一种求解多目标整数规划的新方法

在求解多目标整数规划的加权方法中,交互式方法虽然考虑了决策者的偏好,但计算量较大;非交互式方法计算量虽小,但没有考虑决策者的偏好。因此,提出了基于层次分析法的权系数确定方法,并构造了相应的算法,该算法不仅计算量小,而且考虑了决策者的偏好,并针对数据不平衡问题,对算法进行了改进,给出的算例表明算法是有效的。     

神经网络在4型FIR高阶多通带滤波器的自适应优化设计研究

提出了一种新的基于神经网络的FIR线性相位数字滤波器的自适应优化设计方法。根据4型FIR滤波器的幅频响应特性，构造出一个相应的神经网络模型，并建立了FIR线性相位数字滤波器的神经网络算法，该算法通过训练神经网络权值，使设计的数字滤波器与希望得到的FIR线性相位滤波器的幅频响应之间的误差平方和最小化，从而获得FIR线性相位数字滤波器的脉冲响应．提出并证明了该算法的收敛定理，给出了FIR高阶多通带滤波器自适应优化设计实例、计算机仿真结果表明，该算法计算精度高，收敛速度快；用该算法设计的高阶多通带滤波器，其幅频响应的阻带衰减很大，而通带波动很小。     

农业农村科研协同创新基础设施总体框架与战略价值

党中央国务院高度重视农业科技创新，把解决农业“卡脖子”问题放在国家战略高度，协同创新是解决“卡脖子”问题行之有效的路径。从构建农业农村协同创新基础设施的政策背景和国内外研究现状出发，深度剖析我国农业科技创新面临的农业科研大数据、高性能计算、原创算法模型、数据应用创新和数据安全防护等瓶颈问题，基于人工智能、区块链、云计算、大数据等先进信息技术构建“数据”+“算法”+“算力”深度融合的新型基础设施，构建了服务多学科交叉融合的农业农村科研协同创新平台，简化并加速人工智能（AI）模型和数据的迭代和流动，实现大规模异构计算资源调度技术、多模态数据融合方法和友好的开发支撑环境。该平台致力于协助不同学科领域的科研工作者，将数据、模型、算法和算力等资源深度整合，打造即开即用的交互式云端开发环境，应用到教学、科学研究、科学数据集和算法研究等多个场景，形成人工智能融合多学科的生态闭环。     

超立方体多计算机上数据并行算法性能研究

讨论了超立方体多计算机上的数据并行算法，着重分析通信参数对算法性能的影响。提出了一个计算模型，并以并行归并算法为例，对数据元素数目和处理机数目等设计参数进行性能评价。     

基于多目标联合优化的挠性航天器姿态机动控制

针对受环境干扰的带有太阳能帆板的挠性航天器,研究了航天器姿态机动控制的参数优化问题。建立了挠性航天器姿态机动控制参数的联合优化模型,并采用一种基于精英机制的多目标优化算法,设计机动路径和控制器参数,在保证闭环系统稳定的前提下,以获得较好的机动快速性和较高的稳态精度。地面模拟实验验证了所提方法的有效性。     

GPS导航中的抗差自适应Kalman滤波算法

GPS导航与定位的质量取决于对动态载体函数模型和随机模型的认知.本文首先基于机动载体的当前统计模型,设计了离散系统的Kalman滤波器,进而基于方差分量估计给出了一种适合GPS动态定位的抗差自适应卡尔曼滤波算法.该算法模型简单,实时性好.实测数据计算结果表明,滤波导航解能有效地控制观测异常和动态扰动异常对导航解的影响,使导航解更能反映导航目标的真实情况.     

基于人工蜂群算法的负荷频率控制仿真研究

针对煤矿两区域互联再热火力发电系统中的负荷频率控制（LFC）问题，提出了一种人工蜂群算法的多目标优化实现方法。采用人工蜂群算法和加权和方法，将多目标优化转化为复合目标函数，依据系统负荷变化利用加权和方法对复合目标函数做归一化处理，实现了两区域 PID 控制器增益同步调谐，获得了频率响应的调节时间和超调量达到最佳折中条件。仿真结果表明，该方法简单、有效，在不同的运行条件情况下具有良好的鲁棒性。     

多种药械控制水稻有害生物施药效果研究

应用东方红-18型机动喷雾（弥雾）机，卫士-16型背负式手动喷雾器，工农-16型背负式手动喷雾器等三种药械进行了不同的喷施方法、推荐药液量减少50％、推荐农药用量减少20％控制水稻有害生物的试验研究，结果表明，使用东方红-18型机动喷雾（弥雾）机，卫士-16型背负式手动喷雾器工效高、用药安全，防治效果理想。     

生物启发式算法求解多模态优化问题研究

实际生活及工程应用中的诸多问题均可归结为多模态优化问题,研究多模态优化问题的目的在于找出问题的所有全局极值解或有意义的局部极值解。从算法的“完全收敛性”出发,探讨了目前生物启发式算法(如遗传算法、蚁群算法、萤火虫算法、鱼群算法、粒子群算法等)求解多模态优化问题存在的问题和缺陷,并得出其在求解多模态优化问题时必须满足的条件：种群的多样性及种群分布的均匀性。随后概括并总结了目前求解多模态优化问题而保持种群多样性及均匀性的若干策略,着重研究了通过生物启发式算法并结合改进小生境技术在多模态优化问题求解中的研究进展,最后评述了今后一些有意义的研究方向及主要研究内容。     

多目标柔性作业车间调度的集成算子遗传算法

柔性作业车间调度（FJSP）中，在将任务按顺序分配到各机床前，首先要为任务选择加工机床。为求解多目标FJSP，本文在分析该问题特点的基础上，提出了一种面向甘特图的串编码（GORS）及相应的的遗传算法算子的基本操作，提出了集成算子遗传算法，并给出了其具体实现。文献算例的实验及与国际最近研究成果比较表明。该算法减小了目标参数值即生产周期、最大机床负载和总的机床负载。     

基于改进强跟踪无迹卡尔曼滤波的饵料动态称重算法

投饵是虾塘养殖中的重要环节,获取剩余饵料重量是实现精准投饵的关键。为解决在投饵过程中由环境、系统自身等因素引起的剩余饵料称重不准确问题,提出了一种适用于投饵船饵料动态称重的自适应强跟踪无迹卡尔曼滤波算法(SHFL-ASTUKF)。首先,建立称重系统的二阶模型,并对量测结果进行滤波。然后,在渐消因子快速引入的基础上,使用奇异值分解替换Cholesky分解处理误差协方差问题。同时,结合模糊控制算法和Sage-Husa自适应滤波,自适应更新量测噪声协方差和系统噪声协方差,从而抑制滤波过程中的发散情况。对SHFL-ASTUKF进行实例数据仿真和实验验证,结果表明,与强跟踪无迹卡尔曼滤波相比,实例数据仿真中,RMSE提高了14.9%,投饵船剩余饵料称重实验中RMSE平均提高了15.15%,MAE提高17.27%,所提出的算法具有更高的动态测量精度和更好的降噪效果。     

耕地质量评价缺失数据填充方法研究

在耕地质量数据调查与采集过程中会由于人为、环境等因素造成数据缺失,而目前数据缺失填充方法都存在适用性不足的问题,为完善耕地质量数据库从而提高耕地质量评价精度,对耕地质量评价缺失数据填充方法的研究是十分重要的。本研究以广州市从化区耕地质量数据库为样本集,根据空间相关性和空间分布将数据集划分为空间关联性数据集和非空间关联性数据集,利用多种填充方法对其进行缺失填充模拟,采用十字交叉法进行精度验证。结果表明：选取数据整体异常值比例不足1.2%,且高程、气温、有效锌等25组因素具有空间相关性。对空间关联性数据填充精度最高的是四象最近邻算法,在缺失率20%以下时精度仍高达80%,精度随缺失率增大而降低,其次为K最邻近（KNN）算法、期望最大化法、多重填充法、回归模型算法,四象最近邻算法相较于KNN算法在数据密集时精度更好。对非空间关联性数据填充精度最高的是相似聚集填充算法,在缺失率25%以下时精度超过80%,其次为期望最大化法、多重填充法、回归模型算法。综上,本研究提出的四象最近邻算法和相似聚集填充算法相比其他算法在耕地质量评价缺失数据填充中精度更高,效果更稳定,且实用性更广。     

基于节点扩张的遗传算法在机器人路径规划中的应用

构建了一种基于模糊决策的复合低通滤波器(LPF),提出了一种基于FBD法的有源电力滤波器(APF)参考电流检测新方法.该方法利用锁相环(PLL)产生参考电压,将负载电流投影到参考电压上,通过LPF可以准确检测出基波有功电流和基波无功电流.设计了基于模糊决策的复合LPF,该LPF由截止频率为10 Hz和30 Hz的双二阶Butterworth LPF组成,根据负载电流的波动幅度和谐波电流的最低次数,利用模糊推理确定LPF的选用.与传统的FBD法相比,该方法在电网电压不对称条件下,能够确保参考电流检测结果的准确性,且动态响应速度快、原理简单.理论分析和仿真结果证明了新型参考电流检测方法的正确性和有效性.     

基于代价敏感Adaboost目标跟踪

目的 当前,目标跟踪问题常常会通过在线学习、检测的方法来解决。针对在线学习过程中,分类器训练需要花费大量时间以提高其识别准确率的问题,提出使用Adaboost算法级联弱分类器,在训练一定帧数后仅进行检测的方法来达到实时和准确的折中。方法 首先针对跟踪问题简化了haar特征,以降低特征计算量。同时考虑到经典的Adaboost算法可能并不适合跟踪过程中存在的正负样本不均衡问题,提出在样本权重更新公式中引入一个新的调整因子项并且结合代价敏感学习来提高目标识别率的方法。最终给出使用简化的haar特征作为描述子,改进的代价敏感Adaboost作为分类器的目标跟踪算法。结果 对20组视频进行跟踪实验,本文算法的平均代表准确率高于压缩跟踪算法约26%,高于原始代价敏感算法约11%;本文算法的视频处理平均帧率高于压缩跟踪算法约38%。结论 本文提出的新代价敏感Adaboost算法对目标的识别、跟踪具有较高的准确率及较快的处理速度,并具有一定的抗干扰能力。特别对人等非刚性目标能够进行较好跟踪。     

融合通道剪枝与ByteTrack的轻量化金枪鱼渔获数量实时检测

自动准确收集渔业捕捞数据是电子观察员系统的重要组成部分,然而,由于工作环境的复杂性和跟踪的不稳定性,金枪鱼延绳钓渔获数量自动估计在实践部署中仍存在挑战。本研究设计了一个轻量级计数网络对渔船上的实时视频数据进行自动处理,实现对金枪鱼渔获物的实时跟踪和计数。本研究选择YOLOv5s作为基准网络,首先采用通道剪枝算法对YOLOv5s的主干网络进行修剪,结果表明,剪枝后的模型检测精度mAP0.5～0.95达到68.8%,CPU下检测速度为16.5帧/s(FPS),与原始模型相比,检测效果基本不变,模型的参数量、模型大小和计算量分别减少了67.2%、66.4%和42.5%,检测速度提高了33.1%。其次,利用ByteTrack算法实现了多目标的实时跟踪,优化了计数区域形状,解决了被跟踪金枪鱼身份（ID）跳变导致的计数偏差问题,10个视频的测试结果表明,该方法的平均计数准确率为80%,视频处理速度为50.7帧/s,满足工业级实时检测要求。综上,该模型具有轻量化、高精度、实时性等优点,可在复杂的工作环境下完成对延绳钓捕捞结果的实时监控,为实现渔业自动化提供思路。     

前景判别的局部模型匹配目标跟踪

目的 在复杂背景下,传统模型匹配的跟踪方法只考虑了目标自身特征,没有充分考虑与其所处图像的关系,尤其是目标发生遮挡时,易发生跟踪漂移,甚至丢失目标。针对上述问题,提出一种前景判别的局部模型匹配(FDLM)跟踪算法。方法 首先选取图像帧序列前m帧进行跟踪训练,将每帧图像分割成若干超像素块。然后,将所有的超像素块组建向量簇,利用判别外观模型建立包含超像素块的目标模型。最后,将建立的目标模型作为匹配模板,采用期望最大化(EM)估计图像的前景信息,通过前景判别进行局部模型匹配,确定跟踪目标。结果 本文算法在前景判别和模型匹配等方面能准确有效地适应视频场景中目标状态的复杂变化,较好地解决各种不确定因素干扰下的跟踪漂移问题,和一些优秀的跟踪算法相比,可以达到相同甚至更高的跟踪精度,在Girl、Lemming、Liquor、Shop、Woman、Bolt、CarDark、David以及Basketball视频序列下的平均中心误差分别为9.76、28.65、19.41、5.22、8.26、7.69、8.13、11.36、7.66,跟踪重叠率分别为0.69、0.61、0.77、0.74、0.80、0.79、0.79、0.75、0.69。结论 实验结果表明,本文算法能够自适应地实时更新噪声模型参数并较准确估计图像的前景信息,排除背景信息干扰,在部分遮挡、目标形变、光照变化、复杂背景等条件下具有跟踪准确、适应性强的特点。     

一种基于小波变换和多级树集合分裂算法的图像多描述编码改进算法

在研究基于嵌入式零树小波的多描述编码算法基础上,提出了一种结合小波变换和多级树集合分裂算法的图像多描述编码改进算法,阐述了该算法的原理,并用Matlab来对2种算法进行程序仿真。仿真结果证明,后者比前者在相同的条件(除所有描述都接收的情况)下能得到质量更高的重构图像,提高了数据传输的鲁棒性。     

基于白化滤波的天然气集输管道微泄漏定位方法

油气田集输管道因腐蚀导致的微泄漏信号提取和识别是泄漏监测技术领域的一大难题.针对淹没在管道噪声中的微弱泄漏信号,提出了一种基于白化滤波的天然气集输管道微泄漏定位方法.以某油田天然气集输管道为例,采用自适应白化滤波算法消采集信号中的除低频分量,进而对泄漏定位公式进行优化,通过互相关方法计算管道上、下游信号的延迟时间,得到...     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

基于DGPS定位与双闭环转向控制的农业自动导航系统

以东方红X-804拖拉机为平台,开发了一种基于RTK-DGPS定位和双闭环转向控制相组合的农业自动导航系统。系统主要包括RTK-DGPS接收机、姿态航向参考系统(AHRS)、转向控制器、电控液压转向装置和转向角检测传感器。设计了Kalman滤波器对定位数据进行平滑处理,同时实现航向角的校正。为实现自动转向,在拖拉机原有手动控制系统基础上加上电控比例液压阀,并设计电控单元。然后,推导了转向系统的数学模型,通过Matlab仿真工具箱得到传递函数的参数,设计了双闭环转向控制算法。最后,进行了算法验证试验和田间试验,结果表明,双闭环控制方法较好抑制了稳态时的震荡现象,方波信号的角度跟踪稳态时最大误差0.60°,平均误差0.40°,平均延时为0.20 s;设计的Kalman滤波器有助于提高定位系统的精度,横向跟踪误差不超过0.09 m,转向角度平均跟踪误差为0.43°,延时0.25 s。