BIDPS^＊：基本的循环加深周边搜索算法

ＢＩＤＰＳ＾＊是一种把ＩＤＡ算法和ＰＳ法相结合而产生的人工智能搜索算法。该文研究了不考虑启发式计算最小化技术的搜索效率问题，提出了一些新的算法效率的度量，用８数码难题检验了ＢＩＤＰＳ算法并与ＩＤＡ算法进行了比较分析，实验结果表明尽管ＢＩＤＰＳ启发式计算量较大，但较ＩＤＡ算法在效率上还有所提高的。     

共享经验分布式Q-学习模型在RoboCup中的应用

RoboCup仿真比赛平台提供了一个完全分布式控制、实时异步多智能体的环境,从而为多智能体的智能控制和人工智能理论的研究提供了绝佳的实验平台。文中提出了一种基于共享经验策略的分布式Q-学习模型,应用于RoboCup仿真实验中,取得了较好的效果。     

激励学习的最优判据研究

激励学习智能体通过最优策略的学习与规划来求解序贯决策问题,因此如何定义策略的最优判所是激励学习研究的核心问题之一,本文讨论了一系列来自动态规划的最优判据,通过实例检验了各种判据对激励学习的适用性和优缺点,分析了设计各种判据的激励学习算法的必要性。     

基于Q-学习的非线性控制

给出了一种新的激励学习(RL)方法,它能够有效地解决一个状态与动作空间为连续的非线性控制问题.在实际的应用中,离散的RL方法能把许多非线性控制问题分解成几个局部线性控制作业.提供了一种由简单的线性控制器和Q-学习构成的层次性RL算法.连续状态-动作空间被形象地分成为一些格子,并且每个格子都有它自己的局部线性控制器.状态空间的隔离是处理维数问题的一种相当简单的方法,但是经常会引起非Markov效果,而局部线性控制器能弥补这个缺陷.     

基于有效跟踪的平均渐进瞬时差分学习遗忘算法

智能体通过学习最优决策来解决其决策问题.激励学习方法是智能体通过与其所处的环境交互来改进它自身的行为.Markov决策过程(MDP)模型是求解激励学习问题的一般框架,瞬时差分TD(λ)是在MDP模型下与策略相关的学习值函数的一种算法.一般情况下,智能体必须记住其所有的值函数的值,当状态空间非常大时,这种记忆的量是大得惊人的.为了解决这个问题,给出了一种遗忘算法,这种算法把心理学的遗忘准则引入到了激励学习之中.利用遗忘算法,可以解决智能体在大状态空间中的激励学习问题.     

不同还原体系银油墨打印对聚酰亚胺基板化学镀铜制备印制电路板的影响

先在普通打印机上用活化导电银油墨将线路图打印在聚酰亚胺(PI)基板上,固化后再化学镀铜制得印制电路板(PCB)。研究了导电银油墨的还原剂对不同体系镀液化学镀铜层厚度、导电性、结合力和抗氧化性的影响。结果表明,油墨的还原剂相同时,甲醛体系化学镀铜层的综合性能优于乙醛酸镀液。导电银油墨的最佳还原剂为丙酸,即油墨的最佳配方为:丙酸0.5 mol/L,Ag NO3 0.5 mol/L,10%(质量分数)OP乳化剂适量。采用0.5 mol/L丙酸油墨–甲醛镀液体系制得厚度为3.10μm的铜镀层,其抗氧化时间为44 s,电阻率为1.00×10-7?·m,与PI基板间的结合力良好,综合性能最佳。     

基于每阶段平均费用最优的激励学习算法

文中利用求解最优费用函数的方法给出了一种新的激励学习算法，即基于每阶段平均费用最优的激励学习算法。这种学习算法是求解信息不完全Markov决策问题的一种有效激励学习方法，它从求解分阶段最优平均费用函数的方法出发，分析了最优解的存在性，分阶段最优平均费用函数与初始状态的关系以及与之相关的Bellman方程。这种方法的建立，可以使得动态规划（DP）算法中的许多结论直接应用到激励学习的研究中来。     

中国象棋人机对弈的自学习方法研究

机器博弈被认为是人工智能领域最具挑战性的研究方向之一。中国象棋计算机博弈的难度绝不亚于国际象棋,但是涉足学者太少,具有自学习能力的就更少了。介绍了中国象棋人机对弈原理,给出了近年来几类典型的评估函数自学习方法及其原理,通过比较得出了最适合中国象棋使用的学习方法。分析了这些方法尚存在的问题,并提出了未来的研究方向。     

静压预应力混凝土管桩在工程应用中的研究

针对城市锤击送桩噪音控制,使静压桩得到广泛的应用。为此对静压预应力混凝土管桩的应用情况进行研究,采用静载试验+PDA高应变检测,对常用的φ400、φ500静压预应力管桩,在不同地质条件、不同歇后恢复时间、不同施工控制参数下的极限承载力进行试验研究。经统计分析后提出主要土(岩)层桩的极限端阻力和极限侧阻力指标,并根据工程实际情况,提出静压预应力混凝土管桩施工控制参数、质量检测等要求。     

表面解吸常压化学电离质谱法快速鉴别羊肉真伪

采用自行研制的表面解吸常压化学电离源（DAPCI）,在无需样品预处理的条件下,通过DAPCI-MS方法直接获取不同肉类样品（鸭肉、牛肉、猪肉、羊肉、自制假羊肉）的指纹谱图。采用主成分分析（PCA）方法对指纹谱图信息进行数据分析,以区分不同肉类样品。结果表明：鸭肉、牛肉、猪肉、羊肉和自制假羊肉的指纹谱图之间存在差异,采用PCA方法能较好地区分这些肉类样品。本方法无需样品预处理,分析速度快,可实现高通量肉类的快速鉴别,为食品安全中辨别肉类样品提供了一种快速、高效的分析方法。