基于多级队列算法的ITS资源调度策略

资源调度是公交智能交通系统(ITS)建设中亟待解决的一类重要问题。文章抽象了公交资源调度问题的一般特征和要求，以多级队列算法为基础并将其加以改进，给出了一种适用于ITS的资源调度策略，并成功地应用于北京市公交抢修调度系统中。还对该策略应用中的具体的资源子集划分、多级队列建立、优先级动态调整机制及自动分配等关键技术进行了阐述。     

基于多Agent柔性制造单元的生产调度研究

针对基于制造单元的作业车间的生产调度问题进行了研究,结合多代理的智能性、灵活性和遗传算法的智能优化能力,建立基于多智能体的柔性制造单元的作业车间的调度系统模型.然后,提出了集成多智能体和遗传算法的动态调度策略和调度协商机制;最后,应用此方法完成了常规调度和异常调度的仿真算例.结果表明所开发系统可以解决基于加工单元的制造...     

基于多智能体的动态车间调度系统

在分析车间生产调度特点的基础上,提出了基于多智能体的动态车间生产调度模型。把车间生产调度系统分为调度代理、任务代理和资源代理等。代理之间采用了基于改进的合同网的关系网模型,为解决车间加工动态调度问题提供了一种新的方法。     

基于强化学习的智能车间调度策略研究综述

智能制造是我国制造业发展的必然趋势,而智能车间调度是制造业升级和深化“两化融合”的关键技术。主要研究强化学习算法在车间调度问题中的应用,为后续的研究奠定基础。其中车间调度主要包括静态调度和动态调度;强化学习算法主要包括基于值函数和AC（Actor-Critic）网络。首先,从总体上阐述了强化学习方法在作业车间调度和流水车间调度这两大问题上的研究现状;其次,对车间调度问题的数学模型以及强化学习算法中最关键的马尔可夫模型建立规则进行分类讨论;最后,根据研究现状和当前工业数字化转型需求,对智能车间调度技术的未来研究方向进行了展望。     

基于递阶强化学习的多智能体AGV 调度系统

递阶强化学习是解决状态空间庞大的复杂系统智能体决策的有效方法。具有离散动态特性的AGV调度系统需要实时动态的调度方法，而具有MaxQ递阶强化学习能力的多智能体通过高效的强化学习方法和协作，可以实现AGV的实时调度。仿真实验证明了这种方法的有效性。     

短时延多包传输网络控制系统的容错控制

研究了存在数据丢失的短时延多包传输网络控制系统在静态调度和动态调度下的控制器设计问题。把未能成功传输数据的传感器节点视为暂时失效,将网络控制系统建模为一类具有时变传感器“故障”的系统。在静态调度策略下,将系统建模为一类具有一定切换规则的周期系统,利用容错控制理论和周期系统理论得到系统稳定性判据;在动态调度策略下,将系统建模为一类具有有限子系统的自主切换系统,利用容错控制理论和切换系统理论给出了系统的稳定性条件。并利用控制器和观测器的协同设计方法给出了系统在静态调度和动态调度下的容错控制律和状态观测器设计方法。数值仿真算例证明了结论的可行性和有效性。     

钢铁生产动态调度理论研究与工程应用综述

本文以钢铁企业生产为背景，为了更进一步研究有效的动态调度方案，首先论述了钢铁生产的动态调度问题的种类、特点．其次，从理论与实践应用两方面分析了该领域的研究方法．具体介绍了基于模型、智能、人机交互方法．并分析了各种方法间交叉组合的方式．进而研究工程实现模式，提出了基于MES的钢铁生产动态调度四维一体综合集成的新模式．     

面向服务构架的智能环境研究*

介绍了智能环境的概念,分析了其研究的相关问题,提出一个面向服务架构的智能环境框架。结合面向服务架构的特点,具体分析了智能环境中的智能感知、服务的描述、服务注册和发现机制,以及服务的动态调度和集成等相关问题。     

炼钢连铸动态智能调度系统的研究与开发

介绍了炼钢连铸生产调度系统研究现状，叙述炼钢连铸生产流程，并指出其动态调度的难点。提出了炼钢连铸动态智能调度系统的软件结构、功能结构和技术架构，并提出了人机协调、多种方法的组舍、四维一体的综合集成方案。最后把该方案应用到某钢铁企业的炼钢连铸调度系统中，得到了很好的应用效果。     

面向服务构架的智能环境研究

介绍了智能环境的概念,分析了其研究的相关问题,提出一个面向服务架构的智能环境框架.结合面向服务架构的特点,具体分析了智能环境中的智能感知、服务的描述、服务注册和发现机制,以及服务的动态调度和集成等相关问题.     

智能优化在软件测试中的应用综述

软件测试是软件开发活动中一个关键且耗时的环节,其核心是生成满足特定准则的测试数据.随着软件复杂程度的不断增加,软件测试的难度也越来越高.使用遗传算法等智能优化方法解决复杂软件的测试问题,是近年来软件工程领域的一个研究热点.鉴于此,针对智能优化在软件测试的应用进行综述,首先介绍软件测试的基本原理和方法;然后介绍智能优化在...     

Challenges for intelligent systems in biology

Biological processes have produced the ultimate intelligent system (humans), and now we are trying to understand biology (and ourselves) by building intelligent systems. Intelligent systems research in biology strives to understand how living systems perform difficult tasks routinely (ranging from molecular phenomena such as protein-folding to organism-level phenomena such as cognition). The definition of intelligent systems in biology can lead to hours of debate. Some say that all high-performance systems that do something difficult with (or to) biological data should be considered intelligent systems. Others insist that the term intelligent system should be reserved for systems using the methods typically associated with modem AI.     

深度学习在软件定义网络研究中的应用综述

数据转发与控制分离的软件定义网络（Software Defined Networking,简称SDN）是对传统网络架构的彻底颠覆,为网络各方面的研究引入新的机遇和挑战.随着传统网络研究方法在SDN中遭遇瓶颈,基于深度学习的方法被引入到SDN的研究中,在实现实时智能的网络管控上成果颇丰,推动了SDN研究的深入发展.调查了深度学习开发平台,训练数据集,智能SDN架构等深度学习引入SDN的促进因素;对智能路由,入侵检测,流量感知和其他应用等SDN研究领域中的深度学习应用进行系统的介绍,深入分析了现有深度学习应用的特点和不足;最后展望了SDN未来的研究方向与趋势.     

无人机自修复飞行控制系统研究综述

针对现代飞控系统作为无人机系统的核心之一，正朝着自修复方向发展的现状，总结了自修复飞行控制系统所涉及的故障检测与辨识、重构控制律、自修复飞行控制的仿真及试验等主要内容。分析了目前国内外自修复飞行控制系统的研究现状、技术水平，特别是自修复飞控系统的故障检测与诊断、控制律重构、仿真及试验研究等。指出了现存的问题及研究动态。分析表明，伴随着对智能控制不断深入的研究，智能自修复技术，包括智能故障诊断和智能重构控制律的设计，将是这一领域研究的方向。     

康复机器人与智能辅助系统的研究进展

我国正面临日益严重的老龄化问题和数量庞大的残疾人群,康复机器人与智能辅助系统的研究开发和应用有望为解决养老、失能辅助和康复问题提供部分技术手段.康复机器人与智能辅助系统涉及医学、信息、机械、电子、材料、力学等多个学科领域,其研究与开发也面临诸多挑战和困难,本文从“康复机器人及多种康复训练模式”、“智能辅助系统与生机电技术”、“康复与辅助相关的多模态传感与控制方法”、“外骨骼和可穿戴系统、智能假肢与人机安全性”等方面介绍和讨论康复机器人和智能辅助系统的问题和研究进展,以期为未来康复机器人和智能辅助系统的研究与开发提供些许借鉴.     

A New Dimensionality Reduction Method with Correlation Analysis and Universum Learning

Dimensionality reduction (DR) is an important and essential preprocessing step in machine learning, possibly using discriminative information, neighbor information or correlation information and resulting in different DR methods. In this work, we design novel DR methods that employ another form of information, i.e., the maximal contradiction on Universum data which belong to the same domain as the task at hand, but do not belong to any class of the training data. It has been found that classification and clustering algorithms achieve favorable improvements with the help of Universum data and such learning methods are referred as to Univesum learning. Two new dimensionality reduction methods are proposed, termed as Improved CCA (ICCA) and Improved DCCA (IDCCA) respectively, that can simultaneously exploit the training data and the Universum data. Both of them can be expressed by generalized eigenvalue problem and solved by eigenvalue computation. The experiments on both synthetic and real-world datasets are presented to show that the proposed DR methods can obtain better performance.     

A new intelligent prediction system model-the compound pyramid model

A current development trend in research on intelligent systems is to optimize a general intelligent prediction system into an individuation intelligent prediction system that is applied in specialized fields. Protein structure prediction is a challenging international issue. In this paper, we propose a new intelligent prediction system model, designed as a multi-layer compound pyramid model, for predicting secondary protein structure. The model comprises four independent intelligent interfaces and several knowledge discovery methods. The model penetrates throughout the domain knowledge, with the effective attributes chosen by Causal Cellular Automata. Furthermore, a high pure structure database is constructed for training. On the RS126 dataset, the overall state per-residue accuracy, Q3, reached 83.99%, while on the CB513 dataset, Q3 reached 85.58%. Meanwhile, on the CASP8 sequences, the results are superior to those produced by other methods, such as Psipred, Jpred, APSSP2 and BehairPred. These results confirm that our method has a strong generalization ability, and that it provides a model for the construction of other intelligent systems.     

原油混输调度建模方法的研究进展

介绍了原油混输调度问题的建模和优化方法及国内外的研究现状.综合国内外在原油混输调度研究的新成果,从建模及求解上分析了现有的研究方法,并比较了其优缺点.指出数学规划方法是原油混输调度问题的最常用方法,但其建模困难,其求解方法--数学规划算法、随机搜索法和智能算法等都有缺陷,很难又快又好的得到最优解.而基于事件树方法通过自然语言建模,用基于事件触发规则的方法求解,可以很快得到较好的解.对于原油混输调度,基于事件树的方法是一种很有潜力的方法.     

深度神经网络图像语义分割方法综述

图像语义分割是计算机视觉领域近年来的热点研究课题,随着深度学习技术的兴起,图像语义分割与深度学习技术进行融合发展,取得了显著的进步,在无人驾驶、智能安防、智能机器人、人机交互等真实场景中应用广泛。首先对应用于图像语义分割的几种深度神经网络模型进行简单介绍,接着详细阐述了现有主流的基于深度神经网络的图像语义分割方法,依据实现技术的区别对图像语义分割方法进行分类,并对每类方法中代表性算法的技术特点、优势和不足进行分析与总结。之后归纳了图像语义分割常用的大规模公共数据集和性能评价指标,并在此基础上对经典的语义分割方法的实验结果进行了对比,最后对语义分割领域未来可行的研究方向进行展望。     

近20年智能制造研究热点与前沿挖掘

基于Web of Science和CNKI数据源,分别选取2001-2020年收录的智能制造相关文献作为研究对象,利用CiteSpace可视化软件,对智能制造研究总体现状、研究热点及发展脉络进行了系统梳理与分析。研究发现：近年来智能制造研究受到学者们的高度重视,文献数量呈爆发式增长;研究主题具有鲜明的时代特征,WOS与CNKI数据库中,智能制造领域研究热点在理论与实证研究等多方面存在差异。对智能制造研究的前沿趋势进行分析,并提出未来可能的4个主要方向。