群智协同任务分配研究综述

任务分配是群智协同计算和众包中的核心问题之一,即通过设计合理的任务分配策略,在满足任务约束条件下,将群智任务分配给合适的工作者,以提高群智任务的完成效率和结果质量。分析了目前任务分配方法存在的问题,总结并提出了一个通用的任务分配框架,并分别从工作者模型、任务模型、任务分配算法三个方面对国内外相关研究工作进行了分析、归纳和总结。提出了群智协同任务分配研究中的关键问题与今后的研究趋势。     

面向车路协同的路侧感知仿真系统

路侧感知是车路协同应用开发的重要组成部分,通过在路侧部署传感器,将采集到的路面信息经V2X通信给到车辆,使车辆拥有超视距的感知能力.在实际应用中,为达到最优的路侧感知效果,不同的场景往往需要不同的RSU配置,RSU的选型及安装是一个耗时耗力的过程.交通参与者的识别是路侧感知的核心,基于机器学习的识别算法需要大量的标签数据,而人工打标签被验证是一个效率极其低下的方式.通过构建路侧感知仿真系统可以很好地解决RSU配置及样本数据生成的问题,实验一通过在仿真系统中调整激光雷达的高度和角度,得到极端情况下的车辆遮挡情况,从而为激光雷达的实际安装高度提供参考,实验二在仿真环境中输出带标签的激光雷达点云数据,通过与实际采集的点云数据进行融合对比,验证仿真系统输出的激光雷达点云数据可以作为模型训练的数据补充.     

复杂施工条件下无人碾压机群协同全覆盖路径规划研究

无人碾压是大坝碾压施工领域研究的热点。大坝施工具有坝面面积大、料区多、障碍物多等复杂特点,这给无人碾压机群协同作业带来挑战。研究无人碾压机群高效协同全覆盖路径规划对于保证无人碾压机在大坝复杂施工条件下的碾压质量和进度具有重要意义。本文提出一种无人碾压机群协同全覆盖路径规划的新方法,包括作业面分解、子作业面规划、子作业面连通和机群任务分配等步骤。首先,针对存在障碍物的不规则边界作业面分解问题,采用Boustrophedon算法将其拆分成较少的无障碍物子作业面;其次,提出满足搭接法和错距法碾压施工原理的碾压运动模型（CMM,Compaction Motion Model）来进行子作业面路径规划;再者,将各子作业面连通施工顺序优化问题建模为TSP模型（TSP,Traveling Salesman Problem）,采用混沌理论改进蜻蜓算法的搜索机制,构建混沌蜻蜓算法,以求解较优的子作业面间转场路径;最后,建立无人碾压机群作业时间成本函数,并以最小化时间成本为准则将全覆盖路径分配至各无人碾压机,实现无人碾压机群的高效协同全覆盖路径规划。以心墙堆石坝为例,通过Matlab仿真对比和工程应用,结果表明本文所提出的方法能够实现复杂施工条件下的无人碾压机群的协同全覆盖最优作业路径规划。同时,在碾压质量方面能够满足各料区碾压达标率均高于95%,在碾压效率方面无人碾压机设备利用率均高于97%。本研究为大坝碾压机群无人驾驶协同全覆盖路径规划提供了一种新思路。     

混有CACC车辆和ACC车辆的混合交通流驾驶舒适性

为了探索协同自适应巡航控制(cooperative adaptive cruise control,CACC)车辆对交通系统的潜在影响,分析了CACC车辆市场普及过程中存在的CACC车辆、自适应巡航控制(adaptive cruise control,ACC)车辆与人工驾驶车辆混合交通流驾驶舒适性.应用加州伯克利PATH实车验证的ACC模型和CACC模型进行数值仿真实验,采用国际ISO-2631-1标准评价混合交通流舒适性,并对ACC和CACC期望车间时距进行参数敏感性分析.最后,从交通流稳定性的角度,对舒适性仿真结果进行了讨论.结果表明:随着CACC市场率的增加,舒适性呈现先恶化、再逐渐提升的趋势.较大的ACC车间时距有利于抑制舒适性的恶化程度,CACC车辆对舒适性的提升作用不受其车间时距取值的影响.混合交通流稳定性定性地决定了舒适性的变化趋势,人工车辆安装车车通信设备,有助于舒适性的逐渐提升.     

主从式USV协同定位系统性能分析

为研究以距离为观测量的主从式无人水面航行器(unmanned surface vehicle,USV)协同定位系统在不同运动状态下的定位性能问题,建立一种新的协同坐标系,并在该坐标系中推导主从USV运动模型,以主从USV相对距离为观测量分析主从式USV协同定位系统的可观测性及可观测度.同时,针对不可观测路径,提出通过改变控制输入的方法以达到提高系统可观测度的目的.通过MATLAB仿真实验与水面舰艇实验,结果表明:在不同情况下,通过调整控制输入的方法改变系统的可观测度是有效的;利用所提出的分析方法可以反映协同定位系统的定位性能,验证了所得结论及方法的有效性.     

Cooperative Multi-Agent Reinforcement Learning with Constraint-Reduced DCOP

Cooperative multi-agent reinforcement learning (MARL) is an important topic in the field of artificial intelligence,in which distributed constraint optimization (DCOP) algorithms have been widely used to coordinate the actions of multiple agents.However,dense communication among agents affects the practicability of DCOP algorithms.In this paper,we propose a novel DCOP algorithm dealing with the previous DCOP algorithms' communication problem by reducing constraints.The contributions of this paper are primarily threefold:① It is proved that removing constraints can effectively reduce the communication burden of DCOP algorithms.② An criterion is provided to identify insignificant constraints whose elimination doesn't have a great impact on the performance of the whole system.③ A constraint-reduced DCOP algorithm is proposed by adopting a variant of spectral clustering algorithm to detect and eliminate the insignificant constraints.Our algorithm reduces the communication burdern of the benchmark DCOP algorithm while keeping its overall performance unaffected.The performance of constraint-reduced DCOP algorithm is evaluated on four configurations of cooperative sensor networks.The effectiveness of communication reduction is also verified by comparisons between the constraint-reduced DCOP and the benchmark DCOP.     

A Cluster-Based Virtual Cooperative MIMO Transmission Scheme

基于分簇的虚拟协作MIMO传输策略研究

吕红芳

（上海电机学院 电气学院）

中文摘要：

无线传感器网络应用于环境状态监测时,最关键的问题是在无线通信时保障数据传输的可靠性、降低全网的能量消耗。本文提出了一种基于分簇的虚拟协作MIMO传输策略（CVCM）,该方案根据簇头节点到汇聚节点的距离动态配置最佳的协作节点数目和调制速率,保证每个虚拟MIMO单元和汇聚节点的通信能耗最小,从而降低整个网络的能力消耗。仿真实验结果表明,CVCM有效地降低了网络能耗,延长了网络的生命周期,提高了基站接收数据的有效性。

关键词：分簇;虚拟协作MIMO;动态配置;调制速率

     

基于动态偏好机制的学生群体演化合作研究

社交网络具有随机性和复杂性的特点,针对大学生群体中社交关系的异质性以及动态变化情况,构建博弈模型并设计动态偏好机制用于模拟和促进学生在交互网络中的合作行为。在该机制中,首先构建了加权网络用于描述学生交互网络的异质性;然后通过学生动态的交互关系,模拟学生的社交偏好。仿真结果表明,该机制能够有效促进合作者密度。为了进一步验证该机制在学生群体交互中的有效性,通过线下社交网络收集系统收集学生群体的交互行为信息并构建交互网络,通过数据分析发现学生群体在动态偏好机制下更愿意与其他个体进行交流。研究结果对学生合作行为演化具有参考作用。     

基于Intel VT硬件虚拟化的Rootkit技术

Intel VT硬件虚拟化技术使Rootkit可以利用底层优势实现深度隐藏。首先结合木马协同隐藏的思想,提出了基于Intel VT硬件虚拟化的Rootkit(HVRootkit)的协同隐藏模型,并给出形式化描述;然后根据该模型,在深入分析进程切换过程和操作系统内核数据结构的基础上,设计并实现了HVRootkit原型,该原型能够监控系统进程的切换过程,并通过修改与内核层进程视图和用户层进程视图相关的数据结构,隐藏系统进程。实验表明,HVRootkit原型符合协同隐藏的思想,能够实现对进程的深度隐藏,隐藏性能明显优于传统的内核级Rootkit。     

最近中继协作算法研究

为提升多中继协作通信系统性能,提出一种最近中继协作的传输算法。算法通过选择最近的邻居节点作为中继来辅助传输。通过公式推导,计算出中断概率与小区半径和发送功率直接的关系,仿真结果表明,提出的算法得到的仿真结果更接近Genie-aided算法的理论值下界值,且优于直接传输和分布式协作传输方案。固定小区半径时,当达到一定的中断概率时,发送功率降低了6 dBW。