摘要：这是一种神奇的生物。眼里装着星辰大海,脚下踏着凌波微步。萌、慵懒、雍容华贵,像一个富家子弟般眼中无人,却又被万千猫奴宠于掌心。

摘要：在不确定规划领域中,以往对强规划解的研究侧重于解本身,很少考虑不确定转移系统执行动作所需的代价;而已有的研究最小权值强规划解的算法效率不高。针对这一问题,引入模型检测的强规划分层方法,设计了一种快速求解最小权值强规划解的算法。该算法首先将不确定规划问题中的状态进行强规划分层,然后利用分层信息反向搜索最小权值强规划解;且在搜索的过程中,根据算法策略,实时更新所需搜索层数的上界和下界,从而避免了大量的无用搜索,提高了搜索效率。实验表明:所设计的算法能快速求解出最小权值强规划解,求解效率比已有的直接求解最小权值强规划解的算法高;且分层数和动作数越大,优势越明显。

摘要：抗癌药物在进行动物和临床试验以前,需要用体外肿瘤组织模型评估药效.由于三维(3D)多细胞球体(multicellular tumor spheroids MCTSs)在抗药性和组织结构等方面与体内肿瘤组织相似,常被用作体外肿瘤组织模型.为监测MCTSs在形成过程中,肿瘤细胞之间和肿瘤细胞与基质之间的相互作用,基于微流控技术基础上自行设计和构建MCTSs模型.该肿瘤MCTSs模型实验结果表明,在3D微环境下,血清能够诱导MDA-MB-231形成直径为289μm的MCTSs,肿瘤细胞MCTSs之间有相互靠近的趋势,并且发现凋亡细胞多分布在MCTSs之间.肿瘤坏死因子(tumor necrosis factor-α,TNF-α)诱导MDA-MB-231形成MCTSs之间没有相互靠近的趋势,并且MCTSs直径的长度很难达到100μm.以上结果表明,该模型有望为研究肿瘤形成MCTSs机制和药物筛选提供有用的体外肿瘤模型.

摘要：在智能规划领域中,以往对不确定规划问题的研究主要集中于单个Agent,而对多Agent规划的研究则侧重于确定规划。针对该问题,提出基于多Agent的带权值不确定规划问题,对所求解的强规划解,设计使其所需动作权值总和近似最小的算法。根据基于模型检测的强规划分层方法,对每个Agent进行强规划分层,合并所有Agent的分层信息,并在合并的过程中得到同层状态之间的冲突表。在保证冲突最小的情况下,以最小动作权值优先的贪心方法,求出强规划解。实验结果表明,该算法能较快地求解出使所选择的动作权值总和近似最小的强规划解。

摘要：基于静止卫星高分四号(GF-4)遥感数据,利用6SV辐射传输模型与暗目标算法进行高空间分辨率气溶胶光学厚度(AOD)遥感反演;在此基础上,结合地面监测站大气细颗粒物(PM_(2.5))浓度、气象资料等数据,采用物理订正方法及线性混合效应模型,实现长三角城市群区域大尺度空间连续的PM_(2.5)浓度遥感反演;最后利用十折交叉验证法对反演精度进行验证.结果表明:GF-4反演的AOD结果分辨率较高,空间连续性好,与AERONET地基监测相关性R达到0.82;利用GF-4 AOD的PM_(2.5)估算模型精度较高,模型估算PM_(2.5)浓度与地面实测数据拟合度R^(2)为0.74;在分春夏秋冬4个季节建模情景下,交叉验证R^(2)依次为0.67,0.59,0.63和0.72,平均绝对误差MAE为10.40,7.42,10.10,13.34μg/m^(3),表明GF-4卫星适用于区域PM_(2.5)浓度监测.

摘要：王羲之是武则天最为推崇的书法家。万岁通天二年(697),时任凤阁侍郎,同时也是王羲之十世孙的王方庆接到武则天的委托,她想观摩王羲之的墨迹。王方庆祖宅中本有40余卷王羲之的墨迹,但早已献给了唐太宗,如今只剩下了一卷。无奈之下,王方庆将王家一门28人的墨迹珍本整理成十卷,献给了武则天。

摘要：744年,李白和杜甫、高适同游王屋山,想要拜访在阳台宫修行的好友司马承祯。三人到达阳台宫后,才得知司马承祯在多年前就已离世。李白悲痛万分,望着阳台宫内好友留下的山水壁画,不禁有感而发,挥笔留下一篇自咏自书的四言诗《上阳台》。“山高水长,物象千万,非有老笔,清壮何穷。”李白在诗中描写了王屋山的自然景色,用简练的语言把自己对朋友的思念.

摘要：现实世界中,动作的执行通常都要耗费一定的代价,且由于外界环境的干扰,动作执行后的结果具有不确定性。针对这一问题,对不确定状态转移系统的动作赋予权值,使用概率分布表示状态转换的随机性,提出了强循环规划解的期望权值,并且设计了求最小期望权值强循环规划解的方法。该方法的主要思想是使用深度优先搜索求出规划问题的所有强循环规划解,再将强循环规划解分别转换成以状态到目标状态的期望权值为变元的线性方程组,最后使用高斯消元法解方程组,从而找出最小期望权值强循环规划解。

摘要：为提高求解效率,设计一种求强规划解的简化分层算法。以传统分层算法为基础,引入贪心选择策略,对每个非目标状态的动作进行筛选,去除对求解强规划解无益的动作,加快状态向下搜索的速度,并在改进分层的基础上,优化求强规划解策略,由于在求解过程中会存在大量重复搜索,因此建立一个集合保存已访问状态的信息,避免对状态的重复搜索。分析结果表明,在初始状态到达目标状态路径都不重合的情况下,改进算法的时间复杂度为O(nm)(n为初始状态个数,m为层数),在都重合情况下为O(m),优于普通正向搜索算法与反向搜索算法。