基于强化学习的移动自组织网络分步路由算法*

移动自组织网络是一种无基础设施、由移动通信节点组成的无线网络,具有高度的动态特性。传统的路由协议并不能适应节点移动性带来的频繁拓扑变化,简单的洪泛路由也会因开销过大降低网络的性能。针对如何在移动自组织网络中自适应地进行路由选择,提出了一种基于强化学习的分步路由选择算法。该算法以最小链路总往返时延为目标,基于强化学习进行路由搜寻,在筛选出符合目标需求节点集合的基础上,结合置信度选择路由。在链路变得不可靠时,数据包被广播给筛选出的邻居节点集来提升路由可靠性并降低开销。对提出的算法在分组到达率和路由开销等主要性能指标进行数值仿真分析,仿真结果表明,提出的分步路由算法相比于基于强化学习的智能鲁棒路由,在降低开销的同时,保持着相当的吞吐率。     

一种用于SpaceWire网络的混合路由机制设计*

针对星上系统总线多元性导致的星载网络接口和协议不能标准化的发展瓶颈,本文基于SpaceWire总线协议,通过将静态路由(时间触发)与动态路由(事件触发)机制结合,实现了控制数据和载荷数据共用网络。静态路由完全遵循SpaceWire-D协议,在保证确定性传输的同时,通过启发式调度算法首次实现了多时间窗并行调度,并提出利用最大公约数法设计时间窗,以提高网络吞吐量;动态路由通过对随机事件和载荷数据分配优先级,实现传输路径冲突时对紧急任务的优先处理。最后在OPENT中搭建网络系统仿真模型,对所提出的路由机制进行了仿真。实验结果表明,静态路由时段网络吞吐量较现有调度算法有明显提高,动态路由实现了紧急事件优先传输。     

建构主义教学论与教学模式改革

建构主义学习观强调学习的建构性、社会性和情境性 ,对促进教学方法的变革将有重要意义。文章运用建构教学观辨证分析了传统教学模式 ,综合现代以知识为中心、以学生为中心和行为主义理论等现代教育思想 ,分析了传授———建构教学法、合作、探究学习方法。     

公安现役部队干部培训之我见

受普通教育影响,公安现役部队干部教育培训模式有普教化现象。根据干部学习特点,研究适应其教育培训的方式方法,在实践中创造性地运用多种教学方式和手段,有利于提高干部培训的效益。     

高中数学研究性学习的实践与研究

在中学开设研究性学习课程,是基础教育课程改革的具体目标之一。针对现有课程体系的弊端,重知识传授而轻过程和技能训练,重学科知识体系而不关心社会实践活动。重间接经验的传授而忽视学生的直接体验积累。为培养学生乐于探究勤于动手的学习精神,分析和解决的能力,本人在几年的教学实践中,不断探究,积累了一些经验。本文就此问题谈谈高中数学研究性学习的实践与体会。     

What you should know about approximate dynamic programming

Approximate dynamic programming (ADP) is a broad umbrella for a modeling and algorithmic strategy for solving problems that are sometimes large and complex, and are usually (but not always) stochastic. It is most often presented as a method for overcoming the classic curse of dimensionality that is well‐known to plague the use of Bellman's equation. For many problems, there are actually up to three curses of dimensionality. But the richer message of approximate dynamic programming is learning what to learn, and how to learn it, to make better decisions over time. This article provides a brief review of approximate dynamic programming, without intending to be a complete tutorial. Instead, our goal is to provide a broader perspective of ADP and how it should be approached from the perspective of different problem classes. © 2009 Wiley Periodicals, Inc. Naval Research Logistics 2009     

模糊启发规则的防空作战智能指控系统决策

为提高防空作战智能指控系统决策效率,在充分考虑专家经验知识的基础上,利用模糊启发规则对智能指控系统决策模型中的规则和推理方法进行改进.通过对防空作战打击决策输出结果的编程计算,得到打击决策输出方案与实际作战决策结果一致.该方法可使模糊规则条数减少,输入向量和模糊矩阵的维数降低,推理计算速度加快,却不影响最终决策输出结果.     

大学英语听力自主学习策略的研究

随着大学英语教学改革的深入,网络环境下的自主听力教学逐渐成为听力教学的主要方式,然而部分研究表明学习效果并非完全令人满意。在此背景之下,有必要对近年来听力自主学习相关研究结果进行分析,探索英语听力自主学习策略的培养,指导今后大学英语听力自主学习教学。     

基于深度限制波尔兹曼机的辐射源信号识别

针对电子侦察中使用常规参数难以有效识别复杂体制雷达信号的问题,提出利用深度限制波尔兹曼机对辐射源识别的模型。模型由多个限制波尔兹曼机组成,通过逐层自底向上无监督学习获得初始参数,并用后向传播算法对整个模型进行有监督的参数微调,利用Softmax进行分类识别。通过仿真实验表明该模型能对辐射源进行有效的特征提取和分类识别,具有较高的识别精度和较强的鲁棒性。     

基于时序特征编码的目标战术意图识别算法?

对战场目标战术意图的快速、准确和自动识别,是智能决策的前提和基础。目标战术意图通常由多个战术动作组合完成,因而目标状态呈现动态、时序变化特征。本文针对目标意图识别问题的特点,提出一种基于栈式自编码器（ SAE）的智能识别模型,设计智能识别模型的基本框架,提出一种基于时序特征的输入信号编码方法及相应的模式解析机制,通过将目标状态在多个时刻的时序特征和战场环境、目标属性等信息统一编码为输入信号,将军事专家的知识经验封装为模式标签,模拟人的推理模式与认知经验,实现对目标战术意图的智能识别。最后通过实验,分析预训练过程和网络深度对算法性能的影响,并通过与多层感知机（MLP）和逻辑回归分类器（LRC）识别准确率的比较,验证所提SAE算法的有效性。