基于Q-learning的不确定环境BDI Agent最优策略规划研究

BDI模型能够很好地解决在特定环境下的Agent的推理和决策问题,但在动态和不确定环境下缺少决策和学习的能力。强化学习解决了Agent在未知环境下的决策问题,却缺少BDI模型中的规则描述和逻辑推理。针对BDI在未知和动态环境下的策略规划问题,提出基于强化学习Q-learning算法来实现BDI Agent学习和规划的方法,并针对BDI的实现模型ASL的决策机制做出了改进,最后在ASL的仿真平台Jason上建立了迷宫的仿真,仿真实验表明,在加入Q-learning学习机制后的新的ASL系统中,Agent在不确定环境下依然可以完成任务。     

一种军棋机器博弈的多棋子协同博弈方法

针对在军棋博弈不完全信息对弈中，面对棋子不同价值、不同位置、不同搭配所产生的不同棋力，传统的单子意图搜索算法，不能满足棋子之间的协同性与沟通性，同时也缺乏对敌方的引诱与欺骗等高级对抗能力。本文提出一种结合UCT搜索策略的高价值棋子博弈方法，实现高价值棋子协同博弈的策略。实战经验表明:高价值多棋子军棋协同博弈策略优于单棋子军棋博弈策略。     

YOLOv2在煤岩智能识别与定位中的应用研究

综采工作面煤层走向复杂，采用“一刀切”的开采方法会加速滚轮截齿的磨损，同时开采效率也大幅降低，对煤岩的精准识别是解决此类问题、实现智能开采的关键。将基于回归方程的深度学习目标检测算法YOLOv2与线性成像模型相结合并通过该算法对井下采集煤岩图像进行了智能识别与定位，同时与Faster R-CNN，SSD对煤岩图像的识别结果进行了对比。结果显示YOLOv2对煤岩的识别精度达到了78%，检测速度达到了63 frame/s，与Faster R-CNN，SSD相比精度高出7.7%，4.7%，而检测速度高出763%，40%；在矿井测量坐标系中YOLOv2标定的煤层边界框角点的计算坐标与实测坐标相比相对误差在3.0%～4.5%之间，相对误差较小，不会对采煤效率产生影响。研究结果表明，YOLOv2可以对煤岩进行准确快速的识别。     

贯彻实施新《义务教育法》 全面规范油田矿区办学行为

新修订的《中华人民共和国义务教育法》的施行,是我国义务教育发展史上的一个里程碑和转折点,具有划时代意义。油田矿区的基础教育发展,要在贯彻实施新《义务教育法》时,引导广大教职工全面理解其重要意义和深刻内涵,积极推进素质教育,促进区域内义务教育均衡发展,做到有法必学,有法必依,有法必施,不断增强教职工的紧迫感、责任感和使命感,为党和国家的教育事业作出贡献。     

创新职工培训思路 开展星级工评聘

辽阳石油化纤公司(简称辽化公司)为调动生产一线和检维修系统职工学习技术业务的积极性,加快提高操作和服务人员的技能素质,在所属的检修分公司、运输分公司和化工厂等三个单位试点推行星级工评聘工作,收到显著成效。一、星级工评定等级及标准辽化公司星级工评定分为四个等级,最高级为四星级。公司范围内的所有工种岗位均可参加一、二星级评定,三、四星级评定则有范围要求:操作工限于公司主要装置或技术含量较高的工种和岗位;维修工限于公司主要单位的“十大工种”,即钳工、仪表工、电工、焊工、管工、铆工、起重工、车工、无损探伤工、汽车…     

学习哪种设计技能？

读者们在论坛中的留言表明有许多人对高等教育中设计软件技能的教授方式颇为不满。但这是否是大学的过失呢？[编者按]     

男人成长

人的成长就像是一次奇妙的旅行,从剪断脐带的那一刻起便踏上了行程。在嗷嗷待哺、人见人爱的婴儿时期,每个孩子都享受着可能是今生最优厚的待遇,一切错误都是可爱的,每一个表情都是迷人的,就连最细微的喘息抑或嚎啕大哭都那么悦耳动听。他是王子,她是公主,整个家庭为此忙乱而幸福漫溢。     

浅谈如何有效学习计算机软件知识

计算机软件知识的学习并不是完全线性的，而是不断循环往复、迭代的过程。本对如何深入、广泛、有效地学习计算机软件知识做出了一些探讨。     

协作学习模式在计算机实验教学中的探索

通过建立计算机开放性实验室,设计各种开放实验,并结合协作学习的模式,为学生创造一个良好的学习与实践环境,以提高学生计算机方面的动手能力及与人协作的能力。阐述了协作学习模式在开放实验中的操作方式,协作学习网络平台的建设,并提出了几种开放实验室的建设及管理方法。     

微机控制系统的实时多任务调度

本文概述了微机实时控制中多任务调度的基本概念及一般用法，并介绍了一种实用的多任务调度方法。