基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

基于多条件对抗和梯度优化的生成对抗网络

该文针对模式崩溃的问题,从多生成器博弈强迫每个生成器生成不同模式数据的思路出发,提出了一种基于多生成器的生成对抗网络(IMGAN).IMGAN在多个生成器之间采用参数共享的方式来加速训练,同时采用最后一层独立训练的方式来弱化参数同一性所带来的影响;引入一个正则惩罚项使得损失函数可以更好地满足Lipschitz连续,一定...     

宽带噪声水下对抗仿真技术研究

在阵元域及声纳方程上给出宽带阻塞干扰器对鱼雷自导接收机干扰作用的模型，研究了其水声模拟的方法和攻击方、防御方平台及宽带阻塞干扰实现的仿真模型，并给出仿真宽带干扰的发射机控制模型。利用基于以上模型实现的一个半实物仿真实验系统进行宽带阻塞干扰对抗实验，仿真实验结果表明：该方法对仿真宽带阻塞干扰器及鱼雷反对抗等均有良好的仿真效果。最后给出的效能函数可以用于定量地评定宽带阻塞干扰、鱼雷自导性能与半实物仿真实验系统性能。     

基于安全与低能耗的传感云边缘协同优化策略

多传感器传感网数据采集效率低下,且大量数据在传感云处理存在数据泄露风险。基于此,首先设计了一种安全、节能及高效的分布式边缘协同传感网资源选择架构,提出了一种边缘协同分析节点选择(ECANS)方案。通过对用户请求的分析,获取传感网节点的选择策略,以降低传感节点数据采集的时延和能耗。其次,构建了一种最大化隐私熵的边缘协同传感网隐私保护数据卸载模型,并通过智能启发式算法得到隐私熵最大的边缘资源选择策略。实验结果表明,与ENS数据采集方案相比,ECANS方案使节点时延与能耗分别降低了56.71%和57.66%;在边缘资源选择阶段,与GA资源选择方案和PSO资源选择方案相比,最大化隐私熵模型使系统隐私熵分别提高32.07%及15.36%;与不引入no-EC相比,传感网节点时延和能耗平均降低了46.92%与11.26%。     

基于Stackelberg博弈的协作干扰策略

协作干扰策略是实现物理层安全的一种重要方案. 但是由于协作节点的能源有限性以及自私性,干扰服务不能无偿提供,为了使得源节点和协作节点之间取得最优的效益分配,提出了一种基于Stackelberg博弈的能效最优报偿及功率分配方案. 根据所建立的双层博弈模型,证明了系统存在唯一的全局最优能效,并且给出了最优功率分配方案的闭式解. 仿真结果表明,所设计的协作策略在能效方面优于平均功率分配策略,而且所提方案在多节点协作时能取得更优的表现.     

基于神经网络策略的水下机械手轨迹控制

提出了神经滑模控制系统用于水下机器手的轨迹控制.设计的基本组成包括一个自适应神经网络控制器,实现线性化的反馈用于非确定参数的水下机械手;一个滑模控制弥补神精网络的近似误差.证明了闭环系统的稳定和控制目标轨迹跟踪能实现.仿真结果表明了该控制器对于非确定动力参数和水动力的干扰时具有很高的轨迹跟踪能力.     

基于对抗攻击的图像隐写策略搜索

传统的隐写方法依赖于难以构建的复杂的人工规则。基于富特征模型和深度学习的隐写分析方法击败了现有最优的隐写方法,这使得隐写的安全性面临挑战。为此提出了一种基于对抗攻击的图像隐写策略的搜索方法,以寻找合适的隐写策略。隐写模型首先根据已知隐写算法初始化失真代价,然后建立含参的代价调整策略。对手模型区分载体和载密图像的分布,以发现潜在的隐藏行为。针对对手模型,利用定向对抗攻击得到相应的基于梯度符号的评价向量。在隐写模型与对手模型之间建立对抗博弈过程,据此搜索目标隐写策略。隐写模型和对手模型均用深度神经网络模型实现。构建了4种隐写配置并同3种隐写方法进行了实验比较。结果表明,该方法能有效搜索到图像隐写策略,与人工设计的经典方法和最新的隐写方法相比具有竞争力。     

基于博弈理论的供应链效率优化研究

供应商库存管理(VMI)已成为供应链管理的一个热点问题. 利用博弈论作为主要分析工具, 对同一供应链在三种不同库存激励合同下的效率进行了比较分析. 结果表明, 在实际中最常见的成本加利润的供货合同是次优的, 导致了整个供应链的效率损失. 简单的收入分成合同, 虽然能在一定程度上提高整个供应链的效率, 但仍然不是最优的. 二元收入分成激励合同则可以使整个供应链的效率达到最高.     

基于定价权的目标企业博弈定价策略

正确的定价策略是取得并购成功的关键．运用博弈理论研究非对称信息条件下并购双方的谈判思路及定价策略，就定价权属于目标企业及并购企业2种情况，分别推导出贝叶斯纳什均衡下的最优判断和策略组合；在此基础上，分析了定价权对并购双方收益的影响．研究发现，并不是定价权掌握在哪一方的手中，该方就将获得更好的收益，收益的情况还要受并购双方资源潜在的协同效应大小、谈判折算系数等因素影响，定价权的转移将直接影响并购双方的收益．     

基于梯度通道和优化透射率的水下图像复原

由于水对光的吸收和散射作用,水下图像通常存在颜色失真、对比度低等问题。为了恢复图像的颜色和清晰度,本文提出一种基于梯度通道和优化透射率的水下图像复原算法。首先根据图像背景区域的纹理特征和颜色特征,使用梯度通道结合红通道估计背景光,然后依据信息损失最小和对比度最大的优化原则估计红通道透射率图,再利用水体固有的光学特性,计算蓝、绿通道的透射率图,最后通过逆求解成像模型复原水下图像。实验结果表明,与现有算法相比,所提算法在恢复图像对比度和真实颜色上有一定优势。     

基于生成式对抗网络和多级小波包卷积网络的水下图像增强算法

为了解决水下图像的雾模糊和偏色问题,针对水下图像成像模型提出基于生成式对抗网络（GAN）和改进卷积神经网络（CNN）的水下图像增强算法. 利用生成式对抗网络合成水下图像,以对配对式水下图像数据集进行有效扩充. 利用多级小波变换,以不丢失特征分辨率的方式对水下图像进行多尺度分解,然后结合卷积神经网络利用紧凑式学习方式对多尺度图像进行特征提取,并利用跳跃连接以防止梯度弥散,克服水下图像的雾模糊效应. 利用风格代价函数学习彩色图像各通道间的相关性,提高模型的色彩校正能力,克服水下图像色彩失真的问题. 实验结果表明,相较对比算法,在主观视觉和客观指标上,本研究所提算法拥有更优秀的综合性能及鲁棒性.     

基于有限元的某转向节多学科协同优化

针对某型在研车辆在可靠性冲击路试中转向节断裂问题为研究对象,建立了动力学分析模型提取极限工况下的载荷,同时针对断裂的转向节建立有限元分析模型,基于有限元模型和提取的载荷情况,分析其可靠性试验中经常遇到的制动、转向、垂直冲击工况下的结构强度,得到试验车辆开裂问题的原因,并提出结构优化措施,通过理论分析和试验验证,明显提高了地板开裂处的强度,有效解决了量产车型断裂的风险,具有一定的指导意义。     

基于分层规划思想的无人机协同优化

无人机自身具有的航空特性和可以进行大面积巡查的特点,使得其在洪水、旱情、地震等自然灾害实时监测方面具备特别优势.在完成灾情巡查、生命迹象探测、通信中继和对地数据传输等协同任务时,需要对无人机进行任务分配与航迹规划.对于无人机巡查重点区域任务规划问题,基于分层规划思想建立了多旅行商数学模型,并使用遗传算法进行求解.首先分配重点区域之间的无人机任务,其次再规划重点区域内部无人机的路线,最后根据无人机的限制条件,在既定路线上进一步优化无人机路线.     

基于生成对抗网络的对抗防御系统

针对不断更新的对抗攻击,提出一个基于生成对抗网络的防御系统.系统利用生成对抗网络不断生成新的对抗样本,反复训练模型以增强其鲁棒性.具体过程为将预先训练的卷积神经网络和外部GAN(conditional GAN:Pix2Pix)相结合,自动流水线式地推断对抗样本和干净样本之间的转换关系,并合成新的对抗样本.根据分辨得到的...     

多卫星协同飞行队形重构的整体优化策略

文章以整体燃料消耗少、时间短以及燃料消耗均衡为优化准则,研究多卫星协同飞行队形重构的整体优化问题。采用基于遗传算法的双脉冲路径优化策略,以燃料消耗最省和时间最短为优化指标,实现成员星的路径优化,采用0-1整数规划技术以整体性能指标最优,进行多卫星的整体队形重构规划和部署。分别以时间最短及燃料消耗最少为优化指标,兼顾燃料消耗均衡给出了2组仿真算例,对多星协同队形重构整体优化策略的有效性进行了比较分析,结果表明,从整体分配角度对多星路径进行规划,可进一步对整体性能进行优化。     

基于相关度的同步协同设计冲突消解策略

为解决同步协同设计技术所面临的设计资源冲突,提出了一种基于相关度的标准满意度冲突消解策略.在分析设计决策冲突产生原因的基础上,以学科领域相关度为依据,针对同步协同过程中的设计权限,应用标准满意度的评价方法,建立了冲突消解策略模型,来提高协同设计的效率和实时性.在多学科领域协同设计过程中得到了应用,并分析了该冲突消解策略的优越性.     

基于EMA的电动汽车协同调度策略研究

针对大规模电动汽车接入电网无序充电的问题,本文以充电站收益和电动汽车用户收益最大为主要目标,以电动汽车充放电功率和电池电量不超过允许范围为约束条件,建立了电动汽车调度模型,采用演化膜优化算法对模型进行求解,同时以某市历史电网负荷参数为例进行分析。算例分析表明,通过充电站和电动汽车用户协同调度,电动汽车充放电可使充电站和电动汽车用户同时获取最大收益。若按算例中汽车日行驶规律计,使用电动汽车的用户每日可获益约29元,且电动汽车数量的增大有利于电网负荷峰谷差的减小。该研究对大规模电动汽车入网的协同调度策略具有一定参考价值。     

风光发电与新能源汽车协同优化调度策略

针对新能源汽车无序充电给电力系统带来的负荷压力等问题,提出了一种新能源汽车与风光发电协同优化调度策略。首先,建立了新能源汽车动力电池模型,并提出了基于蒙特卡洛模拟法的充电负荷计算方法。其次,基于风光发电原理建立了风力发电和光伏发电的数学模型。最后,以最小化电网等效负荷标准差为目标,利用有效集算法求解了二次规划问题,得到了新能源汽车的最优充放电调度策略。仿真结果表明：本文所提出的协同优化调度策略能够有效降低大规模新能源汽车无序充电加剧的电网负荷峰谷差。     

基于参数化的水下航行器外形稳健性优化

为提高设计方案的稳健性和设计效率,本文将参数化设计和稳健性引入到某型水下航行器外形设计中。在设计了水下航行器阻力参数化分析流程的基础上,采用最优拉丁超立方法选取样本点进行阻力计算,利用响应面模型对样本点进行拟合,得到精度满足工程需要的艇体阻力近似模型。建立了水下航行器外形多目标优化模型,采用NSGA-Ⅲ多目标优化算法进行确定性多目标优化求解。在考虑了外形设计过程中典型制造误差的基础上,开展外形稳健性优化求解。结果表明:稳健性优化与确定性优化相比,艇体阻力上升了12.34%,总包络体体积增加了51.98%,提高了水下航行器的稳健性。     

基于随机博弈模型的网络攻防策略选取

针对网络攻防过程中无法有效应对攻击意图与策略变化的问题,提出一种基于随机博弈模型的网络安全攻防策略选取方法.将网络安全攻防理解为二人随机博弈问题,以主机脆弱性信息为基础,结合主机重要度与防御措施成功率,生成单一安全属性攻防收益值,根据攻防意图对整体攻防收益进行量化.在此基础上,给出攻防均衡策略选取算法.实例分析表明,所研究的模型与算法在攻防策略选取方面合理、可行.