基于元课程强化学习的多智能体协同博弈技术

多智能体协同博弈具有实时及动作连续性、非完全信息博弈、庞大的搜索空间、多复杂任务和时间空间推理等特点,是当前人工智能领域极具挑战的难题之一。针对大规模多智能体强化学习训练时间长、难以收敛等问题,提出了一种基于Actor-Critic的多智能体强化学习协同博弈框架,利用元课程强化学习方法对小规模场景进行基础课程元模型提取,并且基于课程学习向大规模场景进行模型迁移,在元模型基础上继续进行训练,扩展元模型策略网络,最终得到较优协同博弈策略。在《星际争霸Ⅱ》平台上进行仿真实验,结果表明：基于元课程强化学习的多智能体协同博弈技术可有效地加速其训练过程,相较于传统训练方法可以在较短时间内达到较高的胜率,训练速度提升约40%,该方法可有效支撑多智能体协同博弈策略的高效生成,为低资源下的强化学习高效训练奠定理论基础。     

极端曝光图像的多尺度分解细节感知融合算法

针对极端曝光(欠曝光和过曝光)图像动态范围低的问题,提出一种基于多尺度分解细节感知的图像融合算法。欠曝光图像经过细节增强后,与过曝光图像进行初步的粗融合;采用小波变换对细节增强后图像的亮度分量进行多尺度分解,并设计专门的高频和低频融合策略,实现亮度分量的精融合;将粗融合图像的色调、饱和度分量,与精融合图像的亮度分量重组,获得最终的融合结果。基于大量测试数据,实验结果表明所提方法在视觉效果方面表现优异,平均MEF-SSIM指标为0.985 4,平均SSIM指标为0.650 8,均优于现有主流算法。     

舵翼结构气动热力耦合数值模拟与实验研究

基于集束射流实验装置,开展了近空间飞行器喷管与舵翼结构热-流-固耦合有限元建模,模拟了喷管出口流场与舵翼模型的结构响应,并进行了流场压力、舵翼结构温度与高温应变的测量试验.结果表明,激波使舵翼前缘流场温度急剧升高,使舵翼结构产生很高的温度与温度梯度,气动热对结构响应的影响远大于气动力的作用.提出的模拟与实验方法对近空间...     

超储器材调剂型供应优化决策研究

在全域装备器材保障过程中,考虑预先调剂的多种超储器材供应方式及其优先级排序,以总成本最小、时间最短、闲置率最低为目标,构建了装备器材调剂型供应优化模型,引入遗传算子的改进人工鱼群算法进行求解,实例分析结果表明优化供应方案优于现行供应方案,验证了模型和算法的有效性和优越性.