摘要：该文使用演化算法求解一类定义在黎曼流形之上的矩阵优化问题.传统演化算法大多针对欧式空间中的优化问题而设计,因此难以直接用于矩阵流形优化.该文根据矩阵流形的几何结构,将原始的流形约束问题转换为一系列切空间中的无约束问题,并通过将经典的协方差矩阵适应技术从欧式空间扩展到黎曼流形,提出了用于求解矩阵流形黑盒优化问题的流形搜索方向适应演化策略.所提出的算法在矩阵流形的每个切空间中使用多元高斯分布引导搜索,并不断更新概率分布从而提高产生优质解的似然性.该文设计了在切空间中仅使用单位阵和少量搜索方向构造大规模高斯分布的概率建模方法,并提出了在矩阵流形的不同切空间中更新和移动概率模型的方法.所提出的算法不依赖于全局坐标系、不需要额外的编码方案、独立于特定坐标基的选择,所有演化算子均可表示为矩阵线性运算,因而能够达到较高的运行效率.该文在三类经典的矩阵流形优化问题上进行了仿真实验.数值结果表明,在黑盒优化场景中,所提出算法的性能显著优于或相当于主流的流形优化器.

摘要：针对萤火虫算法求解复杂优化问题时收敛精度较低的问题,该文提出一种正交反向学习策略,嵌入萤火虫算法,得到一种正交反向学习萤火虫算法。正交反向学习策略中,采用重心反向计算,利用群体搜索经验的同时避免搜索依赖坐标;采用正交试验设计,构建部分维上取反向值的正交反向候选解,充分挖掘个体和反向个体在不同维度上的有利信息。在标准测试集上进行验证,实验结果说明了正交反向学习策略的有效性。与多种新近的改进萤火虫算法相比,该算法在大多数函数上获得更高的求解精度。

摘要：容积泵是一种通过改变密闭空间的容积来实现流体输送的泵。密闭空间容积的改变是通过围成它的机械部件之间的相对运动实现的。目前的容积泵无法避免这些机械部件之间的滑动摩擦。如果能设计出使用滚动摩擦代替所有滑动摩擦的结构,则可以让摩擦力大大减小,从而提高泵的效率和寿命。避免滑动摩擦的同时保证密封却是一个很有挑战性的几何设计问题。以正八面体为基本结构,通过在它的棱和面上放置特殊形状的转子和活塞,成功实现这种构造,并使用三维几何建模软件模拟了这种结构的工作过程。该工作不仅从理论上证实了无滑动摩擦的容积泵的可实现性,对高效率容积泵的设计也有着很强的应用价值。

摘要：在组合式建筑建模中,针对单幅建筑物图像提供的信息量少、建筑物部件之间的相互遮挡等局限性,提出一种"部件建模-联合优化"的组合式建筑交互建模方法.首先根据输入的单幅建筑物图像,用户标注图像上建筑物单个部件的6个顶点,系统获取顶点坐标并利用其与三维几何体顶点之间的对应关系构建长方体初始部件模型,使得其投影与图像上的部件轮廓相匹配,以实现相机标定;然后对选定的初始部件模型进行交互式编辑以生成相邻的部件,并使得生成的相邻长方体部件投影与图像上的相应部件轮廓相匹配,基于相机内参的成像一致性完成建筑物相邻部件的重建;最后利用组合式建筑建模的投影误差和共面约束误差进行联合优化,生成精确的组合式建筑物模型,并利用建筑物纹理的对称性合成真实的三维组合式建筑.利用.NET平台下的Emgucv库和OpenGL库实现基于单幅图像的建筑物三维建模,实验结果表明,该方法能方便高效地重建单幅图像中的组合式建筑物,且具有较强真实感.

摘要：传统多机器人系统的运动控制主要依赖于机器人的动力学方程或运动学方程,通过求解微分方程组来获得机器人的输入控制信号.随着系统中机器人数量的增加和运行环境的复杂化,动力学方程很难描述多机器人系统的运动行为,且无法很好地解决诸如死锁等逻辑故障.本文简略综述了国内外的研究现状,重点介绍笔者所在研究组开展的关于离散事件系统方法在多机器人运动控制方面的应用性研究工作.其动机在于:1)基于离散事件系统方法的运动控制能够有效地解决系统运行过程中产生的诸如死锁等逻辑故障.首先,利用离散事件系统模型对多机器人系统的运动进行建模,从而降低计算复杂性;其次,基于所得离散事件系统模型,设计分布式安全运动控制算法,使各个机器人可以自主地、无碰撞地、无死锁地运动;设计分布式鲁棒运动控制算法,使得失效的机器人对系统的影响最小.2)基于离散事件系统方法的运动控制策略可以结合传统的基于运动学方程的运动控制方法,从而使系统不但能够避免顶层的逻辑故障,而且能够确定机器人执行器的输入信号.

摘要：近年来,人工智能技术已被应用于无线通信领域,以解决传统无线通信技术面对信息爆炸和万物互联等新发展趋势所遇到的瓶颈问题。首先介绍深度学习、深度强化学习和联邦学习三类具有代表性的人工智能技术;然后通过对这三类技术在无线通信中的无线传输、频谱管理、资源配置、网络接入、网络及系统优化5个方面的应用进行综述,分析和总结它们在解决无线通信问题时的原理、适用性、设计方法和优缺点;最后围绕存在的局限性指出智能无线通信技术的未来发展趋势和研究方向,期望为无线通信领域的后续研究提供帮助和参考。

摘要：为了解决差分隐私下多重一致性约束的最优发布问题,通过分析最优一致性发布原理提出了多重一致性约束问题的逼近方法。所提方法的主要思想是将一致性约束问题划分为多个一致性约束子问题,通过反复独立地求解各一致性约束子问题实现原问题的最优一致性发布。其优势在于一致性约束问题划分之后,子问题往往更容易求解或者实现子问题最优一致性发布的技术已相当成熟,从而能够解决更加复杂的差分隐私最优发布问题。分析论证了逼近方法的收敛性,保证任意一致性约束子问题的划分均能实现原问题的最优一致性发布。并且,以销量直方图发布为例,基于多重一致性约束问题的逼近方法设计了差分隐私餐馆销量直方图一致性并行发布算法。实验表明,该算法相比通用解法可提升效率高达400倍,并且具备处理百万级大规模数据的能力。

摘要：针对低照度条件下获取的水上图像亮度和对比度低以及质量差的问题,提出一种基于局部生成对抗网络的图像增强方法。以残差网络作为基本框架设计生成器,通过加入金字塔扩张卷积模块提取与学习图像深层特征和多尺度空间特征,从而减少结构信息丢失。设计一个自编码器作为注意力网络,估计图像中的光照分布并指导图像不同亮度区域的自适应增强。构建具有判别图像局部区域能力的判别器结构,约束生成器输出增强效果更加自然的图像。实验结果表明,该方法能够有效增强水上低照度图像,场景还原和细节保留能力优于SRIE和LIME等方法。

摘要：为解决轨迹外包服务中轨迹相似度计算的隐私泄露问题,提出了一种隐私保护的轨迹相似度计算(pTSC)方法,在该方法中轨迹服务存储来自轨迹拥有者的加密轨迹,接收来自轨迹查询者的加密兴趣轨迹,并支持基于加密的兴趣轨迹和存储轨迹的相似度安全计算,进而避免拥有者的存储轨迹和查询者的兴趣轨迹泄露。为高效地计算密态轨迹的相似度,提出了一个基于最长公共子序列的轨迹相似度安全计算协议,该协议利用类同态加密算法和安全比较协议实现了密态轨迹的最长公共子序列的高效计算。此外,设计了一种密文压缩算法,进一步提升效率。理论分析和实验评估证明了pTSC方法的安全性和高效性。

摘要：在无线通信网络环境中,分布式客户端节点在用户隐私保护、数据传输效率、能量利用效率之间较难实现平衡。针对该问题,提出一种结合联邦学习与传统集中式学习的能量与信息管理优化策略。以覆盖性强、适用性广的移动信息采集设备作为学习服务器,将分布分散、资源受限的客户端节点作为学习参与者,通过构建马尔科夫决策模型分析客户端节点在移动信息采集过程中的状态变化和行为模式,同时采用值迭代算法和深度强化学习算法对该模型进行近似求解,获得客户端节点最优的信息传输与能量管理组合策略。仿真结果表明,相比MDP、GRE、RAN策略,该策略的长期效用较高且数据延迟较小,可实现客户端节点在信息传输过程中的数据隐私性、数据可用性与能量消耗之间的最优平衡。