一种基于移动代理的自主拍卖模型

Agent的自治性和移动性为网络环境下的电子商务活动提供了许多潜在优点.拍卖是一种典型的商务活动,基于Agent的自主拍卖是传统拍卖方式的一个发展趋势,具有广泛应用前景.重点研究了建立自主拍卖系统所涉及的主要问题,包括拍卖大厅建模、拍卖大厅查询、交易对象定位、拍卖过程同步和出价策略等.基于移动Agent和博奕理论,提出了一种自主拍卖模型.该模型支持一次价格密封标价拍卖和双边拍卖两种拍卖机制.模型中的Agent接受拍卖任务后能够自动搜寻拍卖大厅、自主参与拍卖过程并向其所有者返回拍卖结果.     

一种去除二值文本图像边缘噪声的新方法

提出了一种去除二值文本图像边缘噪声的新厅法。该方法包括3个步骤：边缘噪声预处理，边缘噪声检测和边缘噪声去除。将该方法和其它方法作了比较。实验结果表明，该新方法可以更有效地去除边缘噪声，并在实际的文本图像处理系统中取得了较理想的效果。     

基于注意力模型的混合学习算法

为了解决传统BP(back-propagation)算法收敛速度慢,训练得到的网络性能较差的问题,在借鉴生理学中"选择性注意力模型"的基础上,将遗传算法与误差放大的BP学习算法进行了有机的融合,提出了基于注意力模型的快速混合学习算法.该算法的核心在于将单独的BP训练过程划分为许多小的切片,并对每个切片进行误差放大的训练和竞争淘汰机制的选择.通过发现收敛速率较快的个体和过滤陷入局部极值的个体,来保证网络训练的成功率和实现快速向全局最优区域逼近的目的.仿真结果表明,该算法有效地解决了传统BP算法中由于初始权值的随机性造成的训练失败问题,并能有效解决饱和区域引起的后期训练缓慢问题,在不增加网络隐层节点数的情况下,显著地提高了网络的收敛精度和泛化能力.这将使神经网络在众多实际的分类问题上具有更广泛的应用前景.     

纳米SiO2改性聚合物水泥基复合材料早期微观结构及性能

利用纳米SiO₂(nano SiO₂)早期可促进聚合物水泥基复合材料水化速率、提升其力学性能、改善其界面过渡区(ITZ)性能及优化其孔隙结构等特点,借助XRD、SEM、EDS、显微硬度(MH)及压汞(MIP)等试验,揭示了nano SiO₂对聚合物水泥基复合材料早期性能影响的微观机制。结果表明:当nano SiO₂掺量为2wt%时,聚合物水泥基复合材料的力学性能最优,3 d和7 d龄期抗压强度分别为57.5 MPa和67.3 MPa,较仅仅掺加聚合物的水泥基复合材料分别提高了12.7%和13.9%;nano SiO₂的掺入改变了聚合物水泥基复合材料水化产物数量及微观形貌。对于ITZ性能,nano SiO₂掺入后,聚合物水泥硬化浆体-骨料的ITZ厚度减小,形貌变得更加致密;ITZ的钙硅比因nano SiO₂的加入变小而其显微硬度变大;此外,nano SiO₂加入后可以进一步填充聚合物水泥基复合材料更加细小的孔隙,使其凝胶孔比例变高,最可几孔径变小,大大优化了聚合物水泥基复合材料的孔隙结构。      

聪明的团队一定成功吗

在处处强调团队力量的今天，我们发现，一个优秀团队绝对不仅仅是几名“最聪明的人”的简单集合。一个优秀的团队是能够产生协同作用、优势互补成员的合理组合。     

铝包覆型碳纤维复合芯导线在高压输电线路中的应用分析

铝包覆型碳纤维复合芯导线具有弧垂小、载流量大、线损低、耐弯折及易压接等优点,在旧线路增容改造、新建线路及新能源送出线路等工程中具有广阔应用前景。分别对220 kV增容线路、500 kV新建线路及220 kV新能源送出线路3种应用场景进行技术经济分析,论证铝包覆型碳纤维复合芯导线在高压输电线路中应用的可行性及优越性。     

基于多目标人工蜂鸟算法的电-氢混合储能系统最优配置

将氢气储能系统与电池储能系统相互结合,可实现长期且快速的能量吞吐并减小分布式电源渗透率提高对配电网稳定性的影响。综合考虑电-氢混和储能系统接入配电网的经济性和技术性要求,以最小化系统全生命周期成本、配电网的电压波动和净负荷波动为目标,建立了电-氢混和储能系统多目标优化配置模型。采用基于Pareto的多目标人工蜂鸟算法求解其规划方案,并与多目标粒子群算法以及多目标原子轨道搜索进行了对比。最后,基于扩展的IEEE-69节点标准测试系统进行求解。仿真结果表明：多目标人工蜂鸟算法能够获得解集质量更加优异的Pareto前沿。所得混合储能系统配置方案在兼顾经济效益的同时,改善了配电网的电压质量和负荷水平。与仅配置电池储能系统相比,电-氢混合储能系统对配电网净负荷波动与电压波动的改善分别提高了21.02%与16.66%,证明了本文所提优化配置方法的有效性和卓越性。     

多智能体系统协同控制与优化专刊序言

<正>0引言近年来,随着机器人技术、人工智能技术、无线通信和计算机技术的快速发展,控制系统的规模变得更大,控制任务也变得更加复杂,由此推动了多智能体系统的形成和发展.多智能体系统是由多个具有简单功能的智能体相互关联形成的网络系统,其中每个智能体具备一定的计算、通信、感知、学习和执行能力.这些智能体之间可通过信息交互协同合作完成特定的任务,也可协调解决智能体之间的矛盾和冲突.