基于计算机图形和多孔介质的树冠孔隙率反演

树冠孔隙率(GF)决定了光和气流穿过树冠与植被元素相互作用进行光合作用和蒸腾的传输情况,在多孔介质理论启发下,受计算机图形学的启发,将树冠中的植被元素定量为固体矩阵,将树冠中的缝隙作为孔隙来指导GF计算。通过从地面激光扫描数据中提取单个叶片,并采用拟合算法去除噪声和描绘叶片边缘,创新地定义了叶片卷曲和下垂程度的等效厚度,并从拟合点中计算出来。然后,用自适应尺寸分配的六边形棱镜包住每片叶子的扫描点,用圆柱体模型拟合每个枝干,以计算树冠的等效叶子和枝干体积。结果显示,分割的叶片数为紫薇(1193片)、樱花(2540片)以及含笑(379片),估计的GF分别为：紫薇0.990,樱花树0.976,含笑0.978。     

Almost sure stability of stochastic neutral Cohen–Grossberg neural networks with Lévy noise and time-varying delays

The almost sure stability for the stochastic neutral Cohen–Grossberg neural networks (SNCGNNs) with Lévy noise, time-varying delays, and Markovian switching would be deliberated in this article. By means of the nonnegative semimartingale convergence theorem (NSCT), the neutral Itô formula, M-matrix method, and selecting appropriate Lyapunov function, several almost sure stability criterions for the SNCGNNs could be derived. Moreover, according to the M-matrix theory, the upper bounds of the coefficients at any mode are given. Finally, two examples and numerical simulations verify the correctness of theoretical analysis for the stability criterions proposed in the article.     

基于无干扰理论的虚拟机可信启动研究

云计算作为一种新型高价值计算系统,目前被广泛应用于各行业领域;等保2.0中也提出了对其应用主动免疫可信计算技术进行动态可信验证的要求.云计算模式下,虚拟机作为用户使用云服务的直接载体,其可信启动是虚拟机运行环境可信的基础.但由于虚拟机以进程的形式运行在物理节点上,其启动过程呈现出高动态性,且多虚拟机域间存在非预期干扰等特点;而现有的虚拟机可信启动方案存在虚拟机启动过程的动态防护性不足、缺乏多虚拟域间非预期干扰性排除等问题.针对上述问题,提出一种基于无干扰理论的虚拟机可信启动研究方案.首先,基于无干扰理论,提出了虚拟机进程的运行时可信定理;进一步地,给出了虚拟机可信启动的定义并证明了虚拟机可信启动判定定理.其次,依据虚拟机可信启动判定定理,基于系统调用设计监测控制逻辑,对虚拟机启动过程进行主动动态度量与主动控制.实验结果表明所提方案能够有效排除复杂云环境下多虚拟机间非预期干扰,保证虚拟机启动过程的动态可信性,且性能开销较小.     

基于博弈论的多服务器多用户视频分析任务卸载算法

在过去的近10年中,人工智能相关的服务和应用大规模出现,它们要求高算力、高带宽和低时延.边缘计算目前被认为是这些应用最适合的计算模式,尤其是视频分析相关应用.研究多服务器多用户异构视频分析任务卸载问题,其中用户选择合适的边缘服务器,并将他们的原始视频数据上传至服务器进行视频分析.为了有效处理众多用户对有限网络资源的竞争和共享,并且能够获得稳定的网络资源分配局面,即每个用户不会单方面地改变自己的任务卸载决策,该多服务器多用户异构视频分析任务卸载问题被建模为一个多玩家的博弈问题.基于最小化整体时延的优化目标,先后研究非分布式视频分析场景和分布式视频分析场景两种情形,分别提出基于博弈论的潜在最优服务器选择算法和视频单元分配算法.通过严格的数学证明,两种情形下提出的算法均可以达到纳什均衡,同时保证较低的整体时延.最后,基于真实数据集的大量实验表明,所提方法比其他现有算法降低了平均26.3%的整体时延.     

基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略

无人机搭载深度神经网络进行自主电力巡检时由于受到设备本身计算能力、电池容量、深度神经网络计算负载的限制,无法独立处理巡检任务中产生的海量图像数据。为解决该问题,提出了一种基于改进混合粒子群算法和匹配理论的无人机电力巡检卸载策略,该策略将系统成本最小化问题分解为深度神经网络计算任务协同分割和边缘服务器选择两个子问题。针对协同分割子问题,基于深度神经网络计算任务的执行流程提出了一种错时传输方法,通过改进混合粒子群算法求解多无人机任务协同分割层。针对边缘服务器选择子问题,定义无人机与边缘服务器各自偏好函数,根据偏好函数通过匹配理论建立两者间的稳定匹配,得到边缘服务器选择策略。仿真结果表明,与其他卸载策略相比,所提策略能有效降低无人机能耗和计算任务处理时延,促进边缘服务器负载均衡。     

从计算到人类知识：ChatGPT与智能演化

深入探讨了智能的演化过程和ChatGPT的实现效果,以及人工智能通用性提高和长期发展方向。从自然界中智能的诞生过程开始,介绍了人工智能的发展历程和现状,分析了ChatGPT作为一种具有强大泛化能力的深度神经网络模型在人工智能领域中的重要意义。还探讨了人工智能通用性提高对世界的潜在影响,介绍了一些新兴应用领域。通过阅读本文,读者可以更好地理解人工智能技术的发展趋势和未来方向。     

基于MADDPG和智能合约的微电网交易决策优化

为解决微电网在传统集中化交易模式下面临的决策耗时长、信任成本高和隐私安全等问题,提出了基于多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法与智能合约的微电网去中心化市场交易体系。首先,对微电网市场中多智能体进行划分后设计了适用于各主体参与分布式交易的微电网去中心化交易机制,以保障市场主体利益。其次,为实现交易确认阶段微电网市场主体的交易策略优化,采用MADDPG算法对各主体追求利益最大的竞价模型进行求解。最后,通过算例仿真验证了MADDPG算法在智能合约下微电网市场主体交易策略优化过程中的可行性和经济性。     

考虑连锁故障的覆冰灾害下输电线路脆弱性分析模型北大核心CSCD

虽然电网鲁棒性日益增强,但部分输电线路经过区域极易遭受覆冰灾害,导致该地区发生一次故障的概率大幅增加,而一次故障将会导致电网发生二次连锁故障。针对此问题,文中首先通过蒙特卡洛法判断覆冰灾害引发的输电线路一次故障脆弱性,然后通过自组织临界理论判断由一次故障引发的输电线路二次连锁故障脆弱性,从而建立综合考虑覆冰灾害和电网物理特性的输电线路脆弱性分析模型,以潜在事故链的形式展现了电网覆冰灾害下的故障演化进程,为运维人员甄别覆冰灾害下区域电网的输电线路薄弱环节提供重要决策依据。最后通过对IEEE-39节点电力系统实例进行仿真与分析,验证了所提出模型的可行性。     

基于改进三角模糊VIKOR法的用户储能系统配置方案综合评估

针对不确定环境下用户储能系统配置方案评估决策,提出一种基于改进三角模糊多准则妥协解排序(VIKOR)法的评估模型。首先,运用扎根理论构建评估指标集,并采用灰色关联-粗糙集方法进行指标筛选,形成评估指标体系。然后,采用主、客观相结合的方法计算指标组合权重,以提高其准确性,其中主观权重由模糊层次分析(FAHP)法求得,客观赋权法由改进标准间重要性相关性(CRITIC)法求得。最后,考虑指标之间的冲突性与模糊性,运用改进三角模糊VIKOR法对配置方案评估与排序比选。通过仿真分析,验证了本文所建模型的有效性和可行性。     

含MMC的交直流输电系统短路电流统一求解方法

针对含模块化多电平换流器(MMC)的交直流输电系统短路电流水平校核问题,在考虑MMC的运行方式和控制系统的基础上,建立了MMC交流侧故障模型。在对比分析了同步机电源和MMC输出短路电流的机理后,通过近似求解并网点(PCC)处电压将MMC交流侧故障模型简化为电流源模型以实现PCC处电压和MMC输出电流之间的解耦。对支路进行合理编号并筛选出电源支路和待求短路电流所在无源支路,基于电网络理论将联络节点构成的无源网络用混合参数表征,经推导得到了含MMC的电网短路电流计算的统一求解方法。不同工况下的仿真结果表明,通过建立各控制策略下的MMC交流侧故障模型,所提算法能准确统一求解不同MMC交流侧故障下的短路电流,可用于含MMC的交直流输电系统的设备选型和保护系统设计。