基于代理模型的固体动力杀伤器气动外形优化研究

分析了固体动力杀伤器的气动外形设计参数。通过进化神经网络构建气动外形参数与气动特性之间的代理模型，然后确定了气动外形优化方法，并完成了算例验证。结果表明：通过代理模型开展固体动力杀伤器气动外形优化是可行的，能够大大缩短杀伤器气动外形优化周期。     

电竞视野

着重反作弊和性能优化《绝地求生》2020年工作规划公布近日,《绝地求生》官方公布了2020年工作规划。此次工作规划的重点主要集中在“未授权程序应对方案”和“性能与稳定性优化”这两个方面。未授权程序应对方案包括强化事前防范、引入两次安全验证系统、优化游戏内容中容易被黑客利用的代码、将强检测和制裁、扩大检测范围、自动化分析、加强硬件封禁、提高制裁等级。事前防范指的是在玩家使用未授权程序之前,直接让该程序无法运行的应对方式。     

差分准对立学习多目标蚁狮算法

为解决多目标优化问题，对经典的蚁狮算法进行改进，提出了基于差分进化的准对立学习多目标蚁狮算法（DEQOMALO）。该算法针对蚁狮算法易陷入局部最优的不足，一方面，该算法引用差分进化的思想，充分利用种群和精英蚁狮的信息对原算法中蚂蚁个体的位置更新方式进行改进；另一方面采用反向学习策略对蚂蚁种群进行优化，将原种群个体和其准对立个体进行混合并择优作为新的种群，大大增加种群的多样性。选取典型的标准测试函数，将提出的算法与原始蚁狮算法以及其他传统进化策略优化的蚁狮算法进行比较。实验结果表明，改进算法在收敛性和分布性上均有很大程度的提升，在解决双目标优化问题上具有较好的鲁棒性和有效性。     

结合边缘特征先验引导的深度卷积显著性检测

针对当前基于深度学习的显著性检测算法缺少利用先验特征和边缘信息，且在复杂场景中难以检测出鲁棒性强的显著性区域的问题，提出了一种结合边缘特征，利用先验信息引导的全卷积神经网络显著性检测算法。该算法利用三种被经常用到的先验知识结合边缘信息形成先验图，通过注意力机制将提取的先验特征与深度特征有效融合，最终通过提出的循环卷积反馈优化策略迭代地学习改进显著性区域，从而产生更可靠的最终显著图预测。经过实验定性定量分析，对比证明了算法的可靠性。     

基于传统清管球接收器的滤杂防堵工艺设计

清管球回收操作过程中,清管球接收器的泄压、排液和惰化导致泥、砂、垢等杂质积聚在清管球接收器中,并随油气物流进入闭排系统管线,造成杂质流失、闭排系统管线堵塞和压力无法完全释放,影响对海底油气管道腐蚀、析蜡、结垢及地层出砂等情况的判断,存在很大的安全隐患。通过对清管球接收器实施工艺改造,使清管球接收器具备滤杂防堵功能和自动取样功能,有效解决了闭排管线堵塞、杂质流失和安全隐患问题。该工艺研究对于海上油气田海底管线的运营和维护具有较高的借鉴意义。