基于奖励引导的六足机器人自主步态学习

为提高机器人自主学习能力,提出一种基于奖励引导的机器人自主步态学习算法.首先给出自主设计的机械式步态同步六足机器人的机械结构,其独特的多层钢堆叠腿部设计方案和特有的机械同步传动方案为机器人后续步态学习研究奠定良好基础;接下来提出一种基于奖励引导的机器人步态学习算法,该算法可以让机器人在未知环境中进行技能学习;最后,在MATLAB和ADAMS联合仿真平台上进行算法验证实验,实验结果显示以速度和高度分别为主评价指标会呈现出2种合理的收敛结果,且在该算法下六足机器人可以自主学习到翻越木块的高难度技能.     

可编程网络流量公平调度研究综述

网络数据包调度是一个经典的多维决策问题,其核心在于网络设备中如何实时地做出数据包入队和出队的合理决策。在该领域中,流量公平调度是一个备受关注的重要课题。为了保障网络服务等级、缓解链路拥塞以及有效应对网络攻击,快速、公平且通用的调度算法显得至关重要。传统的数据包调度算法实现了公平的带宽分配和流量隔离,但随着软件定义网络(SDN)和可编程网络的出现和发展,灵活且可重构的网络编程方式催生了许多国内外学者提出创新性和实用性的公平调度方案。本文围绕流量公平调度问题,系统地总结了实现公平调度的6种技术路线,并展望了未来的研究方向。