摘要：针对分层策略梯度强化学习算法(HPGRL)易陷入局部最优点等问题,提出一种分层策略搜索算法(PSO-HPS).首先由设计者按照经典分层强化学习MAXQ方法的思想构建子任务分层结构,通过与环境的直接交互,PSO-HPS利用具有较强全局搜索能力的粒子群对各复合子任务中的参数化策略进行进化,以获得优化的动作策略.最后以协商僵局消解的实验验证PSO-HPS是有效的,其性能明显优于HPGRL.

摘要：文章首先概述了面向对象模型设计的方法，然后着重讨论了将面向对象模型转换为关系模型及关系模型优化的问题，最后给出一个应用实例。

摘要：根据塑料钉耙的材料特性、成型性能及尺寸精度、外观质量要求等,在分析其结构的基础上设计了其注射模具。重点阐述了模具的精确定位、侧向抽芯机构、推出机构,以及浇注系统、排气系统、冷却系统的设计。

摘要：将目标驱动思想引入AGR中,提出一种从AGR元模型到多Agent系统(MAS)组织抽象模型的建模方法。对AGR进行综述,给出该方法的具体步骤和形式化过程。应用于某智能故障诊断系统的结果表明,该建模方法有利于设计人员直接利用AGR元模型构建MAS组织抽象模型,可适用于各种AGR扩展。

摘要：分析了双色电器外壳塑件的特点,介绍了双色热流道注射模结构和模具的设计要点,并阐述了该模具的工作过程。

摘要：针对原始乌鸦搜索算法对种群多样性控制不强、个体位置更新方式单一、局部搜索精细度不高等缺点,提出新的自适应乌鸦搜索算法.设计多种搜索引导个体,基于进化不同阶段的种群多样性,实现搜索引导个体的自适应选择策略,使算法在迭代前期加强全局勘探,在迭代后期强化局部开发.结合正余弦搜索理念,构建基于线性递减、混合正余弦震荡递减的多种飞行长度控制参数及相应的多种搜索方式,提升算法的搜索遍历性,增加算法在迭代后期找到更优解的概率.为了验证新算法的有效性,通过标准测试函数,将新算法与原始乌鸦搜索算法、改进乌鸦搜索算法和其他优秀的智能优化算法进行仿真实验,比较分析各算法的收敛精度、收敛速度、稳定性、Wilcoxon符号秩检验和Friedman检验.实验结果表明,新算法的性能优于其他比较算法的性能,新算法实现了全局勘探和局部开发、收敛精度和收敛速度的平衡.

摘要：介绍了成型内置圆环槽结构制品的二步抽芯方法。论述了该抽芯机构的工作过程和主要结构零件的设计要点,可供同类形状制品的成型模具参考。

摘要：为了克服原始教学优化算法在求解复杂多峰函数时全局寻优精度不高和过早收敛的缺点,提出一种矩形邻域结构和个体扰动的教学优化算法.算法将种群空间设计为矩形结构,个体的矩形邻域由矩形厚度和围绕其的矩形区域个体决定,教和学两个阶段都使用邻域最优个体引导搜索,加强了算法勘探新解和开发局部最优解的能力;为了防止算法过早陷入局部最优,增加了基于搜索边界信息引导的个体扰动阶段,使得种群即使在进化的后期仍能保持较好的多样性.对带有偏移和旋转的复杂函数进行仿真测试,结果表明新算法在求解精度和稳定性方面,在绝大多数情况下优于原始教学算法和其他一些近来的优秀改进教学算法.

摘要：针对原始教与学优化算法全局搜索和局部搜索协调不足、当前反向学习策略过于单一的问题,将多种反向学习策略同教与学优化算法相结合,提出一种基于多反向学习的教与学优化(MOTLBO)算法。首先,借鉴反向学习的思想,设计一种基于Sigmoid函数且随进化代数逐渐变化的非线性混合反向学习模型,模型综合考虑了问题的搜索边界信息和种群的历史搜索信息;其次,在原始教与学算法教和学两个阶段的基础上,增加了基于搜索边界指导的自学习阶段,增强了种群的多样性;最后,将混合反向学习模型与算法的各阶段相结合,根据各阶段的不同特征,设计了基于均值个体、随机个体和最优个体的反向解计算方法,充分吸收种群的历史搜索经验,提高算法的收敛精度和速度。采用具有不同特征的Benchmark测试函数对算法的非线性混合反向学习模型和收敛性能进行测试,实验结果表明:非线性混合反向学习模型相对于单一的边界信息反向学习或种群信息反向学习,具有更强的全局搜索和局部探测能力;而与原始教与学优化算法及其改进算法相比,MOTLBO算法在获得较高的收敛精度和稳定性的同时保持了更快的收敛速度,其综合性能得到较大提升。此外,对扩频雷达相位编码求解的实验结果进一步表明,MOTLBO算法能有效避免陷入局部最优,亦适用于求解实际的工程优化问题。

摘要：为了实现数字图像的版权保护,设计了一种基于范重心和提升小波变换的抗局部非线性几何攻击数字水印算法。算法首先将水印图像进行置乱加密预处理,其次对原始图像进行三级小波提升,分别提取低频图像和高频图像范重心,并根据子图范重心坐标生成特征向量,最后将特征向量与水印运算得到代表原始图像的版权信息。实验结果表明,该算法对图像遭受的局部非线性几何攻击具有较强的鲁棒性,同时密钥的使用保证了算法的安全性。