当期目录

2022年 第42卷 第8期 刊出日期：2022-08-10

上一期  

人工智能

基于节点-属性二部图的网络表示学习模型

周乐, 代婷婷, 李淳, 谢军, 楚博策, 李峰, 张君毅, 刘峤

2022, 42(8):  2311-2318.  DOI: 10.11772/j.issn.1001-9081.2021060972

摘要 ( )   HTML ( )   PDF (843KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在图结构数据上开展推理计算是一项重大的任务，该任务的主要挑战是如何表示图结构知识使机器可以快速理解并利用图数据。对比现有表示学习模型发现，基于随机游走方法的表示学习模型容易忽略属性对节点关联关系的特殊作用，因此提出一种基于节点邻接关系与属性关联关系的混合随机游走方法。首先通过邻接节点间的共同属性分布计算属性权重，并获取节点到每个属性的采样概率；然后分别从邻接节点与含有共有属性的非邻接节点中提取网络信息；最后构建基于节点-属性二部图的网络表示学习模型，并通过上述采样序列学习得到节点向量表达。在Flickr、BlogCatalog、Cora公开数据集上，用所提模型得到的节点向量表达进行节点分类的Micro-F1平均准确率为89.38%，比GraphRNA（Graph Recurrent Networks with Attributed random walks）高出了2.02个百分点，比经典工作DeepWalk高出了21.12个百分点；同时，对比不同随机游走方法发现，提高对节点关联有促进作用的属性的采样概率可以增加采样序列所含信息。

基于图像翻转变换的对抗样本生成方法

杨博, 张恒巍, 李哲铭, 徐开勇

2022, 42(8):  2319-2325.  DOI: 10.11772/j.issn.1001-9081.2021060993

摘要 ( )   HTML ( )   PDF (1609KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

面对对抗样本的攻击，深度神经网络是脆弱的。对抗样本是在原始输入图像上添加人眼几乎不可见的噪声生成的，从而使深度神经网络误分类并带来安全威胁。因此在深度神经网络部署前，对抗性攻击是评估模型鲁棒性的重要方法。然而，在黑盒情况下，对抗样本的攻击成功率还有待提高，即对抗样本的可迁移性有待提升。针对上述情况，提出基于图像翻转变换的对抗样本生成方法——FT-MI-FGSM（Flipping Transformation Momentum Iterative Fast Gradient Sign Method）。首先，从数据增强的角度出发，在对抗样本生成过程的每次迭代中，对原始输入图像随机翻转变换；然后，计算变换后图像的梯度；最后，根据梯度生成对抗样本以减轻对抗样本生成过程中的过拟合，并提升对抗样本的可迁移性。此外，通过使用攻击集成模型的方法，进一步提高对抗样本的可迁移性。在ImageNet数据集上验证了所提方法的有效性。相较于I-FGSM（Iterative Fast Gradient Sign Method）和MI-FGSM（Momentum I-FGSM），在攻击集成模型设置下，FT-MI-FGSM在对抗训练网络上的平均黑盒攻击成功率分别提升了26.0和8.4个百分点。

基于多模态信息融合的时间序列预测模型

吴明晖, 张广洁, 金苍宏

2022, 42(8):  2326-2332.  DOI: 10.11772/j.issn.1001-9081.2021061053

摘要 ( )   HTML ( )   PDF (658KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对传统单因子模型无法充分利用时间序列相关信息，以及这些模型对时间序列预测准确性和可靠性较差的问题，提出一种基于多模态信息融合的时间序列预测模型——Skip-Fusion对多模态数据中的文本数据和数值数据进行融合。首先利用BERT（Bidirectional Encoder Representations from Transformers）预训练模型和独热编码对不同类别的文本数据进行编码表示；再使用基于全局注意力机制的预训练模型获得多文本特征融合的单一向量表示；然后将得到的单一向量表示与数值数据按时间顺序对齐；最后通过时间卷积网络（TCN）模型实现文本和数值特征的融合，并通过跳跃连接完成多模态数据的浅层和深层特征的再次融合。在股票价格序列的数据集上进行实验，Skip-Fusion模型的均方根误差（RMSE）和日收益（R）分别为0.492和0.930，均优于现有的单模态模型和多模态融合模型的结果，同时在可决系数（R-Squared）上取得了0.955的拟合优度。实验结果表明，Skip-Fusion模型能够有效进行多模态信息融合并具有较高的预测准确性和可靠性。

基于优化变分模态分解和核极限学习机的集装箱吞吐量预测

张丰婷, 杨菊花, 任金荟, 金坤

2022, 42(8):  2333-2342.  DOI: 10.11772/j.issn.1001-9081.2021050816

摘要 ( )   HTML ( )   PDF (1097KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对港口集装箱吞吐量数据的复杂性特征，提出基于优化变分模态分解（OVMD）和核极限学习机（KELM）的集装箱吞吐量短期混合预测模型。首先，用汉佩尔辨识法（HI）剔除原始时间序列中的异常值，并把预处理之后的序列通过OVMD分解为多个特征明显的子模态。然后，为提高预测效率，将分解后的子模态按照样本熵（SE）值的大小分成高频低幅、中频中幅和低频高幅三类；同时，借助KELM中携带的小波、高斯和线性核函数捕捉具有不同特征子模态的趋势。最后，把所有子模态的预测结果线性相加得到最终的预测结果。以深圳港的月度集装箱吞吐量数据为样本进行实验，所提模型的平均绝对误差（MAE）达到0.914?9，平均绝对百分比误差（MAPE）达到0.199%，均方根误差（RMSE）达到7.886?0，决定系数（R²）为0.994?4。与四种对比模型相比，所提出的模型在预测精度和效率上都具有一定的优势，同时克服了传统互补集成经验模态分解（CEEMD）和集成经验模态分解（EEMD）中容易出现的模态混叠问题以及极限学习机（ELM）中存在过拟合等问题，具有一定的实际应用潜力。

基于多尺度卷积和注意力机制的LSTM时间序列分类

玄英律, 万源, 陈嘉慧

2022, 42(8):  2343-2352.  DOI: 10.11772/j.issn.1001-9081.2021061062

摘要 ( )   HTML ( )   PDF (711KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

时间序列的多尺度特征包含丰富的类别信息，且这些信息对分类具有不同的重要程度，然而现有的单变量时间序列分类模型通常以固定大小的卷积核提取序列特征，导致不能有效地获取并聚焦重要的多尺度特征。针对上述问题，提出一种基于多尺度卷积和注意力机制（MCA）的长短时记忆（LSTM）模型（MCA-LSTM），它能够关注并融合重要的多尺度特征，从而实现更准确的分类。其中，LSTM使用记忆细胞和门机制控制序列信息的传递，并充分提取时间序列的相关性信息；多尺度卷积模块（MCM）使用具有不同卷积核的卷积神经网络（CNN）提取序列的多尺度特征；注意力模块（AM）融合通道信息获取特征的重要性并分配注意力权重，从而使网络关注重要的时间序列特征。在UCR档案的65个单变量时间序列数据集上的实验结果表明，对比当前最先进的基于深度学习的时间序列分类模型：USRL-FordA（Unsupervised Scalable Representation Learning-FordA）、USRL-Combined （1-NN） （Unsupervised Scalable Representation Learning-Combined （1-Nearest Neighbor）） OS-CNN（Omni-Scale Convolutional Neural Network）、Inception-Time和RTFN（Robust Temporal Feature Network for time series classification），MCA-LSTM在平均错误率（ME）上分别降低了7.48、9.92、2.43、2.09和0.82个百分点，并取得了最高的算术平均排名（AMR）和几何平均排名（GMR），分别为2.14和3.23，这些充分体现了MCA-LSTM模型在单变量时间序列分类中的有效性。

基于挤压激励的轻量化注意力机制模块

吕振虎, 许新征, 张芳艳

2022, 42(8):  2353-2360.  DOI: 10.11772/j.issn.1001-9081.2021061037

摘要 ( )   HTML ( )   PDF (1124KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对向卷积神经网络（CNN）中嵌入注意力机制模块以提高模型应用精度导致参数和计算量增加的问题，提出基于挤压激励的轻量化高度维度挤压激励（HD-SE）模块和宽度维度挤压激励（WD-SE）模块。为了充分利用特征图中潜在的信息，HD-SE对卷积层输出的特征图在高度维度上进行挤压激励操作，获得高度维度上的权重信息；而WD-SE在宽度维度上进行挤压激励操作，以得到特征图宽度维度上的权重信息；然后，将得到的权重信息分别应用于对应维度的特征图张量，以提高模型的应用精度。将HD-SE与WD-SE分别嵌入VGG16、ResNet56、MobileNetV1和MobileNetV2模型中，在CIFAR10和CIFAR100数据集上进行的实验结果表明，与挤压激励（SE）模块、协调注意力（CA）模块、卷积块注意力模块（CBAM）和高效通道注意力（ECA）模块等先进的注意力机制模块相比，HD-SE与WD-SE在向网络模型中增加的参数和计算量更少的同时得到的精度相似或者更高。

基于强化学习的交通情景问题决策优化

罗飞, 白梦伟

2022, 42(8):  2361-2368.  DOI: 10.11772/j.issn.1001-9081.2021061012

摘要 ( )   HTML ( )   PDF (735KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

在复杂交通情景中求解出租车路径规划决策问题和交通信号灯控制问题时，传统强化学习算法在收敛速度和求解精度上存在局限性；因此提出一种改进的强化学习算法求解该类问题。首先，通过优化的贝尔曼公式和快速Q学习（SQL）机制，以及引入经验池技术和直接策略，提出一种改进的强化学习算法GSQL-DSEP；然后，利用GSQL-DSEP算法分别优化出租车路径规划决策问题中的路径长度与交通信号灯控制问题中的车辆总等待时间。相较于Q学习、快速Q学习（SQL）、、广义快速Q学习（GSQL）、Dyna-Q算法，GSQL-DSEP算法在性能测试中降低了至少18.7%的误差，在出租车路径规划决策问题中使决策路径长度至少缩短了17.4%，在交通信号灯控制问题中使车辆总等待时间最多减少了51.5%。实验结果表明，相较于对比算法，GSQL-DSEP算法对解决交通情景问题更具优势。

信任网络下的TODIM群体决策方法

刘议聪, 楚俊峰, 王燕燕, 王应明

2022, 42(8):  2369-2377.  DOI: 10.11772/j.issn.1001-9081.2021050872

摘要 ( )   HTML ( )   PDF (644KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对在群体决策中如何利用专家之间的社会关系和决策专家的有限理性的问题，提出一种信任网络下的TODIM群体决策方法。首先，根据专家讨论次数，在每一次讨论中，每个专家会根据信任接受程度参考信任者的决策矩阵，并通过信息交互和协商修改决策矩阵；其次，当达到设定的专家讨论次数时，计算最终的群体决策矩阵；最后，分别运用信任网络下的TODIM群体决策方法和TODIM群体决策方法计算各方案排序。对所得结果进行对比分析，并对专家讨论次数和信任接受程度进行灵敏度分析。案例分析结果表明，信任网络下的TODIM群体决策方法能充分结合信任网络，保证了决策过程中的多阶段信息交互和反馈过程，并在对比分析和灵敏度分析上优于对比方法。

基于改进注意力机制的交通标志检测算法

张新宇, 丁胜, 杨治佩

2022, 42(8):  2378-2385.  DOI: 10.11772/j.issn.1001-9081.2021061005

摘要 ( )   HTML ( )   PDF (1664KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对交通标志在某些场景中存在分辨率过低、被覆盖等环境因素影响导致在目标检测任务中出现漏检、误检的情况，提出一种基于改进注意力机制的交通标志检测算法。首先，针对交通标志因破损、光照等环境影响造成图像分辨率低从而导致网络提取图像特征信息有限的问题，在主干网络中添加注意力模块以增强目标区域的关键特征；其次，特征图中相邻通道间的局部特征由于感受野重叠而存在一定的相关性，用大小为k的一维卷积代替通道注意力模块中的全连接层，以达到聚合不同通道信息和减少额外参数量的作用；最后，在路径聚合网络（PANet）的中、小尺度特征层引入感受野模块来增大特征图的感受野以融合目标区域的上下文信息，从而提升网络对交通标志的检测能力。在中国交通标志检测数据集（CCTSDB）上的实验结果表明，所提出的YOLOv4（You Only Look Once v4）改进算法在引进极少的参数量与原算法检测速度相差不大的情况下，平均精确率均值（mAP）达96.88%，mAP提升了1.48%；而与轻量级网络YOLOv5s相比，在单张检测速度慢10 ms的情况下，所提算法mAP比YOLOv5s高3.40个百分点，检测速度达到40?frame/s，说明该算法完全满足目标检测实时性的要求。

领域相关的数学文本语义抽取

陈肖宇, 王伟

2022, 42(8):  2386-2393.  DOI: 10.11772/j.issn.1001-9081.2021060924

摘要 ( )   HTML ( )   PDF (791KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对科技领域文档语义信息获取不充分的问题，提出一套基于规则的数学领域相关文本的语义抽取方法。首先从文本中提取领域概念并实现数学实体与领域概念之间的语义映射；然后对数学符号的上下文进行分析，获取数学符号的实体指代或文字描述，进而抽取其语义；最后基于已抽取的数学符号语义实现表达式的语义分析。以线性代数文本为研究实例，构建了一个语义标注数据集并进行实验，实验结果表明所提方法对标识符、线性代数实体以及表达式的语义抽取具有93%以上的精确率和91%以上的召回率。

基于卷积神经网络和Transformer的手写体英文文本识别

张显杰, 张之明

2022, 42(8):  2394-2400.  DOI: 10.11772/j.issn.1001-9081.2021091564

摘要 ( )   HTML ( )   PDF (703KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

手写体文本识别技术可以将手写文档转录成可编辑的数字文档。但由于手写的书写风格迥异、文档结构千变万化和字符分割识别精度不高等问题，基于神经网络的手写体英文文本识别仍面临着许多挑战。针对上述问题，提出基于卷积神经网络（CNN）和Transformer的手写体英文文本识别模型。首先利用CNN从输入图像中提取特征，而后将特征输入到Transformer编码器中得到特征序列每一帧的预测，最后经过链接时序分类（CTC）解码器获得最终的预测结果。在公开的IAM（Institut für Angewandte Mathematik）手写体英文单词数据集上进行了大量的实验结果表明，该模型获得了3.60%的字符错误率（CER）和12.70%的单词错误率（WER），验证了所提模型的可行性。

基于领域自适应的多源多标签行人属性识别

程南江, 余贞侠, 陈琳, 乔贺辙

2022, 42(8):  2401-2406.  DOI: 10.11772/j.issn.1001-9081.2021060950

摘要 ( )   HTML ( )   PDF (658KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

当前行人属性识别（PAR）公开数据集中属性标注繁杂且采集场景多样，各数据集中行人属性差异较大，进而导致公开数据库已有的标记信息数据难以直接应用到PAR实际问题中。针对上述问题，提出一种基于领域自适应的多源多标签PAR方法。首先通过领域自适应方法对样本进行特征对齐完成多个数据集之间的统一风格转换；接着提出多属性one-hot编码加权算法，将多数据集中共有属性的标签对齐；最后结合多标签半监督损失函数，进行跨数据集联合训练以提高属性识别准确率。通过所提出的特征对齐和标签对齐算法，可有效解决PAR多数据集中属性异构性问题。将三个行人属性数据集PETA、RAPv1和RAPv2分别与PA-100K数据集对齐后的实验结果表明，所提出的方法对比StrongBaseline在平均准确率上分别提升了1.22、1.62和1.53个百分点，说明该方法在跨数据集PAR中具有一定的优势。

基于注意力机制的轻量型人体姿态估计

李坤, 侯庆

2022, 42(8):  2407-2414.  DOI: 10.11772/j.issn.1001-9081.2021061103

摘要 ( )   HTML ( )   PDF (876KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对高分辨率人体姿态估计网络存在参数量大、运算复杂度高等问题，提出一种基于高分辨率网络（HRNet）的轻量型沙漏坐标注意力网络（SCANet）用于人体姿态估计。首先引入沙漏（Sandglass）模块和坐标注意力（CoordAttention）模块；然后在此基础上构建了沙漏坐标注意力瓶颈（SCAneck）模块和沙漏坐标注意力基础 （SCAblock）模块两种轻量型模块，在降低模型参数量和运算复杂度的同时，获取特征图空间方向的长程依赖和精确位置信息。实验结果显示，在相同图像分辨率和环境配置的情况下，在COCO（Common Objects in COntext）校验集上，SCANet模型与HRNet模型相比参数量降低了52.6%，运算复杂度降低了60.6%；在MPII（Max Planck Institute for Informatics）校验集上，SCANet模型与HRNet模型相比参数量和运算复杂度分别降低了52.6%和61.1%；与常见的人体姿态估计网络如堆叠沙漏网络（Hourglass）、级联金字塔网络（CPN）和SimpleBaseline相比，SCANet模型在拥有更少的参数量与运算复杂度的情况下，仍能实现对人体关键点的高准确度预测。

多视角约束级联回归的视频人脸特征点跟踪

代少升, 熊昆, 吴云铎, 肖佳伟

2022, 42(8):  2415-2422.  DOI: 10.11772/j.issn.1001-9081.2021060996

摘要 ( )   HTML ( )   PDF (2970KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来，静态图像中人脸特征点检测算法得到了极大的改进，然而，由于真实视频中头部姿态、遮挡和光照等因素的变化，人脸特征点检测和跟踪仍然具有挑战性。为了解决这一问题，提出一种多视角约束级联回归的视频人脸特征点跟踪算法。首先，利用三维和二维稀疏点集建立变换关系，并估计初始形状；其次，由于人脸图像存在较大的姿态差异，使用仿射变换对人脸图像进行姿态矫正；在构造形状回归模型时，采用多视角约束级联回归模型减小形状方差，从而使学习到的回归模型对形状方差具有更强的鲁棒性；最后，采用重新初始化机制，并在特征点正确定位时使用归一化互相关（NCC）模板匹配跟踪算法建立连续帧之间的形状关系。在公共数据集上的实验结果表明：该算法的平均误差小于眼间距离的10%。

基于改进YOLOv3的多尺度目标检测算法

张丽莹, 庞春江, 王新颖, 李国亮

2022, 42(8):  2423-2431.  DOI: 10.11772/j.issn.1001-9081.2021060984

摘要 ( )   HTML ( )   PDF (1714KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了进一步提高多尺度目标检测的速度和精度，解决小目标检测易造成的漏检、错检以及重复检测等问题，提出一种基于改进YOLOv3的目标检测算法实现多尺度目标的自动检测。首先，在特征提取网络中对网络结构进行改进，在残差模块的空间维度中引入注意力机制，对小目标进行关注；然后，利用密集连接网络（DenseNet）充分融合网络浅层信息，并用深度可分离卷积替换主干网络中的普通卷积，减少模型的参数量，提升检测速率。在特征融合网络中，通过双向金字塔结构实现深浅层特征的双向融合，并将3尺度预测变为4尺度预测，提高了多尺度特征的学习能力；在损失函数方面，选取GIoU（Generalized Intersection over Union）作为损失函数，提高目标识别的精度，降低目标漏检率。实验结果表明，基于改进YOLOv3（You Only Look Once v3）的目标检测算法在Pascal VOC测试集上的平均准确率均值（mAP）达到83.26%，与原YOLOv3算法相比提升了5.89个百分点，检测速度达22.0 frame/s；在COCO数据集上，与原YOLOv3算法相比，基于改进YOLOv3的目标检测算法在mAP上提升了3.28个百分点；同时，在进行多尺度的目标检测中，算法的mAP有所提升，验证了基于改进YOLOv3的目标检测算法的有效性。

融合多模态深度游走与偏差校准因子的推荐模型

武子腾, 宋承云

2022, 42(8):  2432-2439.  DOI: 10.11772/j.issn.1001-9081.2021061086

摘要 ( )   HTML ( )   PDF (799KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

曝光偏差严重影响协同过滤模型的推荐精度，导致预测结果偏离用户的真实兴趣，而现有模型对曝光偏差的建模能力有限，甚至放大偏差。为此，提出融合多模态深度游走与偏差校准因子（MmDW-BC）的推荐模型。首先，引入项目多模态属性特征作为项目图的连接边，从而缓解低曝光项目交互数据稀疏的问题；在此基础上，构建图嵌入模块——多模态深度游走（MmDW）将项目多模态信息融入嵌入向量，以获取丰富的节点表示；最后，基于校准策略设计新的偏差校准推荐算法进行用户偏好预测。将提出的模型应用于Amazon和ML-1M数据集上，实验结果验证所提模型明确考虑曝光偏差来提升推荐精度的必要性和有效性。

基于改进残差卷积自编码网络的类自适应旋转机械故障诊断

张剑, 程培源, 邵思羽

2022, 42(8):  2440-2449.  DOI: 10.11772/j.issn.1001-9081.2021060905

摘要 ( )   HTML ( )   PDF (1320KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对旋转机械传感器信号样本有限影响深层网络模型训练学习的问题，提出一种结合改进残差卷积自编码网络与类自适应方法的故障诊断模型应对小样本数据。首先将少量已标记的源域数据和目标域数据创建为成对样本，并设计一种改进的一维残差卷积自编码网络对两种不同分布的原始振动信号进行特征提取；其次，利用最大均值差异（MMD）减小分布差异，并将两个域同一故障类别的数据空间映射到一个共同的特征空间，最终实现准确的故障诊断。实验结果表明，与微调、域自适应等方法相比，所提模型能够有效提高不同工况、微量已标记的目标域振动数据下的故障诊断准确率。

数据科学与技术

基于边界点检测的变密度聚类算法

陈延伟, 赵兴旺

2022, 42(8):  2450-2460.  DOI: 10.11772/j.issn.1001-9081.2021061083

摘要 ( )   HTML ( )   PDF (10686KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

密度聚类算法因具有对噪声鲁棒、能够发现任意形状的类等优点，得到了广泛的应用。然而，在实际应用中，这种算法面临着由于数据集中不同类的密度分布不均，且类与类之间的边界难以区分等导致聚类效果较差的问题。为解决以上问题，提出一种基于边界点检测的变密度聚类算法（VDCBD）。首先，基于给出的相对密度度量方法识别变密度类之间的边界点，以此增强相邻类的可分性；其次，对非边界区域的点进行聚类以找到数据集的核心类结构；接着，依据高密度近邻分配原则将检测到的边界点分配到相应的核心类结构中；最后，基于类结构信息识别数据集中的噪声点。在人造数据集和UCI数据集上与K-means、基于密度的噪声应用空间聚类（DBSCAN）算法、密度峰值聚类算法（DPCA）、有效识别密度主干的聚类（CLUB）算法、边界剥离聚类（BP）算法进行了比较分析。实验结果表明，所提算法可以有效解决类分布密度不均、边界难以区分的问题，并在调整兰德指数（ARI）、标准化互信息（NMI）、F度量（FM）、准确度（ACC）评价指标上优于已有算法；在运行效率分析中，当数据规模较大时，VDCBD运行效率高于DPCA、CLUB和BP算法。

深度非对称离散跨模态哈希方法

王晓雨, 王展青, 熊威

2022, 42(8):  2461-2470.  DOI: 10.11772/j.issn.1001-9081.2021061017

摘要 ( )   HTML ( )   PDF (1048KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

大多数深度监督跨模态哈希方法采用对称的方式学习哈希码，导致其不能有效利用大规模数据集中的监督信息；并且对于哈希码的离散约束问题，常采用的基于松弛的策略会产生较大的量化误差，导致哈希码次优。针对以上问题，提出深度非对称离散跨模态哈希（DADCH）方法。首先构造了深度神经网络和字典学习相结合的非对称学习框架，以学习查询实例和数据库实例的哈希码，从而更有效地挖掘数据的监督信息，减少模型的训练时间；然后采用离散优化算法逐列优化哈希码矩阵，降低哈希码二值化的量化误差；同时为充分挖掘数据的语义信息，在神经网络中添加了标签层进行标签预测，并利用语义信息嵌入将不同类别的判别信息通过线性映射嵌入到哈希码中，增强哈希码的判别性。实验结果表明，在IAPR-TC12、MIRFLICKR-25K和NUS-WIDE数据集上，哈希码长度为64 bit时，所提方法在图像检索文本时的平均精度均值（mAP）较近年来提出的先进的深度跨模态检索方法——自监督对抗哈希（SSAH）分别高出约11.6、5.2、14.7个百分点。

基于哈希图的建筑物联网数据管理方法

王旭, 申玉民, 熊晓芸, 李鹏, 王金龙

2022, 42(8):  2471-2480.  DOI: 10.11772/j.issn.1001-9081.2021060958

摘要 ( )   HTML ( )   PDF (1264KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对区块链应用于建筑物联网场景时存在的吞吐量严重不足和响应时延高的问题，提出一种基于哈希图的建筑物联网数据管理方法。该方法使用有向无环图（DAG）存储数据，从而利用图式结构的高并发特性提高区块链的吞吐量性能；引入哈希图算法对存储在DAG内的数据达成共识，从而减少共识所需时间；设计智能合约实现访问权限控制，以防止未授权用户对数据的操作。使用区块链性能测试工具Caliper进行的性能测试的结果表明：在由32个节点构成的中等规模仿真环境下，与现有边缘计算方法和跨链方法相比，所提方法的吞吐量为每秒处理1 063.1笔交易，分别为对比方法吞吐量的6倍和3倍；该方法的数据存储时延和控制时延分别为4.57 s和4.92 s，响应速度优于对比方法；该方法在尖峰冲击测试中的交易成功率为87.4%；同时基于该方法的原型系统在稳定性测试中可以平稳运行120 h。可见，所提方法可以有效提高区块链的交易吞吐量和响应速度，满足建筑物联网场景的实际使用需求。

网络空间安全

基于混合算法区块链和节点身份认证的数据存储方案

田洪亮, 王佳玥, 李晨曦

2022, 42(8):  2481-2486.  DOI: 10.11772/j.issn.1001-9081.2021061127

摘要 ( )   HTML ( )   PDF (650KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了增强云数据存储的完整性和安全性，在无线传感器网络（WSN）中，提出一种基于混合算法区块链的数据存储方案，以及一种集成身份验证和隐私保护的去中心化框架。首先，簇头将采集到的信息传递至基站，而基站在分布式区块链上记录所有关键参数，并传递至云端存储。然后，为了获得更高的安全等级，合并椭圆曲线加密（ECC）的160位密钥与高级加密标准（AES）的128位密钥，并在云存储层之间进行密钥对交换。基于混合算法的区块链结合身份验证方案可以很好地保证云数据的安全性存储，因此所提方案在安全性方面较为优秀。此外，恶意节点可通过基站从区块链中直接移除并撤销认证，方便快捷。仿真结果表明，与去中心化的区块链信息管理（BIM）方案、基于信任和分布式区块链评估的安全定位（DBE）算法和利用密钥衍生加密和数据分析（KDE-DA）管理方案相比，所提方案在延迟、吞吐量、计算开销方面具有一定的优越性。

先进计算

面向5G/Beyond 5G的移动边缘缓存优化技术综述

刘炎培, 陈宁宁, 朱运静, 王丽萍

2022, 42(8):  2487-2500.  DOI: 10.11772/j.issn.1001-9081.2021060952

摘要 ( )   HTML ( )   PDF (2498KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

随着移动设备和新兴移动应用的广泛使用，移动网络中流量的指数级增长所引发的网络拥塞、时延较大、用户体验质量差等问题无法满足移动用户的需求。边缘缓存技术通过对网络热点内容的复用，能极大缓解无线网络的传输压力；同时，该技术减少用户请求的网络时延，进而改善用户的网络体验，已经成为面向5G/Beyond 5G的移动边缘计算（MEC）中的关键性技术之一。围绕移动边缘缓存技术，首先介绍了移动边缘缓存的应用场景、主要特性、执行过程和评价指标；其次，对以低时延高能效、低时延高命中率及最大化收益为优化目标的边缘缓存策略进行了分析和对比，并总结出各自的关键研究点；然后，阐述了支持5G的MEC服务器的部署，并在此基础上分析了5G网络中的绿色移动感知缓存策略和5G异构蜂窝网络中的缓存策略；最后，从安全、移动感知缓存、基于强化学习的边缘缓存、基于联邦学习的边缘缓存以及Beyond 5G/6G网络的边缘缓存等几个方面讨论了边缘缓存策略的研究挑战和未来发展方向。

协同移动边缘计算分层资源配置机制

王界钦, 林士飏, 彭世明, 贾硕, 杨苗会

2022, 42(8):  2501-2510.  DOI: 10.11772/j.issn.1001-9081.2021060901

摘要 ( )   HTML ( )   PDF (1262KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对车联网（IoV）中存在大量的车辆卸载任务计算需求，而本地端边缘服务器运算能力有限的问题，提出一种移动边缘计算分层协同资源配置机制（HRAM）。所提算法以多层式的架构合理分配与有效利用移动边缘计算（MEC）服务器的运算资源，减少不同MEC服务器之间的数据多跳转发时延，并优化卸载任务请求时延。首先构建IoV边缘计算系统模型、通信模型、决策模型和计算模型；然后利用层次分析法（AHP）进行多因素综合考虑以确定卸载任务迁移的目标服务器；最后提出动态权值的任务路由策略，调用整体网络的通信能力以缩短卸载任务的请求时延。仿真实验结果表明，HRAM算法相较于任务卸载单层式资源分配（RATAOS）算法和任务卸载多层式资源分配（RATOM）算法，分别降低了40.16%和19.01%的卸载任务请求时延；且所提算法在满足卸载任务最大可容忍时延的前提下，能够满足更多卸载任务的计算需求。

基于近似技术的双层规划进化算法

沈瑜, 李和成, 陈黎娟

2022, 42(8):  2511-2518.  DOI: 10.11772/j.issn.1001-9081.2021061079

摘要 ( )   HTML ( )   PDF (701KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

双层规划涉及上层和下层两个最优化问题，上层规划问题的约束域由下层规划问题隐式确定，双层优化以上层目标为主，而下层目标在下层变量方面必须达到最优。双层规划问题的递阶结构使其具有很高的计算复杂度，特别是频繁计算下层问题会累计很大的计算量。为了有效求解这类问题，提出一种基于近似技术的进化算法。首先，采取多种群协同进化，分别利用交叉和变异算子平衡算法的开采和勘探能力；其次，基于灵敏度分析理论，设计了新个体的近似评价方式以减少算法的下层求解次数。一个算例的近似效果演示结果表明，由近似技术得到的近似后代个体与精确后代个体的位置大部分是重合的。除此之外，在10个常用算例上的结果显示，所提算法比多值映射算法获得了更好的最优解；并且根据CPU时间比较，说明近似技术有效地提高了找到最优解的速度，减少了运行时间，验证了所提算法采取的近似技术的有效性。

差分扰动的堆优化算法

张新明, 温少晨, 刘尚旺

2022, 42(8):  2519-2527.  DOI: 10.11772/j.issn.1001-9081.2021061104

摘要 ( )   HTML ( )   PDF (737KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对堆优化算法（HBO）在解决复杂问题时存在搜索能力不足和搜索效率低等缺陷，提出一种差分扰动的HBO——DDHBO。首先，提出一种随机差分扰动策略更新最优个体的位置，以解决HBO没有对其更新从而导致的搜索效率低的问题；其次，使用一种最优最差差分扰动策略更新最差个体的位置，以强化其搜索能力；然后，采用一种多层差分扰动策略更新一般个体的位置，以强化多层个体之间的信息交流，并提高搜索能力；最后，针对原更新模型在搜索初期获得有效解概率低的问题，提出一种基于维的差分扰动策略更新其他个体的位置。在大量CEC2017复杂函数上的实验结果表明，与HBO相比，DDHBO在96.67%的函数上具有更好的优化性能，更少的平均运行时间（3.445 0 s）；与WRBBO（Worst opposition learning and Random-scaled differential mutation Biogeography-Based Optimization）、DEBBO（Differential Evolution and Biogeography-Based Optimization）和HGWOP（Hybrid PSO and Grey Wolf Optimizer）等先进算法相比，DDHBO也具有显著的优势。

计算机软件技术

考虑决策者心理行为的软件质量评价方法

孙延浩, 许伟, 张涛, 刘宁馨

2022, 42(8):  2528-2533.  DOI: 10.11772/j.issn.1001-9081.2021060999

摘要 ( )   HTML ( )   PDF (611KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对软件质量评价方法中缺乏考虑决策者心理行为的问题，提出一种基于区间二元语义的交互式多准则决策（TODIM）软件质量评价方法。首先，通过区间二元语义表征专家对软件质量的评价信息；其次，利用主观赋权法和逼近理想解排序法（TOPSIS）分别计算软件质量属性的主客观权重，并在此基础上通过组合赋权法获取软件质量属性的综合权重；然后，为更好地刻画专家在软件质量评价过程中的心理行为，将TODIM引入软件质量评价中。利用TODIM方法对高速铁路调度系统的助理调度员终端进行软件质量评价，结果表明铁路软件供应商提供的第3款助理调度员终端软件的占优度值最高，质量最优。将该方法与后悔理论方法以及II类偏好序结构排序法（PROMETHEE-II）进行对比分析，所得结果表明三种方法在质量最优软件的选取上具有一致性，然而三者的总体排序有所差异，说明所构建方法在描述多准则的交互关系和决策者的心理行为上具有较强的优越性。

基于提交排序和预测模型的测试套件选择方法

刘美英, 杨秋辉, 王潇, 蔡创

2022, 42(8):  2534-2539.  DOI: 10.11772/j.issn.1001-9081.2021061016

摘要 ( )   HTML ( )   PDF (694KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为在持续集成（CI）环境下减少回归测试集、提升回归测试的效率，提出一种适用于CI环境的回归测试套件选择方法。首先，根据每个提交的测试套件历史失败率和执行率信息，进行提交排序；然后，采用机器学习方法，对提交涉及的测试套件进行失败率预测，并选择具有较高失败率的测试套件。该方法综合使用提交排序技术和测试套件选择技术，从而保证既提高故障检测率又能在一定程度上降低测试成本。在Google的开源数据集上进行的实验结果表明：与同样采用提交排序的方法和采用测试套件选择的方法相比，所提方法的开销感知平均故障检测率APFDc提高了1%~27%；在相同的测试时间成本下，所提方法的测试召回提高了33.33~38.16个百分点，变更召回提高了15.67~24.52个百分点，测试套件选择率降低了约6个百分点。

基于底层虚拟机的标识符混淆方法

田大江, 李成扬, 黄天波, 文伟平

2022, 42(8):  2540-2547.  DOI: 10.11772/j.issn.1001-9081.2021071166

摘要 ( )   HTML ( )   PDF (901KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对现有代码混淆仅限于某一特定编程语言或某一平台，并不具有广泛性和通用性，以及控制流混淆和数据混淆会引入额外开销的问题，提出一种基于底层虚拟机（LLVM）的标识符混淆方法。该方法实现了4种标识符混淆算法，包括随机标识符算法、重载归纳算法、异常标识符算法以及高频词替换算法，同时结合这些算法，设计新的混合混淆算法。所提混淆方法首先在前端编译得到的中间文件中候选出符合混淆条件的函数名，然后使用具体的混淆算法对这些函数名进行处理，最后使用具体的编译后端将混淆后的文件转换为二进制文件。基于LLVM的标识符混淆方法适用于LLVM支持的语言，不影响程序正常功能，且针对不同的编程语言，时间开销在20%内，空间开销几乎无增加；同时程序的平均混淆比率在77.5%，且相较于单一的替换算法和重载算法，提出的混合标识符算法理论分析上可以提供更强的隐蔽性。实验结果表明，所提方法具有性能开销小、隐蔽性强、通用性广的特点。

多媒体计算与计算机仿真

对人体姿态估计热图误差的再思考

杨飞宇, 宋展, 肖振中, 莫曜阳, 陈宇, 潘哲, 张敏, 张遥, 钱贝贝, 汤朝伟, 金武

2022, 42(8):  2548-2555.  DOI: 10.11772/j.issn.1001-9081.2021050805

摘要 ( )   HTML ( )   PDF (870KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

近年来，基于热图的算法一直占据人体姿态估计算法的主导地位。热图解码（即将热图转换为人体关节点坐标）算法是这类算法的基本环节。而当前的热图解码算法并没有考虑系统误差的影响，因此，提出一种基于误差补偿的人体姿态估计热图解码算法。首先在训练过程中评估模型的误差补偿因子，然后在推理阶段用误差补偿因子补偿人体关节点的预测误差，这些误差同时包括系统误差和随机误差。在不同的网络架构、输入分辨率、评估指标和数据集上进行的大量实验的结果表明与目前最佳的热图解码算法相比，所提算法获得了显著的精度增益。具体来说，所提算法使HRNet-W48-256×192模型在COCO（Common Objects in Context）数据集上的平均精度（AP）提升了2.86个百分点，使ResNet-152-256×256模型的相对于头部的正确点百分比指标在MPII（Max Planck Institute for Informatics）数据集上提升了7.8个百分点。此外，由于所提算法不像现存算法需要采用高斯平滑预处理和求导操作，因此速度约为当前最佳算法的2倍。可见，所提算法对于开展高精度、高速度的人体姿态估计具有实际的应用价值。

基于点线特征的解耦视觉伺服控制方法

卢金燕, 戚肖克

2022, 42(8):  2556-2563.  DOI: 10.11772/j.issn.1001-9081.2021071178

摘要 ( )   HTML ( )   PDF (905KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对机器人的自动对准问题，提出一种基于点线特征的解耦视觉伺服控制方法。所提方法以点和直线作为图像特征，并利用图像特征的交互矩阵解耦姿态控制和位置控制，实现六自由度对准。首先利用直线及其交互矩阵设计姿态控制律，以消除旋转偏差；然后利用点及其交互矩阵设计位置控制律，以消除位置偏差；最后实现机器人末端目标的自动对准。在对准控制过程中，基于执行的相机运动量以及相机运动前后特征的变化量，可实现对深度的在线估计。另外，还设计了监督器对相机的运动速度进行调节，从而确保特征一直处于相机视野当中。在Eye-in-Hand机器人平台上，分别用所提方法和传统的基于图像的视觉伺服方法实现了机器人的六自由度对准。所提方法经过16步实现了机器人的自动对准，对准结束时机器人末端位姿的最大平移误差为3.26 mm，最大旋转误差为0.72°。相较于对比方法，该方法的控制过程更加高效，控制误差收敛更快，对准误差更小。实验结果表明，所提方法可以实现快速高精度的自动对准，能够提高机器人操作的自主性和智能化水平，有望应用于目标跟踪、拾取和定位、自动化装配、焊接、服务机器人等领域。

融入时空显著性的高精度视频稳像算法

尹丽华, 康亮, 朱文华

2022, 42(8):  2564-2570.  DOI: 10.11772/j.issn.1001-9081.2021061061

摘要 ( )   HTML ( )   PDF (1745KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为剔除复杂运动前景对视频稳像精度的干扰，同时结合时空显著性在运动目标检测上的独特优势，提出一种融入时空显著性的高精度视频稳像算法。该算法一方面通过时空显著性检测技术识别出运动目标并对其进行剔除；另一方面，采用多网格的运动路径进行运动补偿。具体包括：SURF特征点提取和匹配、时空显著性目标检测、网格划分与运动矢量计算、运动轨迹生成、多路径平滑、运动补偿等环节。实验结果表明，相较于传统的稳像算法，所提算法在稳定度（Stability）指标方面表现突出。对于有大范围运动前景干扰的视频，所提算法比RTVSM（Robust Traffic Video Stabilization Method assisted by foreground feature trajectories）的Stability指标提高了约9.6%；对于有多运动前景干扰的视频，所提算法比Bundled-paths算法的Stability指标提高了约5.8%，充分说明了所提算法对于复杂场景的稳像优势。

基于近似U型网络结构的图像去噪模型

靳华中, 张修洋, 叶志伟, 张闻其, 夏小鱼

2022, 42(8):  2571-2577.  DOI: 10.11772/j.issn.1001-9081.2021061126

摘要 ( )   HTML ( )   PDF (952KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

针对图像去噪中的去噪效果差、训练周期长的问题，提出一种基于近似U型网络结构的图像去噪模型。首先，使用不同步长的卷积层将原有的线性网络结构修改为近似U型的网络结构；然后，将不同感受野的图像信息叠加以尽可能地保留图像的原有信息；最后，引入反卷积网络层进行图像恢复和噪声的进一步去除。在Set12与BSD68测试集上与去噪卷积神经网络（DnCNN）模型相比，所提模型的峰值信噪比（PSNR）平均提升了0.04~0.14 dB，训练时长平均缩短了41%。实验结果表明，所提模型具有更好地去噪效果和更短的训练时长。

基于联合注意力机制的单幅图像去雨算法

徐成霞, 阎庆, 李腾, 苗开超

2022, 42(8):  2578-2585.  DOI: 10.11772/j.issn.1001-9081.2021061072

摘要 ( )   HTML ( )   PDF (1959KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

现有的单幅图像去雨算法难以充分发掘不同维度注意力机制的相互作用，因此提出一种基于联合注意力机制的单幅图像去雨算法。该算法包含通道注意力机制和空间注意力机制：通道注意力机制检测各通道雨线特征的分布，并差异化各个特征通道的重要程度；空间注意力机制则针对通道内雨线分布的空间关系，以局部到全局的方式积累上下文信息，从而高效准确地去雨。此外，引入深度残差收缩网络，以利用残差模块中嵌入的软阈值非线性变换子网络来通过软阈值函数将冗余信息置零，从而提升CNN在噪声中保留图像细节的能力。在公开降雨数据集与自构建的降雨数据集上进行实验，相较于单一空间注意力算法，联合注意力去雨算法的峰值信噪比（PSNR）提升4.5%，结构相似性（SSIM）提升0.3%。实验结果表明，所提算法可以有效地进行单幅图像去雨和图像细节的信息保留，在目视效果和定量指标上均优于对比算法。

基于轻量密集神经网络的医学图像超分辨率重建算法

王一宁, 赵青杉, 秦品乐, 胡玉兰, 宗春梅

2022, 42(8):  2586-2592.  DOI: 10.11772/j.issn.1001-9081.2021061093

摘要 ( )   HTML ( )   PDF (1357KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

医学图像的清晰与否直接影响临床诊断。由于成像设备与环境因素的限制，往往不能直接获得高分辨率的图像，且大多数智能终端的硬件并不适合运行大规模深度神经网络模型，因此提出一种拥有较少的层和参数的轻量密集神经网络模型。首先，网络中使用密集块和跳层结构进行全局和局部图像特征学习，并将更多特征信息传入激活函数，从而使网络中浅层低级的图像特征更容易传播到高层，由此提高医学图像超分辨率重建的质量；然后，采用分阶段方法训练网络，并以双任务损失加强网络学习中的监督指导，从而解决高倍图像超分辨率重建导致的网络训练难度增加的问题。实验结果表明，与最近邻（NN）插值、双线性插值、双立方插值、基于卷积神经网络（CNN）的算法以及基于残差神经网络的算法相比，所提模型能更好地重建出医学图像的纹理细节，获得更高的峰值信噪比（PSNR）和结构相似性（SSIM），在训练速度和硬件消耗方面均取得了良好的效果，具有较高的实用价值。

融合多尺度多头自注意力和在线难例挖掘的小样本硅藻检测

邓杰航, 郭文权, 陈汉杰, 顾国生, 刘景建, 杜宇坤, 刘超, 康晓东, 赵建

2022, 42(8):  2593-2600.  DOI: 10.11772/j.issn.1001-9081.2021061075

摘要 ( )   HTML ( )   PDF (1490KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

硅藻训练样本量较少时，检测精度偏低，为此在小样本目标检测模型TFA（Two-stage Fine-tuning Approach）的基础上提出一种融合多尺度多头自注意力（MMS）和在线难例挖掘（OHEM）的小样本硅藻检测模型（MMSOFDD）。首先，结合ResNet-101与多头自注意力机制构造一个基于Transformer的特征提取网络BoTNet-101，以充分利用硅藻图像的局部和全局信息；然后，改进多头自注意力为MMS，消除了原始多头自注意力的处理目标尺度单一的局限性；最后，引入OHEM到模型预测器中，并对硅藻进行识别与定位。把所提模型与其他小样本目标检测模型在自建硅藻数据集上进行消融及对比实验。实验结果表明：与TFA相比，MMSOFDD的平均精度均值（mAP）为69.60%，TFA为63.71%，MMSOFDD提高了5.89个百分点；与小样本目标检测模型Meta R-CNN和FSIW相比，Meta R-CNN和FSIW的mAP分别为61.60%和60.90%，所提模型的mAP分别提高了8.00个百分点和8.70个百分点。而且，MMSOFDD在硅藻训练样本量少的条件下能够有效地提高检测模型对硅藻的检测精度。

基于深度学习的型钢表面多形态微小缺陷检测算法

刘亚姣, 于海涛, 王江, 于利峰, 张春晖

2022, 42(8):  2601-2608.  DOI: 10.11772/j.issn.1001-9081.2021060971

摘要 ( )   HTML ( )   PDF (1530KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

为了解决由于型钢表面缺陷形态多样、微小缺陷众多所带来的检测效率低与检测精度差的问题，提出一种基于可变形卷积与多尺度-密集特征金字塔的型钢表面缺陷检测算法——Steel-YOLOv3。首先，使用可变形卷积代替Darknet53网络部分残差单元的卷积层，从而强化特征提取网络对型钢表面多类型缺陷的特征学习能力；其次，设计了多尺度-密集特征金字塔模块：在原有YOLOv3算法的3层预测尺度上增加1层更浅层的预测尺度，再对多尺度特征图进行跨层密集连接，从而增强对密集微小缺陷的表征能力；最后，针对型钢缺陷尺寸分布特点，使用K-means维度聚类方法优化先验框尺寸并将先验框平均分配到4个对应预测尺度上。实验结果表明：Steel-YOLOv3算法具有89.24%的检测平均精度均值（mAP），与Faster R-CNN（Faster Region-based Convolutional Neural Network）、SSD（Single Shot MultiBox Detector）、YOLOv3和YOLOv5算法相比分别提高了3.51%、26.46%、12.63%和5.71%，且所提算法显著提升了微小剥落缺陷的检出率。另外，所提算法的每秒检测图像数量达到25.62张，满足实时检测的要求，可实际应用于型钢表面缺陷的在线检测。

前沿与综合应用

基于反向影响采样的积极影响力最大化

杨书新, 许景峰

2022, 42(8):  2609-2616.  DOI: 10.11772/j.issn.1001-9081.2021071185

摘要 ( )   HTML ( )   PDF (746KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

影响力最大化问题现有的工作主要集中在无符号网络上，忽略了网络中个体之间存在的敌对关系。针对符号网络中的积极影响力最大化问题，在极性相关的独立级联（IC-P）模型的基础上提出一种符号网络中基于反向影响采样（RIS-S）的算法以最大化积极影响力。首先，在生成反向可达集的阶段考虑了节点的极性关系，以适用于符号网络；其次，为了提高反向可达集的有效性，限制了采样的遍历深度。在三个真实的符号网络数据集上比较了RIS-S、IMM（Influence Maximization via Martingales）、POD（Positive Out-Degree）和Effective Degree等算法的积极影响力范围和运行时间，以验证所提算法的有效性。实验结果表明，RIS-S算法所选的种子更加准确，能获得更广的积极影响力范围，并且该算法的运行时间比同类型算法IMM更短，可以认为RIS-S算法能够解决符号网络中的积极影响力最大化问题。

多目标混合进化算法求解加工时间可控的开放车间调度问题

陈揆能, 袁小芳

2022, 42(8):  2617-2627.  DOI: 10.11772/j.issn.1001-9081.2021061071

摘要 ( )   HTML ( )   PDF (1515KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

开放车间调度问题属于典型的NP-hard问题。目前的相关研究大多假设工序在机器上具有固定的加工时间。然而，在大多数现实生产场景中，机床的加工时间可以通过调节加工功率加以控制。同时优化完工时间和总能耗两个冲突目标对高效、节能的开放车间生产具有重要意义。为此，研究了可控加工时间的多目标开放车间调度问题（MOOSPCPT），以最小化完工时间和总额外能耗为目标构建了混合整数规划模型，并提出一种多目标混合进化算法（MOHEA）用于求解MOOSPCPT。在MOHEA中提出多个策略：1）改进生物地理学优化算法中的迁移策略和变异策略用于全局搜索，有效地提高了种群的多样性；2）基于关键路径设计一种自调整变邻域搜索策略，增强了算法的局部搜索能力；3）设计了一种加工时间重置算子，从而显著提升了算法的搜索效率。仿真实验结果表明：所提出的策略有效地提升了算法性能；相较于NSGA-Ⅱ（Non-dominated Sorting Genetic Algorithm Ⅱ）、NSGA-Ⅲ（Non-dominated Sorting Genetic Algorithm III）和SPEA2（Strength Pareto Evolutionary Algorithm 2），MOHEA能够更有效地解决MOOSPCPT。

考虑订单扰动因素的热轧重调度分布估计算法

王一荻, 李志伟, 张文新, 李铁克, 王柏琳

2022, 42(8):  2628-2636.  DOI: 10.11772/j.issn.1001-9081.2021061106

摘要 ( )   HTML ( )   PDF (757KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

热轧工序作为钢铁生产的核心环节，具有严格的生产连续性和复杂的产品工艺要求，而紧急订单的随机到达和紧急交货期要求会对生产连续性和质量稳定性产生不利影响。针对这类紧急订单插入的动态事件，提出一种热轧重调度优化方法。首先，分析了订单扰动因素对调度方案的影响，并以最小化订单拖期惩罚和板坯跳跃惩罚加权和为优化目标，建立了热轧重调度问题的数学模型。然后，设计了热轧重调度分布估计算法（EDA）。该算法针对紧急订单的插入式处理方式，提出一种基于插入位置的整数编码方案；结合模型特征设计了概率模型；并综合考虑目标与约束，定义了基于惩罚值的适应度函数。通过实际生产数据进行仿真实验，验证了模型和算法的可行性和有效性。

基于专家PID的带臂四旋翼无人机控制方法

陈宝, 周祖鹏, 卫欢, 吕延钊, 睢志成

2022, 42(8):  2637-2642.  DOI: 10.11772/j.issn.1001-9081.2021060975

摘要 ( )   HTML ( )   PDF (1392KB) ( )  

数据和表 | 参考文献 | 相关文章 | 计量指标

相较于未带臂的无人机，带臂无人机（UAV）的飞行轨迹会出现较大偏差，更难以稳定控制。为了解决带臂UAV的精确轨迹控制问题，提出基于专家PID的带臂四旋翼无人机控制方法。首先，将机械臂搭载于UAV上把它们作为整体，并通过拉格朗日方程建立了带臂UAV的运动学和动力学系统模型；其次，设计专家PID控制器用于对系统的稳定控制；然后利用五次多项式对带臂UAV的机械臂进行轨迹规划；最后，通过仿真验证专家PID控制方法对带臂UAV稳定控制的有效性。实验结果表明，相较于常规PID控制，所提基于专家PID的控制方法提高了系统的响应速度，且能够有效地抑制外部扰动；该方法对于动作情况下的机械臂能够稳定地跟踪其轨迹，且具有很好的抗扰性和鲁棒性。