一发炎就做手术切除。但最近美国生理学家劳伦·马丁通过研究指出，阑尾在胎儿和青少年时期有重要的作用。     

进化计算在机器人轨迹规划中的应用研究

本文介绍了采用进化计算思想研制的机器人轨迹规划系统ＲＴＰ－１，提出多层次动态结构化编码方案，利用低中高三层进化算法分别优化距离、路径和关节角度偏差，基于多层综合优化策略解决多目标多约束工程优化问题，建立了次序相关问题求解的通用框架。在进化算法中，利用拉马克效应加快轨迹规划速度，在ＲＭ－５０１机械手上实现的任意空间直线和空间曲线轨迹规划具有良好的鲁棒性，规划轨迹的相邻臂构型间具有良好的柔顺性，规划轨迹的臂构型序列具有良好的平滑性。本文所采用的机器人轨迹规划方法具有通用性，可推广应用于各种动力学系统的研制。     

进化计算在机器学习中的应用研究

采用进化计算思想研制机器学习实际系统，利用隐含并行机制及并行规则触发策略实现多目标优化技术。针对航天员模拟训练评分标准具体任务，采取灵活的多层次动态编码方案，建立多种简洁且完备的进化操作。利用信度分配组桶策略实现竞争机制，依赖进化算法搜索、发现并选择适当规则，引入启发知识产生缺省规则层次以实现多种隐式目标。设计并实现了遗传进化机器学习系统ＧＥＭＬ－１，该系统具有良好的鲁棒性和柔顺性。本文的遗传进化机器学习方法，可推广应用于各种军用专家系统和军事决策支持系统的研制，从而为人工智能在军事上的应用提供新的设计方法和实现途径。