摘要：组合优化问题广泛的存在于生产实践的各个领域,解决组合优化问题的主要手段通常包括使用由领域专家人工设计的启发式算法以及设计成熟的求解器,按照一定顺序构建一个解决方案.而随着实际问题复杂度逐渐的增加,这类方法无法于在线求解方面取得很好的效果,得到的结果可能往往是次优的.而强化学习给出了一个很好的替代方案,通过对智能体模型的良好训练,迅速地对此类问题进行求解.故回顾了近年来将强化学习框架应用于组合优化问题的研究,对其基本原理、相关方法、应用研究进行总结和综述,并指出未来该方向亟待解决的若干问题.

摘要：针对驱动-响应分数阶Hindmarsh-Rose(HR)神经元系统的同步问题,提出了一种基于浸入与不变原理的自适应分段滑模同步方案.首先,建立分数阶HR神经元模型并简要分析系统的动力学行为;其次,结合传统趋近律和饱和函数提出新型分段滑模趋近律来设计滑模控制器,接着引入浸入与不变理论建立不变流形并选取自适应律对系统内部不确定性和外部扰动进行估计,保证了流形的吸引性与不变性,并通过Lyapunov稳定性理论对所提方案进行稳定性证明;最后,通过数值仿真研究表明所提方案能使神经元系统达到完全同步,且明显减轻抖振现象,验证了所提方案的有效性与优越性.