摘要：随着移动终端的大规模普及,群智感知技术以其高效且成本低廉的优势逐渐取代现有的静态传感器,成为一种新兴的数据收集方式.如何在保证质量、降低成本的前提下,把感知任务分配给最佳执行用户以实现用户任务完成数量的最大化,是数量敏感任务分配问题研究的重点.基于此,提出一种结合非线性递减收敛因子、最优局部抖动以及动态位置更新三种操作的改进鲸鱼优化算法(Improved Whale Optimization Algorithm,IWOA),并将其用于求解所提出的任务分配问题.对数量敏感的任务分配问题进行建模,根据用户与任务间的适应程度,定义空间匹配度与技能匹配度.在用户执行任务的过程中考虑到用户的学习能力,引入技能更新机制对用户已有技能进行及时更新,以此提高任务分配的效率.综合考虑预算、用户在线时长以及感知任务完成质量,对最大化任务完成数量的任务分配问题进行合理定义,并从为任务选择最佳执行用户的角度出发,设计一种基于优先级的用户选择策略,以实现在保证感知任务基本完成质量的前提下,降低任务分配的成本.在最优任务分配方案的求解过程中,利用改进算法对每次迭代初始的任务序列进行不断优化,经过有限次迭代即可得到最终结果.将改进算法与其他优化算法在相同环境下进行对比实验,结果表明改进算法在求解任务分配问题时具有更高的性能.

摘要：在人工智能时代,“智能客服—顾客互动”作为一种新型的员工—顾客互动日趋常态化,研究“智能客服—顾客互动”对品牌共创意愿的影响对智能客服的设计和完善有重大意义。本文从“智能客服—顾客互动”视角,深入探讨“智能客服—顾客互动”对品牌共创意愿的影响及其作用机制,通过对534名接触过智能客服的电子商务用户开展问卷调查,利用结构方程模型对数据进行实证分析。研究发现:“智能客服—顾客互动”的功能性、信息性、互动性、自主性、拟人性对顾客品牌共创意愿产生积极的促进作用,人机交互通过品牌体验影响品牌共创意愿。因此,企业在设计和完善智能客服时应重视互动响应性、功能性和信息性,企业设计智能客服时应该注意智能客服的语言文字交流能力,制定恰当的定价策略。

摘要：[目的/意义]社交媒体上充斥着大量的健康谣言,对人民的生命健康构成潜在威胁。对在线健康谣言进行辟谣,探索影响辟谣效果的内在机制有利于引导用户做出正确的健康决策。[方法/过程]研究采用2(信息框架:叙事信息vs.非叙事信息)×3(信息来源:质量来源vs.数量来源vs.对照组)、3(信息框架:叙事信息vs.非叙事信息vs.对照组)×2(话题卷入度:高话题卷入度vs.低话题卷入度)的组间实验设计,从信息框架、信息来源、话题卷入度3个方面探索在线健康谣言辟谣效果的影响机制。[结果/结论]实验结果表明,叙事信息与非叙事信息均正向影响在线健康谣言辟谣效果,且非叙事信息的作用效应大于叙事信息;数量来源与质量来源对在线健康谣言辟谣效果有显著正向影响,且质量来源的效应大于数量来源;信息来源显著调节叙事信息与非叙事信息的作用效应,当信源是数量来源时,叙事信息的辟谣效果更强;当信源是质量来源时,非叙事信息的辟谣效果更强;研究还发现在高话题卷入度组中,非叙事信息组对辟谣效果的影响显著高于叙事信息组,但在低话题卷入度组中,叙事信息和非叙事信息对辟谣效果的影响并无显著差异。

摘要：为了提高多机器人行为最优决策控制中强化学习的效率和收敛速度,研究了多机器人的分布式马尔科夫建模与控制策略。根据机器人有限感知能力设计了个体-协同感知触发函数,机器人个体从环境观测结果计算个体-协同触发响应概率,定义一次触发过程后开始计算联合策略,减少机器人间通讯量和计算资源。引入双学习率改进Q学习算法,并将该算法应用于机器人行为决策。仿真实验结果表明,当机器人群组数量在20左右时,本文算法的协同效率较高,单位时步比为1.0850。同时距离调节参数η对机器人协同搜索效率有影响,当η=0.008时,所需的移动时步比和平均移动距离都能达到最小值。通过双学习率的引入,该算法较基于环境模型的强化学习算法具有更高的学习效率和适用性,平均性能提升35%,对于提高多机器人自主协同能力具有较高的理论意义及应用价值。

摘要：针对模糊随机环境下智能工厂建设方案优选问题,从智能、产销、辅助3个支持维度设计评估准则体系,考虑区间数准则权重与正态云准则值,提出基于偏差一致性原理与余弦逼近度的新方法。首先,根据正态云与正态随机变量间的关系,将正态云决策矩阵转化为广义正态随机决策矩阵,通过正态云的3σ原则生成区间数决策矩阵;然后,检验区间准则权重向量的合理性和可行性,运用熵权法与偏差一致性原理构建非线性多目标规划模型,求取综合准则权重向量;进一步,基于规范化区间数决策矩阵,考虑各方案与理想方案的方向与位置差异,计算改进型加权区间余弦相似度及加权区间余弦逼近度,获得各方案的排序;最后,以农业装备制造企业为例,验证了所提方法的可行性和有效性。

摘要：随着工业互联网应用的快速发展,其分布式的拓扑结构和异构设备的资源限制,对传统的数据存储、传输和安全保护提出了新的挑战。区块链技术的分散式信任和分布式帐本机制,适应于大规模工业互联网应用,并有可能成为工业安全和数据保护的有效方法。但是,传统区块链的计算通量低、能耗高、可扩展性有限,并且会产生显著的带宽开销和网络延迟,难以直接适应于工业应用。由此提出一种满足工业环境要求的高效、安全和轻量级的分层扩展式区块链。该模型在典型工业互联网结构下构建了资源受限层、扩展资源层两层区块链。设计了轻量级共识算法、分布式信任确权机制和动态高通量管理方法,并通过工业互联网受限资源设备的数据存储请求交易说明了分层区块链具体实现流程。扩展了不同资源能力的工业设备在网络中的高效区块操作,并确保端到端的操作安全和数据保护。为工业互联网泛在接入建立实体间信任关系和数据安全提供新的思路和方法。

摘要：[目的/意义]基于KANO模型对高校图书馆移动阅读服务的需求进行定量分析与归类,识别移动阅读用户满意度改善的关键因素,提出移动阅读服务满意度提升的策略。[方法/过程]围绕移动用户的阅读活动,从移动阅读内容、移动阅读服务、移动阅读系统以及移动阅读环境4个维度,设计图书馆移动阅读服务需求调查问卷,以调查结果的统计分析判定移动阅读服务需求要素的分类归属及满意度提升优先序。[结果/结论]将41项移动阅读服务需求要素划分为3项必备型需求要素、18项期望型需求要素、6项魅力型需求要素以及14项无差异型需求要素,结合满意度重要性矩阵分析,确定高校图书馆移动阅读服务改善的重点及满意度提升的优先序顺序,并提出高校图书馆完善移动阅读服务的策略。