摘要：初中数学实践性作业是指在学生现有知识的基础上进行的课后作业,是以培养学生的观察能力、动手能力、实验操作能力、抽象思维能力为主要目的的课后生活化作业。实践性作业是课上作业的延伸,同时是课外作业的主力军,应具有可操作性、实用性、生活化、教育性、兴趣性等特征。苏霍姆林斯基曾说过:“儿童智慧在他手指尖上。”动手实践、自主探索、合作交流,是学生学习数学的重要方式。数学作业是数学课堂教学的重要补充,也是学生对所学知识进行巩固与运用的方式,还是提高整体教学质量的重要部分。但是随着新课程改革的推进,作业设计的要求也在逐步提高,数学实践性作业的设计也在深入发展,各地举行作业设计大赛,让一线教师参与其中,以设计出合理、有效的实践性作业。笔者通过一线教学及查阅相关资料,总结出数学实践性作业的探索策略。

摘要：为增强机器人对环境的适应性,基于对人类进行未知物体触觉探索时行为的观察和分析,提出一种适用于机器人灵巧手自主进行未知物体触觉探索的策略。机器人触觉探索过程被划分为顶面探索和侧面探索两个阶段。在顶面探索阶段,根据所得到的触觉信息对物体的基本尺寸和姿态进行估计,并用包围盒近似物体;而在侧面探索阶段,依据分类判别不等式将物体按基本尺寸进行分类,对不同类别的物体设计不同的侧面探索策略,从而指导灵巧手对未知物体的信息进行采集。最后,在仿人机器人平台上完成了对未知物体的触觉探索实验。实验结果表明,应用所提出探索策略,机器人可以仅依靠触觉自主的探索未知物体并获取物体信息。

摘要：地图创建是群机器人研究的若干基准任务之一。文章提出一种群机器人地图创建的探索策略,该策略根据黄蜂群的响应阈值模型设计了响应函数,机器人根据响应函数对下一访问位置进行概率选择。对算法分别进行了不同机器人数量和不同响应阈值的计算机模拟实验,根据算法评价指标对实验结果进行评价,并对实验结果进行了分析,结果表明算法是有效可行的。

摘要：当前多智能体强化学习在值分解的算法中无法充分考虑到多智能体间的协作关系,并且使用的随机策略在探索过程中容易出现越过最优点,陷入局部最优解的情况。针对以上问题,本文提出了一种深度交流多智能体强化学习算法。本文通过使用卷积和全连接结构在值分解网络中设计了一种通信机制以此来增强多智能体之间的协作。接着,本文提出了一种新的自适应探索策略,为了平衡数据探索与利用之间的矛盾,加入了周期性的衰减策略。最后,通过仿真结果验证了本文提出方法在部分场景中达到25.8%的性能提升,提高了多智能体的合作能力。

摘要：在地下车库排布车位,往往受到车库轮廓、障碍物和连通性等条件约束,本文设计并实现了一种基于探索策略和区域划分的车位排布方案。探索策略借鉴了强化学习的思想,通过设置奖励机制使智能体在地下车库环境中进行主路的铺设;区域划分算法可以在保证不堵塞车道情况下得到尽可能多的车位数量。本文算法能够在短时间内获得车位排布结果,帮助设计师减轻工作量,提高项目收益。

摘要：由于旋转机械大部分时间处于健康状态,并且很难获得足够的故障数据,历史监测数据将高度偏向健康状态,在非平衡样本条件下的深度学习故障诊断方法的诊断精度将会严重降低。本研究结合强化学习框架和深度学习算法,提出一种基于演员-评论家结构的深度强化学习的齿轮箱智能故障诊断方法。智能体以原始振动信号作为输入,将智能体输出概率值的分布与真实标签one-hot编码的Jensen-Shannon(JS)散度距离作为连续奖励函数,并以不平衡比为基准来提高智能体正确识别故障样本时的奖励值;设计一种使智能体在训练初期尽可能探索状态空间而在训练后期逐渐收敛的探索策略。实验证明:在PHM2009数据集中,健康样本和故障样本不平衡比例为10时,本研究所提的智能故障诊断方法在3种工况下平均识别精度可达99%,相较于其他诊断精度方法提升37%~49%。

摘要：物流AGV小车的路径规划问题受到了广大学者的关注,传统的强化学习的Q-learning路径规划算法为了平衡探索与利用问题,在智能体的动作选择策略中引入一个探索因子的概率值ε,由于每次都选择最大的Q值函数的状态-动作对,这导致整个过程的收敛速度放慢且结果不稳定。为了解决探索和利用之间的矛盾,文章提出一种改进的动态调整探索因子ε策略,即在强化学习的不同阶段选择不同的探索因子ε值。通过仿真实验及实物实验后,证明了改进后的强化学习算法的收敛速度较快且收敛结果的稳定性也得到了提升。

摘要：采用近似动态规划(ADP)方法对钢铁物流运输过程中的车辆调度问题进行了分析,设计了车辆和运输货物的状态向量空间、动作向量空间等,充分考虑运输成本和能力约束,建立状态转移函数、目标函数,并对近似动态规划算法进行改进。在基于决策后状态的ADP算法的基础上,采用Boltzmann探索策略对所有的状态空间进行遍历,避免局部最优和低效问题。通过对比实验,比较Q学习算法、基于决策后状态的ADP算法以及采用Boltzmann探索策略的ADP算法的实验结果,证明了采用Boltzmann探索策略的ADP算法具有更快的收敛速度,执行效率更高。

摘要：智能小车是一种集感知、判断、行走功能于一体的微型机器人,能够自动寻找最佳路径并且达到目的地。对智能车搜索和冲刺迷宫提出了一种算法。智能小车可根据行走的路线和拐弯的情况进行变速调节,提高了智能车的行进速度以及灵活性。利用已经搜索到信息的耦合关系,对算法提出改进,缩短了智能小车搜索的时间。

摘要：设计方法将影响建筑节能的效率。本文在分析我国目前建筑能耗现状及其原因的基础上,结合国外的成功经验,主要从建筑设计专业的角度提出一些建筑节能的设计方法。