基于深度逆向强化学习的行动序列规划问题研究

针对深度强化学习在解决序贯决策任务中严重依赖回报函数,而回报函数又存在着反馈稀疏和反馈延迟等问题,论文提出了基于深度逆向强化学习方法的行动序列生成与优化方法,通过专家示例轨迹数据重构回报函数,实现高质量示例轨迹数据中隐性专家经验的获取和利用,挖掘数据背后的规律。然后将重构的回报函数与环境固有的回报函数进行奖赏塑型,生成的新的回报函数能够更加及时、准确地对智能实体的行为给予反馈,大幅加速了强化学习的收敛速度。     

复杂网络影响力极大化快速评估算法

分析复杂网络中影响力极大化问题,设计一种新的启发式算法框架。针对信息传递中节点的交互方式进行分析,给出节点在任意时刻处于信息接收态的概率。通过期望计算得到种子节点集传播影响力的近似估计,实现集群影响力快速计算,进而得到基于序列采样的影响力极大化快速评估算法。特别地,对于六个来自不同领域的真实网络上的影响力极大化问题进行了研究,仿真结果表明：该方法能够高效识别网络中具有重要传播影响力的节点集,在三种常见度量准则下的表现均明显优于三种影响力极大化问题基准算法。     

Needleman-Wunsch算法的改进

为了实现双序列的全局快速比对,分析了Needleman-Wunsch算法的运算思路,并提出了一种改进的Needleman-Wunsch算法。改进算法通过在计算过程中不断截短比对序列的长度,减少无用数据的计算,提高了运算的效率。通过以相控阵雷达辐射源的搜索模式序列识别为例进行仿真试验,仿真实验证明改进算法与Needleman-Wunsch算法相比,具有效率高、运行时间短的优势。     

改进MUSIC算法超音速空速估计

为实现超音速气流基于声矢量传感器的空速测量,在分析马赫锥内等效声源特性的基础上,提出基于时空扩展改进MUSIC算法的空速估计算法,建立了声矢量传感器阵列模型和声波在超音速稳定气流中的传播模型,通过等效声源改进MUSIC算法实现超音速空速估计,并针对算法运算量大的问题提出快速算法。实验结果表明,所提算法能够准确地估计超音速空气流动速度,快速算法在损失较少精度情况下极大提高算法的实时性。     

基于IFTS的网络动态负载均衡方法

针对网络负载均衡过程中节点负载变化趋势难以预测的问题,在分析网络负载模糊时序变化特性的基础上,设计了可变阶自循环误差校正机制,构建了网络负载直觉模糊时间序列(IFTS)预测模型,并将基于IFTS的负载预测与网络动态负载均衡相融合,提出了基于IFTS的网络动态负载均衡方法,有效地提升了网络负载预测精度,增强了动态负载均衡系统运行效率,改善了网络整体服务质量。并通过典型实例验证了该方法的有效性和优越性。     

基于BI-GRU-CRF模型的中文分词法

循环神经网络作为一种处理时序数据的有效模型,已在序列标注问题上得到了广泛应用。为解决序列标注中典型的中文分词任务,基于门限循环单元(Gated Recurrent Unit,GRU)神经网络,提出了一种改进的双向门限循环单元条件随机场(BI-GRU-CRF)模型,该模型不仅可以通过双向门限循环单元有效利用双向上下文信息,而且可以通过条件随机场层联合考虑相邻标签间的相关性,得到全局最优的标记序列结果。在常用的中文分词测评集(PKU、MSRA)以及由构建的军事领域分词语料上,分别采用四词位及六词位标注法进行了实验,结果表明BI-GRU-CRF模型具有良好的分词性能,且六词位标注法可以改进分词效果。     

弹(箭)体级间连接结构准静载失效实验与数值预示

级间螺栓法兰连接是导弹(火箭)常见的连接方式,但破坏了整体结构连续性,且承载能力薄弱,在外荷载作用下易发生失效而使整弹(箭)结构强度丧失。根据实际导弹(火箭)连接结构特点,简化设计并制作了一组原理性实验件,设计了准静载加载实验测试系统和螺栓响应信号传感器,进行了两次准静载失效实验,并利用ABAQUS软件建立了对应的有限元仿真模型。根据实验效果和实测数据,分析了连接结构在准静载荷载作用下的失效机理,并对比验证发现有限元模型数值模拟效果和精度与实验吻合较好。研究结论可为弹(箭)体级间连接结构承载能力和失效实验设计提供参考。     

多序列跳频在AWGN信道下抗部分频带干扰分析

常规跳频易受跟踪干扰影响,用信道表示信息的多序列跳频系统,具有良好的抗跟踪干扰性能。为检验多序列跳频在非跟踪型干扰下的通信效果,建立了多序列跳频在AWGN信道下的传输模型,分析了多序列跳频抗干扰的原理,研究了噪声环境对多序列跳频抗部分频带干扰性能的影响。理论分析和仿真结果表明,多序列跳频在信噪比为15 dB～30 dB且为最坏部分频带干扰的条件下,误码率为10-5所要求的信干比低于常规跳频2.2 dB～2.31 dB,具有良好的抗部分频带干扰能力。     

脉冲串信号时差估计优化算法

针对脉冲串序列信号的目标定位任务,传统的单脉冲到达时间差定位方法由于测量单个脉冲的到达时间产生的误差可能偏大,而导致目标定位精度不能满足实际工程需求。现提出两种优化定位精度的方法,前者是针对在脉冲串未出现缺失的条件下,利用最小二乘法计算两个基站接收到的脉冲串到达时间差;后者是针对在脉冲串出现缺失的条件下,利用序列相似性原理对脉冲串到达时间差进行搜索,两者都能减小测量误差对整个定位系统的影响,提高整个系统的定位精度。