摘要：多智能体博弈对抗问题涉及智能体之间的协作配合,传统基于博弈论等方法的解决方案并不适用于复杂场景的博弈对抗问题。基于强化学习的多智能体协同训练机制是近年来的研究热点。针对中国电子科技集团发布的多智能体博弈对抗问题,设计基于值分解的多智能体深度强化学习方法,为每个智能体独立构建网络模型,通过引入混合网络连接各个智能体,训练时以混合网络指导各智能体网络更新,执行时各智能体网络独立运行,实现集中式学习、分散式执行的训练模式。针对同构异构场景,设计一种高效的迁移训练技术,提升多智能体强化学习方法在不同场景下的快速训练效率。对同构和异构博弈对抗问题分别进行测试,实验结果表明基于值分解的多智能体强化学习方法和迁移技术,能够有效提升智能体的协作行为以及训练效率。

摘要：卷积神经网络(convolutional neural network, CNN)被广泛用于图像分类任务中。大多数现有的CNN模型都按照N路分类器的形式训练。然而,不同类别之间总存在差异性限制了N路分类器的分类能力。为了解决上述问题,提出的神经网络模型将混淆树结构(confusion tree, CT)和CNN模型结合,设计了性能更强的基于混淆树的卷积神经网络模型(confusion tree CNN,CT-CNN)。该模型首先建立一个混淆树来对类别之间的混淆性进行建模;然后,将混淆树的分层结构嵌入到CNN模型中,通过这种方式可以引导CNN的训练过程更加关注混淆性强的类别集合。该模型在公共数据集上进行了评估,实验结果证明,CT-CNN能克服大规模数据类别间的分类难度分布不均匀的局限,在复杂大规模的分类任务中取得稳定的优秀表现。

摘要：市政道路的功能是多维的,融通行、商业、社交、休憩于一体,城市道路建设是促进城市发展的重要因素,城市化进程的迅速推进使城市交通基础设施面临新的挑战,面向新时代以人为本的城市发展理念,市政道路建设需要高质量的施工策略和施工思路。本文首先介绍了深圳市光明区的市政道路工程项目,概述了市政道路施工流程,对标先进市政工程,提出了施工组织创新和施工技术创新的施工思路,总结了市政道路高质量施工技术要点。

摘要：前言目前随着设计的不断完善和施工机械化水平的不断提高，水泥混凝土路面的施工质量比以前有了很大的进步，在高等级公路水泥混凝土路面施工中，由于采取了拌和站集中拌料，罐车运输，大型摊铺机进行摊铺，传力杆和拉杆的自动设置．使以往水泥混凝土路面施工中常出现的质量问题大为减少；但在收费广场或服务区等高速公路配套设施区域内进行的大面积水泥混凝土路面施工中．由于施工空间或其他条件所限，不能采用先进的施工工艺，质量问题依然不时出现，最典型的就是断板问题。