一、基于构造过程参数化方法的约束回溯机制研究(论文文献综述)
范程飞[1](2021)在《无线自组网中的协作定位关键技术研究》文中指出随着无线网络的发展,各种应用对位置信息的需求与日俱增,定位场景也变得更加复杂,传统定位方法(如,GNSS)的精度和可靠性面临严峻的挑战。基于无线自组网的定位系统因为结构灵活、易于设置,已经成为恶劣环境下进行定位的一个重要解决方案。协作定位技术通过引入用户节点之间的信息测量可以提高无线自组织定位系统的位置估计精度、可靠性和服务范围,因而受到广泛的关注和研究。尽管有诸多的优点,但协作定位也面临一些问题。例如,非线性的观测模型使得测量信息的高效融合变得很困难,在节点稀疏分布的移动协作自组网中该问题变得尤其突出;在密集网络中,协作定位会明显增大系统的通信负担和能量消耗,并且与可靠性较差的邻居节点进行协作还会引起误差在全网络的传播;在车联网和无人机网络等节点位置和测量信息随时间快速变化的移动场景中,定位系统需要具有较高的位置信息更新速率和较小的信息传输时延,这给测量信息融合及资源分配优化带来了新的挑战。论文针对基于无线自组网的协作定位系统中存在的若干问题,对节点稀疏分布的移动场景中的高可靠数据融合方法、密集网络中的节点选择和资源分配算法进行了研究,同时对受测量信息实时性影响的移动定位系统的性能进行了分析。论文的内容安排和主要结论如下:首先,针对节点稀疏分布的移动自组网,研究了高可靠的协作定位数据融合方法。一方面,论文提出一种基于节点运动状态约束的协作定位算法,该算法具有双层结构。内层算法利用和积算法与参数化的消息更新原则对测量信息进行融合,得到节点位置的初步估计值,作为外层算法的观测量。外层算法基于扩展卡尔曼滤波的框架对节点位置进行更新,同时可以得到节点运动状态信息。另一方面,论文提出一个有限回溯深度的扩展时空域联合协作定位模型。在每个时刻,基于节点的轨迹信息约束对所有节点在邻近几个时刻的测量信息进行时空域的联合处理,以得到节点在当前时刻的位置估计。基于该模型和最大似然准则,论文分别构造了集中式和分布式的多时刻测量信息联合处理问题,并利用序列二次规划算法对这两个问题进行求解。其中的分布式定位问题考虑了多跳节点对目标节点定位的贡献以及信息传输时延对定位性能的影响。另外,论文对集中式和分布式条件下基于扩展时空域联合协作模型的定位系统的费舍尔信息矩阵(Fisher Information Matrix,FIM)进行了分析。仿真结果表明,基于节点运动状态约束的协作定位算法可以提高系统的定位精度,并且在邻居节点数量不足的情况下仍具有较好的稳定性;扩展时空域联合协作定位模型的性能优于传统的基于单个时刻测量信息的定位模型。其次,针对资源受限(如,带宽、时间和能量等)、节点较多的无线协作自组网,研究了节点选择和资源分配算法。为了平衡各个节点的能量消耗,论文基于平方定位误差界(Squared Position Error Bound,SPEB)准则,分别构造出一个受隐式能量约束和一个受显式能量约束的节点选择问题。在隐式能量约束条件下,通过限定每个邻居节点在连续多个时刻内被选中的次数来平衡这些节点的能量消耗。在显式能量约束条件下,对节点选择和功率分配问题进行联合优化,以进一步提高系统的定位性能。两类问题中均包含了非线性的目标函数和二进制优化变量。论文首先通过合理引入辅助变量将原问题转化为更容易处理的形式,然后提出基于惩罚对偶分解优化框架的算法对转化后的问题进行求解。仿真结果表明论文提出的节点选择方案可以减小系统的通信负担和能量消耗,同时性能损失较小,并且能很好地平衡各个节点的能量消耗。论文所提算法的性能明显优于对比算法,对于受隐式能量约束的节点选择问题,所提算法能够达到近似最优的性能。最后,针对基于时分多址协议的定位系统,对受测量信息实时性影响的移动节点的定位性能进行了分析,研究了广播节点选择和时隙分配算法。论文首先利用信息年龄对测量信息的实时性进行建模。然后,结合节点的运动模型,推导了待定位节点在单个超帧内的FIM以及多个超帧内的联合FIM,并对稳定状态下的性能进行了分析。为了减小测量信息实时性对定位性能的影响、提高位置信息更新频率,论文基于SPEB准则,构造出一个广播节点选择和时隙分配联合优化问题。根据所构造问题的特殊结构,论文将其分解为一个广播节点选择问题和一个时隙分配问题,然后提出基于惩罚对偶分解优化框架的算法和贪婪算法分别对这两个问题进行求解。仿真结果表明,基于惩罚对偶分解优化框架的广播节点选择算法的性能明显优于随机选择算法,基于贪婪算法的时隙分配策略的性能与时隙随机分配策略的性能基本一致,但贪婪算法的复杂度更低。
叶春阳[2](2021)在《网格参数化的高效优化方法研究》文中指出数字几何处理技术近年来发展迅速,在三维打印、自动驾驶、虚拟现实、智慧城市等新兴产业中有着广泛的应用。这些新兴产业的发展需要大量的三维数据处理技术做支撑。这其中一个重要的基本问题就是如何计算一个网格的低扭曲参数化映射。计算机图形学的很多应用都会用到网格的低扭曲参数化,这是因为网格参数化建立了网格曲面和平面参数域之间的联系,使得两者之间可以方便地进行信息传递和计算转换。参数化算法的效率和鲁棒性对相关应用的表现有较大的影响。本文围绕着网格参数化这个课题,对高效鲁棒的低扭曲网格参数化,面向大规模网格内存高效的双射参数化,以及网格可展性的高效优化等问题进行了研究。针对网格参数化中存在的初始扭曲高和优化能量非凸非线性等困难,本文提出了一种渐进参数化的方法,能够高效地计算低扭曲无翻转的网格参数化。该方法基于一个观察,即当参数化三角形和参考三角形之间的扭曲均小于一定阈值时,只需要极少的迭代就可以使扭曲下降到接近收敛的水平。因此,不同于现有的参数化方法直接使用输入网格作为优化目标,本方法利用插值方法构造了一系列的参考三角形,并把它们作为中间目标渐进地优化。当扭曲降到一定程度时,再最终以输入网格为目标进行优化至收敛。另外,本方法采用了混合求解器,它结合了两种求解器的优点,既能够快速地降低扭曲又具有二阶收敛性。我们在超过二万个模型上测试了本方法的表现,实验表明本方法对不同三角化,不同初始化,不同分辨率,不同网格质量的模型,均有一致好的表现力。与现有方法相比,本方法具有较高的效率和实用鲁棒性。计算参数化需要求解与网格顶点规模相当的线性方程组,因此现有参数化算法仅适用于处理中小规模的网格。当输入模型为大规模网格时,算法通常会因为内存不足以直接求解大规模线性方程组而失败。针对这个问题,本文提出了一种内存高效的双射参数化方法,能够在有限内存上生成大规模网格的低扭曲双射参数化结果。本方法的主要思路是通过网格分片和简化空间近似,将大规模问题转化为易于求解且规模可控的小问题。本方法包含三个部分,在初始化阶段,基于分而治之的策略将网格划分为多片子网格,通过先划分边界映射后逐片子网格映射的策略,同时保证了初始化的双射性和内存开销的可控性。在优化阶段,将参数化区域重新网格化为更加稀疏的离散单元,并在其上定义样条函数空间,从而将求解空间的变量由网格顶点转换为规模可控的样条控制顶点。在后处理阶段,本方法采用逐点优化和逐片优化相结合的方式进一步降低扭曲。这三个处理方式使得整个算法流程中需求解的线性方程组的规模始终保持在给定阈值之下,具有较高的内存效率。本方法能够在配备16G内存的台式机上成功计算出包含近一亿三角形面模型的低扭曲双射参数化结果。对一般的网格曲面做平面参数化不可避免会产生等距扭曲,而可展曲面则可以完全等距地映射到平面。给定一个一般的三角网格,本文提出了一种基于联合双边滤波的优化网格可展性算法。该方法包含两个阶段,首先将联合双边滤波器应用到曲面法向信号上得到每个三角形的目标法向,这里联合双边滤波的向导法向是利用顶点半邻域的法向一致性信息构建出来的;然后更新网格顶点位置,使得曲面法向接近滤波得到的目标法向。本方法交替迭代地进行上述两个操作,通过改变网格的几何形状逐渐提高网格的可展性。优化后网格上高斯曲率非零的顶点会聚集在若干条曲线上,沿着这些曲线切割后的网格能够以极低的等距扭曲映射到平面。算法实现简单,经过实验对比,本方法能够更加高效地得到与现有算法相当或者更好的结果。
邱月[3](2020)在《多约束复杂环境下UAV航迹规划策略自学习方法》文中研究指明传统的无人飞行器航迹规划搜索算法虽然具有很强的路径搜索能力,但面临新的规划任务或飞行环境时,无法从历史经验中获得先验知识并加以运用。强化学习具有通过试探、评价的迭代学习过程获得经验的能力,进而得到使收益最大化的状态-动作映射策略。因此基于强化学习得到的策略可以在未知环境或新任务中将学到的策略作为先验知识,以此提高航迹规划的效率。深度强化学习利用深度神经网络对环境的强大感知能力和特征表征能力获得强化学习中的优化策略,使航迹规划策略学习模型对动态任务或复杂多变的环境具有泛化能力。论文针对多约束复杂环境的航迹规划问题,提出了一种基于深度强化学习的策略自学习方法。结合规划任务、约束条件、飞行环境、优化目标等输入信息的特点设计深度强化学习系统的状态、动作、回报函数、策略-价值深度网络等关键模型。在状态、动作空间的设计方面,通过对规划任务、全局环境和飞行器所处局部环境的图层编码表示,实现了飞行器转弯状态和匹配状态的图像化表示方法;利用两匹配导航点间的复杂约束条件构造转弯点的可行区间和下一匹配导航点的可行域,约减了动作的表达空间,这不仅使得经过探索和决策得到的航迹能够满足复杂的约束条件,而且可以有效地降低决策难度,加快航迹规划速度。在回报函数设计方面,结合现有传统航迹规划系统中的优化目标设计强化学习中的回报函数,同时采用回报成型技术,将启发信息引入回报函数中,提高系统学习效率。在深度强化学习过程的策略学习和表达方面,结合深度卷积神经网络和Actor-Critic方法设计了转弯点规划策略网络和匹配点规划策略网络。规划策略网络分两个步骤进行迭代学习:1)采用蒙特卡洛树搜索方法,基于规划策略网络引导无人飞行器探索环境,生成样本数据。2)规划策略网络对样本数据进行学习,更新策略。蒙特卡洛树搜索具有强大策略改进能力,能产生更优质的样本数据,有利于提高规划策略网络的学习效率。实验结果表明基于论文设计的深度强化学习系统具备自学习能力,能够较好地完成航迹规划任务。所学规划策略在未知环境或新任务中具备泛化能力。
朱强[4](2020)在《高性能数值微分博弈 ——一种机器智能方法》文中进行了进一步梳理人工智能,是指由人制造的机器所表现出的智能。在工业革命时代,我们通过思考制造机器;而到了人工智能时代,我们制造会思考的机器。在人工智能革命前,所有人类生产技术和生产方式的革命均可称为人类学习和发现的过程,是人类大脑的专利。而放眼未来,人工智能终将继承人类的这一特质。人工智能对未来的改变,是对我们一点一滴形成知识体系过程本身的自动化,是用机器取代人类过程本身的自动化。人工智能技术从概念提出到今日蓬勃发展已历经几个世纪,在此过程中弱机器意识问题的理论体系以及实际应用日趋完备,同时机器行为学也得到了迅猛发展。而在下一代人工智能技术发展中,科学家们试图把机器视为可以独立思考的个体,从而研究强机器意识问题。但目前我们对此问题仍没有足够深刻而统一的认识,且现阶段面临着诸多方向性和技术性的难题,所以我们当下的研究重点仍然放在无意识的人工智能领域技术和基本原理的突破上。本文将从机器智能研究和机理建模的角度来研究无意识人工智能技术。机器智能是利用机理建模的方法描述一个系统内部运作的机制,同时配以控制论和优化理论作为决策辅助,从而实现机器的智能决策和最优操作。机器智能不再是一种简单的仿人智能,也不再依赖于人类所谓的“最优经验”和海量的数据样本,而是基于对机器系统内部特征的充分认识构建机理模型,之后利用数学物理方法进行科学决策的一种智能技术。机理建模技术在机器智能中充当着重要角色,是机器智能的决策基础,其可以在大范围内描述系统的非线性特征,具有较好的外推能力,适应性强。在使用上述技术思路研究无意识人工智能技术时,假设我们对机理模型已经有了充分认识,则机器智能科学决策中的相关控制理论和最优化理论就是本文最重要的研究内容。为处理当前万物互联背景下各种利益关系中多智能体系统的智能决策和最优操作问题,本文基于微分博弈理论和数值优化技术构建了一套高性能微分博弈数值优化算法,来对机理建模后的系统进行智能决策和最优操作分析,从而建立了一种机器智能方法来支撑人工智能研究。本文主要研究内容概括如下:1.微分博弈基本理论的介绍及已有求解算法的构造及验证。首先,本文针对微分博弈理论的基本概念、分类及性质做了详实的介绍,同时还介绍了目前较为成熟的微分博弈求解算法,如解析法、数值间接法及启发式算法等。在此基础上,本文针对三类典型的微分博弈,即竞争对抗微分博弈、非合作微分博弈及合作微分博弈进行求解框架分析,赋予每种微分博弈实际的工业、军事应用背景,构建每种微分博弈的数学优化命题,并利用成熟的计算方法进行仿真求解。2.微分博弈问题数值优化求解算法。针对传统微分博弈求解算法存在的缺陷,本文从数值直接求解算法入手,用以克服已有算法的不足,从而保证各种复杂场景、各种利益关系下的微分博弈问题成功求解。本文提出了两种数值直接求解算法:联立迭代分解正交配置法(SOCD,Simultaneous Orthogonal Collocation Decomposition)和联立直接间接混合法(SSD,Simultaneous Semi Direct)。前者的算法核心是:先将微分博弈中的极大极小化问题分解为两个轮流交替求解的普通动态优化子问题,之后针对每个子问题采用正交配置法将其离散化为非线性规划(NLP,NonLinear Programming)问题,最后求解该NLP问题,直到优化结果成功收敛为止。后者的算法核心是:先使用间接法得到某一位玩家A动态优化问题的一阶最优性必要条件,之后使用直接法求解另一位玩家B的动态优化问题,同时把玩家A的一阶最优性必要条件当作是玩家B动态优化问题中的约束来看待。这样就可以分别使用间接法和直接法来获得玩家A和B的微分博弈最优策略。本文对上述两种算法的细节进行了详细描述,同时配以工业、军事等领域仿真案例加以解释说明。此外,本文还提出了滚动时域优化算法(RHO,Receding Horizon Optimization),用于求解不确定性微分博弈问题。3.微分博弈问题高性能数值优化求解算法。在实际的微分博弈数值优化求解过程中,我们还面临着来自优化求解收敛性、实时性及准确性方面带来的诸多挑战。首先,对于增强微分博弈问题数值优化求解算法的收敛性,本文分别提出了基于回溯同伦法(HBM,Homotopy-based Backtracking Method)的初值化生成策略以及收敛深度控制算法(CDC,Con-vergence Depth Control),用以保证优化求解的收敛性并提高收敛过程的计算效率。其次,为了解决微分博弈动态优化问题在线求解计算耗时长,优化收敛难的问题,本文提出了一种基于灵敏度信息的微分博弈优化求解实时性提升算法(SRI,Sensitivity-based Real-time Im-provement)。该算法利用当前 NLP 问题优化结果的灵敏度信息实现在线预估未来优化周期内的微分博弈近似最优解,同时通过背景计算和离线矫正等手段进一步提升预估解的精度,从而保证既快又准地获得微分博弈动态优化问题的最优解。最后,为了提高微分博弈优化求解的精度并保证求解结果的最优性,本文提出了改进的hp自适应网格精细化策略(mhp-AMR,modified hp-Adaptive Mesh Refinement),该策略分别通过自适应调整网格个数以及插值多项式的阶次来精准捕捉控制变量的跳变点位置以及保证用来近似控制变量和状态变量的曲线足够光滑,从而提高微分博弈优化求解的准确性并保证求解结果的最优性。4.微分博弈问题数值优化求解算法结果稳定性分析。在实际应用场景中,除需要关注微分博弈问题如何求解、如何极大化目标函数以及如何提升优化算法的性能外,我们还需要关注微分博弈系统在优化求解过程中是否一直保持稳定。我们首先提出了一种针对微分博弈数值求解算法优化结果稳定性分析的理论分析工具——输入状态实际稳定性(IS p S,Input-to-State practical Stability)。之后,本文基于ISpS对不确定性微分博弈、合作微分博弈以及非合作微分博弈问题进行了优化结果稳定性分析并给出了相关证明。最后,本文通过工业仿真案例对微分博弈数值求解算法优化结果稳定性分析进行了有效性验证。
吴奎贤[5](2020)在《最大κ-Plex算法和极大κ-Plex枚举算法研究》文中研究表明团是图论中检测凝聚子图的重要概念之一,并广泛应用于人工智能和数据挖掘等领域。团要求其顶点间两两相邻,但是该限制条件在实际应用中过于严格,因此作为团的一种松弛形式,κ-Plex允许其顶点之间存在边的缺失,在识别凝聚子图时起到了更重要的作用,近年来对κ-Plex相关算法的研究受到了广泛的关注。在给定的图中寻找包含顶点数量最多的κ-Plex,即最大κ-Plex问题,是该领域的研究热点,同时为了更好的分析图的内在结构,极大κ-Plex枚举算法也备受关注。近些年,针对上述κ-Plex问题的算法被相继提出,并在社交网络分析、生物信息学等方向发挥了重要作用。本文首先针对最大κ-Plex问题,研究了分支限界算法中的启发式策略。提出了两种高效的分支顶点顺序启发式策略以加快搜索速度,一种是通过收集子图约减过程中的顶点历史信息,根据顶点的历史信息选择分支顶点;另一种则结合顶点历史信息和顶点的度进行分支顶点的选择。同时,本文还根据顶点的度提出了一种顶点约减程度的启发式策略从而避免无效约减和耗时。本文将所提出的启发式策略整合在分支限界算法中,并对这些启发式策略进行了验证,实验结果表明所提出的启发式策略对求解效率有显着的提升。另一方面,对于极大κ-Plex的枚举问题,本文结合多种约减规则设计了一个枚举极大连通κ-Plex的分支限界算法,并提出两个剪枝规则从而避免了重复搜索不包含极大κ-Plex的分支,同时对算法回溯阶段的约减过程进行了参数化设置,并利用参数优化工具irace对参数进行优化。一系列对比实验表明,本文所提出的枚举算法在计算效率上优于最近提出的κ-Plex枚举算法。
刘伟[6](2020)在《非凸问题鞍点计算的新算法及其应用研究》文中指出本文研究非凸问题鞍点计算的新算法及其应用,主要内容分为四个部分.第一部分,我们研究计算无约束鞍点的基于新的优化策略的局部极小极大方法(LMM).首先,我们给出一类推广的局部极小极大原理,并从连续动力学的角度理解LMM能以稳定方式计算不稳定鞍点的数学本质.然后,我们在使用一般下降方向的LMM算法框架下,系统地讨论各种步长搜索准则的可行性,并建立完整的全局收敛性结果.这使得各种高效的优化策略可以应用到LMM算法中.特别地,我们提出全局收敛的Barzilai-Borwein(BB)型LMM、共轭梯度型LMM和L-BFGS型LMM三类新的LMM算法,用于改进传统LMM算法的计算效率.最后,我们将新的LMM算法应用于几类半线性椭圆边值问题、带非线性边界条件的椭圆问题和Kirchhoff型拟线性非局部问题的多解计算,并比较不同LMM算法的数值性能.广泛的数值结果表明,这三类新的LMM算法能显着地提高传统LMM算法的计算效率.第二部分,我们研究计算无约束鞍点的基于新的优化策略的虚拟几何对象型LMM(VGOLMM).首先,基于对一类广义的VGOLMM动力系统的分析,我们提出使用一般下降方向的广义VGOLMM算法框架,并在这一框架下讨论不同步长搜索准则及相应的全局收敛性.许多高效的优化策略可以用于实现该VGOLMM算法框架.由于BB策略的简单性和高效性,我们提出使用BB型步长的VGOLMM算法.最后,我们将新的VGOLMM算法应用于散焦型非线性Schr?dinger方程和一类Allen-Cahn型奇异摄动Neumann问题的多解计算,得到了丰富的数值结果.数值结果表明,使用BB型步长的VGOLMM算法比原始VGOLMM算法的收敛更快.第三部分,我们研究计算玻色-爱因斯坦凝聚体(BEC)基态解的精确、高效的新算法.BEC的基态解通常定义为相应的Gross-Pitaevskii(GP)能量泛函在某些约束条件下的最小值点,离散归一化梯度流法(GFDN,或虚时间演化法)是计算BEC基态解的最主要的方法之一.我们以单组分BEC和spin-1 BEC模型为例,通过分析和数值实验说明,采用基于GFDN的几种典型时间离散格式计算BEC基态往往会得到误差依赖于时间步长的不准确的结果,这是本文的一个重要发现.为了改进GFDN,我们提出计算BEC基态解的带Lagrange乘子的梯度流法(GFLM),并证明基于GFLM的各种典型的时间离散格式均能与基态解的Euler-Lagrange方程精确匹配.进一步,我们将GFLM推广到具有挑战性的一般spin-F BEC模型,并研究确定投影常数的方法.由于精确投影方法往往在计算上比较复杂或缺乏投影常数的存在唯一性保证,我们提出两类非精确投影策略,使得投影常数可以直接显式计算,并估计它们的约束违反度.最后,我们给出spin-1,spin-2和spin-3情形的广泛的数值结果以及观测到的一些非常有趣的基态现象.第四部分,我们研究计算约束鞍点的新算法并应用于BEC激发态计算.首先,我们提出计算一般约束鞍点的约束最柔上升动力学(CGAD)方法,证明其稳定平衡点是具有对应指标的约束鞍点,并对一类理想化的CGAD建立约束鞍点附近的局部指数收敛性.然后,我们将CGAD应用到BEC模型的激发态计算.由于BEC的激发态对应于GP能量泛函在某些约束条件下的能量高于基态的临界点,因此GP能量泛函的约束鞍点一定是激发态解.我们应用CGAD计算单组分BEC模型对应的GP能量泛函在单位球面约束下的鞍点,并设计基于(半隐)向后向前Euler时间离散格式和Gram-Schmidt正交规范化过程的高效数值格式.最后,我们基于一维和二维数值实验,发现了一些新的激发态解和有趣的物理现象.
曹锋[7](2020)在《一种基于矛盾体分离演绎的一阶逻辑自动定理证明器研究》文中提出自动推理是人工智能重要的组成部分,主要包括命题逻辑求解和一阶逻辑定理证明。一阶逻辑系统相比命题逻辑系统具有更丰富的表达能力,许多的现实问题都可用一阶逻辑表示。因此,对于一阶逻辑自动定理证明器的研究具有重要的学术价值和广泛的应用前景。目前一阶逻辑自动定理证明器普遍采用浸透算法演绎框架和二元归结方法。浸透算法是一种局部的演绎框架,其子句的选择效率对于启发式策略的要求非常高。二元归结方法每次有且只有2个子句进行归结,只消去一组互补对文字,导致归结式文字数较多,其演绎机制存在潜在的提升空间。矛盾体分离规则是徐扬教授提出的一种多元演绎方法,该方法突破了传统二元归结方法每次限定只有2个子句参与演绎,每次只消去1组互补对文字的限制,具有很多优良的演绎特性。本文重点研究了基于矛盾体分离理论的一阶逻辑自动定理证明器的各个组成部分、系统构建、演绎过程验证和实验评估,设计实现了基于矛盾体分离演绎的一阶逻辑自动定理证明器、基于矛盾体分离演绎的一阶逻辑自动定理证明融合系统、基于矛盾体分离演绎的一阶逻辑自动定理证明验证检查工具,包含了用于一阶逻辑自动定理证明的整个体系。在矛盾体分离理论方面,提出了一种矛盾体分离演绎子句约简规则,能通过分析演绎特点高效地对子句进行约简,并证明了方法的可靠性。提出了几种矛盾体分离演绎方法,缩减了矛盾体分离演绎的路径搜索空间。在一阶逻辑子句集预处理方法上,针对当前一阶逻辑自动定理证明器中的预处理技术采用基于符号相关性的方法,提出了一种基于刻画文字间演绎距离的子句集预处理方法,能有效地对子句集进行约简。将该方法应用于一阶逻辑自动定理证明器Vampire(国际证明器竞赛排名第一)中,一定程度上提高了其定理证明的能力。研究了基于矛盾体分离演绎的启发式策略,通过分析矛盾体分离演绎过程中的路径搜索决策,提出了子句选择策略、文字选择策略、矛盾体分离式评估策略、矛盾体分离式演绎控制策略,有效地优化了矛盾体分离演绎路径的搜索。基于不同的路径搜索方案,提出了3种有效的矛盾体分离演绎算法,分别称为基于较优子句的矛盾体分离演绎算法、基于优化演绎路径的矛盾体分离演绎算法,基于充分使用子句的矛盾体分离演绎算法。在演绎过程中能通过回溯机制搜索较优的路径,从而提高了路径搜索的效率。在定理证明过程中,提出了一种基于起步子句迭代演绎的路径搜索算法,有效地规划了矛盾体分离演绎的搜索路径,且能提升子句参与矛盾体分离演绎的充分性。设计和实现了基于矛盾体分离演绎的一阶逻辑自动定理证明器CSE,并正式发布3个符合国际标准的版本(CSE 1.0、CSE 1.1和CSE 1.2),并参加了近2年的国际一阶逻辑自动定理证明竞赛,其性能都超过了知名证明器Prover9。CSE证明器可用于对一阶逻辑定理进行自动证明,支持命令行运行方式和界面运行方式,支持策略的多种使用方法。以来自TPTP中的定理作为测试例,CSE证明器超过了许多知名的一阶逻辑自动定理证明器,能证明一些其它证明器无法证明的定理。研究了CSE与其它证明器的融合方法,提出了2种融合方法用于不同难度系数的一阶逻辑定理判定。选取了一阶逻辑自动定理证明器Vampire(国际证明器竞赛排名第一)和Eprover(国际证明器竞赛排名第二)进行融合,设计实现了2套融合系统CSE_V和CSE_E,其中CSE_E在参与的2018年国际一阶逻辑自动定理证明器竞赛中获得了第二名(标准一阶逻辑问题组)。支持不可满足问题和可满足问题判定。以一阶逻辑自动定理证明器国际竞赛例进行测试评估,CSE_V和CSE_E定理证明能力都超过了融合的证明器本身(Vampire、Eprover)。此外,CSE融合系统还证明了一批Rating等于1的定理。研究了CSE证明器和CSE融合系统的演绎过程验证方法,设计实现了2套系统的演绎过程验证检查工具,有效地保障了演绎的正确性。
李应博[8](2020)在《SQL注入攻击检测与防御关键技术研究》文中认为SQL注入攻击是当前Web应用面临的最为严重的安全威胁之一,其作为一种代码注入式攻击,常常以Web应用的后台数据库为最终攻击目标,利用应用程序对用户输入的验证缺陷,通过构造具有攻击功能的字符串实现攻击者的目的。SQL注入攻击与正常用户请求一样都是利用HTTP协议进行访问,发出的攻击请求与合法请求并无区别,普通防火墙不能对其进行阻断拦截,当SQL注入攻击发生时,网络流量以及用户行为均不会有明显变化,通常具有很强的隐蔽性,因此往往会难以察觉。故而如何有效进行SQL注入攻击的检测及防御是当前Web安全研究中的重点与难点。本文针对SQL注入攻击的检测与防御关键技术进行深入研究,所做的主要工作及创新点如下:1、当前针对SQL注入攻击检测与防御进行的研究,通常依靠一种或简单几种方法结合的方式进行SQL注入攻击的防护,这种方式很容易造成单点失效从而导致防御失效。对于此问题,以任务为驱动,结合SQL注入攻击检测技术、代码层防御以及平台层防御等技术,从不同角度出发,设计面向SQL注入攻击的检测防御整体框架,以应对灵活多变的Web环境中的SQL注入问题,从而弥补现有检测防御技术在面对复杂环境下的SQL注入攻击问题时缺乏有效整体框架而导致的防御不全面的缺点。首先对框架的设计思想进行阐述,然后设计框架结构,并对其组成与功能进行描述,基于所设计的框架给出应用流程,最后对框架的可行性、框架中所涉及的技术及框架特点进行了分析。2、当SQL语句数据集中包含常规词与包含敏感字符的语句数量相等或相近时,基于词频逆文档频率算法(Term Frequency Inverse Document Frequency,TFIDF)向量化SQL语句所得特征向量表征性较弱从而导致SQL注入攻击检测性能变差。提出基于改进TFIDF算法(Improved TFIDF,ITFIDF)的SQL注入攻击检测方法。首先对TFIDF算法进行改进:在分词的逆文档频率计算公式中引入与该分词相关的语句数量参数,以解决TFIDF算法在某些情况下特征向量表征性较弱的问题;其次基于ITFIDF算法重新设计了SQL语句文本向量化算法;然后基于支持向量机(Support Vector Machine,SVM)算法实现SQL注入攻击检测,利用序列最小最优化算法(Sequential Minimal Optimization,SMO)具有的高效求解复杂二次规划问题的特性,将SMO和SVM相结合以解决SVM求解最佳超平面函数速率低的问题。实验结果表明,与同类别的其他方法相比,所提方法具有更高的查准率、召回率及F-score。3、结合关键字过滤与序列比对过滤技术,提出一种基于LD(Levenshtein Distance)算法的SQL注入攻击过滤方法(SQL Injection Attacks Filtration,SQLIAF)。首先利用黑名单技术,从IP角度对非法用户进行过滤,进而缩小用于过滤的流量规模。其次对用户输入进行关键字检测:若不含关键字,利用LD算法序列比对的方法对非法输入进行过滤;若包含关键字则区分用户请求方式,采用直接加入黑名单的方式或利用LD算法进行处理,以解决传统关键字过滤方法对正常请求的误报问题。实验结果表明,与传统关键字过滤方法和规则匹配过滤方法相比,所提方法能有效过滤SQL注入攻击,且误报率及漏报率更低、过滤速度更快。4、结合研究的关键技术,通过集成SQL注入漏洞复现功能、基于ITFIDF算法的SQL注入攻击检测分步实现功能、基于LD算法的SQL注入攻击过滤分步实现功能以及SQL注入攻击检测防御应用功能,基于ASP.NET.MVC框架设计了SQL注入攻击检测防御应用模块。首先对所提应用模块的设计需求、设计目标及设计原则进行分析,然后对模块的总体结构及各个子功能进行设计,并对每个功能模块的具体实现方法进行描述,最后给出具体的应用实例。
周戈[9](2020)在《面向不确定环境的运行时验证关键技术研究》文中认为随着人类社会的不断发展,软件的规模日益复杂,形式也众彩纷呈。但是软件危机就像一个如影相随的恶魔,经常在不经意中给人类造成损失。尤其是关乎国计民生的领域,对安全更加十分重视。金融、国防、航空航天等领域部署的软件,更是安全攸关。如何抵御“恶魔”?一方面,软件工程提出一整套的理论来帮助人们在软件开发过程中按照规范的流程来生产;另外一方面人们研究各种的软件质量保证技术来检测生产出来的软件是否可靠,测试、模型检验、符号执行等技术应运而生。运行时验证技术也是种软件质量保证技术,主要用于监控目标系统的运行轨迹是否符合预期规约。它可以被应用于软件部署后,因而可以检测与运行环境相关的监控需求;另外运行时验证技术还是种轻量级的数学形式化的验证方法,不同于测试技术对于复杂系统路径难以全面覆盖以及使用模型检验技术可能状态爆炸的问题,运行时验证技术只针对监控目标的当前运行轨迹;运行时监控器由监控规约进行数学形式化处理产生,所以其判定的结果是可靠的,一般以自动机的形式被部署到监控系统上面。在之前的研究中,有学者提出软件主动监控的技术:通过静态阶段分析目标系统的模型或者代码,提取出有用信息,让运行态监控器能够主动的预测未来系统与监控规约的满足情况。这种技术让运行时验证从只能发现问题后报警,到能够提前实现预判,为干预留有了时间,从而为避免软件失效的留有可能。软件主动监控技术极大的扩展了运行时验证技术的应用空间。正是由于运行时验证技术的这四个优点:可被应用于软件部署后、轻量级、数学形式化的方法、可预测的技术,因而被广泛的应用于各行各业。本文主要研究把运行时验证方法用于具有不确定性特征的环境和系统时,如何提升对时序性质监控的量化预测能力,具体工作和创新点包括:(1)为了提高运行时验证对性质违背的预测能力,人们已提出了基于模型的方法、基于程序分析的方法等。但对于没有模型和代码、存在不确定性行为的黑盒类系统,这些方法难以适用。对此,本文提出一种通过机器学习来学习系统确定行为的概率模型、并部署运行时概率监控器的方法。首先,根据监控规约中的事件,从待监控目标的日志库中提取出相应的历史轨迹集合,再通过机器学习的方法从这个轨迹库中构建出符合观测日志的马尔可夫模型。根据学习到的概率模型和规约性质生成迁移系统,进一步综合成运行时概率监控器,用来预测不确定环境下的目标系统对性质违背的概率。概率监控器的优势是能以定量的方式分析出当前系统状态满足或者违背监控规约的可能性,从而以预测系统运行对性质违背的趋势。(2)运行时验证技术应用于分布式系统的时候,会因为通讯等问题存在事件丢失现象,监控效能难以保证。当面对有时序要求的监控规约,常用的方式是将每个节点发生的事件打上时间戳,监控器根据事件的时间戳进行集中判定。但对于分布式系统,尤其是环境和其节点空间位置都在不断变化的动态分布式系统来说,延迟甚至是丢包等问题经常出现,难以从根本上解决。本文提出一种针对分布式系统,基于历史数据,在缺失部分事件信息的情况下,依旧能做出判定的概率监控器生成方法。这个方法首先根据监控事件学习产生概率模型,在监控器因为缺失信息无法判定的时候,概率模型能帮助运行时监控器计算缺失信息在各个位置的可能性,从而得到当前系统状态与性质规约的满足度。实验表明,这种方法对于分布式系统的运行时监控能有效地提升监控效果,有很强的实用性。(3)运行时验证技术在应用中,将不可避免的加大被监控系统的开销,如何有效的减小监控对目标系统的影响,是一个重要的研究内容。本文针对一些具有同构特征的性质,提出种基于模板的运行时验证方法。该方法能有效减少监控器本身带来的冗余,在把监控器以插装的形式植入目标系统时,也能减轻对目标系统的影响。此外,还提出回溯机制来优化运行时验证过程,回溯机制能针对一类特殊性质减少对目标系统的插装点,从而提高运行时验证的效率。(4)在上面提出模型学习的方式来构造概率监控器时,为了提高模型学习的效率,本文研究了增量式的运行时验证方法。在通过构建目标系统和不确定环境的概率模型时,提出了基于增量式隐马尔科夫模型构造的运行时验证技术,可以通过单点数据触发、数据集触发、时间触发等不同模型来高效更新学习到的模型,从而使运行时验证能够体现最新的模型学习结果,并通过实验表明了增量式模型构造方法对比非增量式方法的优势。
王纪凯[10](2020)在《基于多源不确定性建模的移动机器人室内全局定位方法研究》文中研究说明移动机器人全局定位是导航系统中基础而重要的模块之一。移动机器人执行任务必须以对自身的位姿进行精确而稳定地估计为前提。移动机器人通过将当前观测与已有的环境地图进行匹配以对自身的位姿进行估计。在这一过程中,移动机器人自主定位受到多源不确定性的影响。这些不确定性包括观测不确定性和特征位置关联不确定性。其中,环境条件、传感器噪声以及信息传递噪声导致观测信息与真实的物理信息存在偏差。同时,机器人对环境认知能力不足,导致机器人对当前观测到的特征的全局位置的估计存在不确定性。这两种不确定性都影响机器人对自身所在位置的估计。后者的影响导致机器人不确定自己位于环境中哪个区域,前者主要导致机器人不确定自身的具体位姿。因此,研究面向定位任务的不确定性信息建模方法,在此基础上构建环境信息存储、检索以及信息关联与推理方法,对提升移动机器人全局定位系统的性能至关重要。本文借鉴定性推理方法、概率理论、机器学习方法等不确定性信息表达与处理方法的优点,针对观测不确定性和特征位置关联不确定性进行建模,提出了一些新的全局定位方法,以提高移动机器人自主导航过程的稳定性、高效性和智能性。为了提高对观测不确定性信息的处理能力,必须建立与信息特性相适应的信息表达与处理模型。本文结合定性推理方法和概率理论,提出了定性粒子滤波器以提升基于激光的全局定位性能。为了提高对特征关联不确定性的处理能力,必须提升特征表达与关联模型的性能和特征关联推理方法的性能。本文基于回归森林模型,建立了几何地图、点特征地图、线段特征地图和拓扑地图的自主表达模型,实现对特征关联不确定性的有效建模,并提出了基于改进随机一致性采样方法的特征关联概率推理机制。本文的主要工作和创新点如下:1)针对基于激光的全局定位过程中移动机器人状态概率分布内涵不明确的问题,结合定性推理方法与贝叶斯方法,建立了定性粒子滤波器,并在此基础上提出了全局定位方法。该方法将环境地图表示为定性粒子及其预期观测的集合。在线状态迭代估计过程中,针对状态转移模型和观测模型参数不确定的问题,提出了状态定性转移模型与定性观测模型。基于定性模型实现对机器人位姿可能分布区域的完备估计与覆盖,利用可能性区域内包含的粒子对机器人的真实状态分布进行内涵估计。最后,建立了上下文的概率传递模型,实现上下文观测信息融合,以降低位姿假设不确定性。实验结果表明,所提出方法对于状态转移模型的建模误差具有较高的鲁棒性。同时,由于能够自适应调整粒子规模,所提出方法具有较高的计算效率。2)在视觉全局定位过程中,针对由环境中存在的重复纹理和结构导致的相机位姿估计存在不确定性的问题,本文提出了一种基于回归森林的特征位置关联不确定性建模以及相应的视觉全局定位方法。该方法包括离线的环境模型自主学习和在线的相机位姿推理过程。首先,利用回归树构建环境拓扑结构的自主学习模型,形成拓扑回归树,实现了拓扑地图的自主生成。进一步,利用回归森林对视觉点特征与几何空间位置的关联不确定性进行自主建模与管理,形成了特征点回归树。在线定位过程中,利用拓扑回归树对机器人进行拓扑定位,然后在拓扑节点内利用特征点回归树进行精细的几何定位。这种层次化的全局定位策略极大提升了定位过程中几何推理的效率。在此基础上,提出了一种基于图模型的特征关联推理方法,实现对特征空间位置预测的优化和相机的精确全局定位。在公开数据集的实验结果表明,本文方法能够在室内场景下取得较高的全局定位精度。3)为进一步提升视觉全局定位方法在不同类型场景下的适应能力,本文提出了一种基于多元几何信息的视觉全局定位方法。首先,建立了基于回归森林的环境点特征地图、线段特征地图以及稠密点云地图的特征-空间位置映射的自主学习方法。形成的点特征回归树和线段特征回归树,能够对观测到的点特征和线段特征进行全局空间位置预测。同时,在定位过程中,为了对环境表面的几何细节进行快速检索,利用回归树对环境稠密地图进行压缩表示。在线定位过程中,利用学习到的模型预测当前观测到的点和线段特征的三维空间位置,然后根据预测位置进行相机位姿估计。在位姿假设产生的过程中,构造了堆栈RANSAC框架,并利用环境稠密地图的压缩表示对位姿假设进行筛选。实验结果表明,本文方法在多种类型场景下都具有较高的全局定位性能。
二、基于构造过程参数化方法的约束回溯机制研究(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于构造过程参数化方法的约束回溯机制研究(论文提纲范文)
(1)无线自组网中的协作定位关键技术研究(论文提纲范文)
致谢 |
摘要 |
Abstract |
符号对照表 |
缩写词列表 |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.2.1 协作定位数据融合方法 |
1.2.2 节点选择和资源分配 |
1.2.3 信息实时性 |
1.3 论文主要内容和结构安排 |
第二章 协作定位基础理论 |
2.1 引言 |
2.2 协作定位系统模型 |
2.3 定位融合方法 |
2.3.1 非贝叶斯定位方法 |
2.3.2 贝叶斯定位方法 |
2.4 协作定位系统误差评价指标 |
2.4.1 均方误差、均方根误差和累积分布函数 |
2.4.2 平方定位误差界 |
2.5 本章小结 |
第三章 移动自组网中协作定位数据融合方法设计与性能分析 |
3.1 引言 |
3.2 基于节点运动状态约束的协作定位算法 |
3.2.1 系统模型 |
3.2.2 基于EKF的外层位置信息更新算法 |
3.2.3 基于和积算法的内层测量信息融合算法 |
3.2.4 节点位置的迭代求解 |
3.3 扩展时空域联合协作定位模型 |
3.4 扩展时空域联合协作定位问题 |
3.4.1 集中式定位问题 |
3.4.2 分布式定位问题 |
3.5 扩展时空域联合协作定位性能分析 |
3.5.1 集中式性能分析 |
3.5.2 分布式性能分析 |
3.6 仿真结果与分析 |
3.6.1 基于节点运动状态约束的协作定位算法仿真与分析 |
3.6.2 扩展时空域联合协作定位模型仿真与分析 |
3.7 本章小结 |
第四章 资源受限的无线协作自组网中节点选择和资源分配算法 |
4.1 引言 |
4.2 系统模型和优化问题 |
4.2.1 系统模型 |
4.2.2 优化问题 |
4.3 PDD优化框架介绍 |
4.4 隐式能量约束条件下的节点选择算法 |
4.4.1 问题转化 |
4.4.2 基于PDD的节点选择算法 |
4.5 显式能量约束条件下的联合节点选择和功率分配算法 |
4.5.1 问题转化 |
4.5.2 基于PDD的联合节点选择和功率分配算法 |
4.6 仿真结果与分析 |
4.6.1 节点选择算法仿真与分析 |
4.6.2 联合节点选择和功率分配算法仿真与分析 |
4.6.3 算法复杂度分析 |
4.7 本章小结 |
第五章 受信息实时性影响的无线协作自组网性能分析与算法设计 |
5.1 引言 |
5.2 系统模型 |
5.3 定位性能分析 |
5.3.1 单个超帧的定位性能分析 |
5.3.2 多个超帧的定位性能以及稳定状态的定位性能分析 |
5.4 广播节点选择和时隙分配算法 |
5.4.1 问题描述 |
5.4.2 广播节点选择算法 |
5.4.3 时隙分配算法 |
5.5 仿真结果与分析 |
5.5.1 单个超帧的定位性能仿真与分析 |
5.5.2 稳定状态下的定位性能仿真与分析 |
5.5.3 广播节点选择和时隙分配算法仿真与分析 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
作者简历 |
攻读博士学位期间的研究成果 |
(2)网格参数化的高效优化方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究问题与研究意义 |
1.1.1 曲面表示 |
1.1.2 网格生成与处理 |
1.1.3 网格参数化 |
1.1.4 参数化的应用 |
1.2 研究现状与相关工作 |
1.2.1 网格切缝生成 |
1.2.2 低扭曲的网格参数化 |
1.2.3 无翻转几何映射 |
1.2.4 大规模网格的几何处理 |
1.2.5 网格曲面的可展性优化 |
1.3 本文内容及结构安排 |
第2章 预备知识 |
2.1 连续形式下曲面的微分几何理论 |
2.1.1 曲面表示及度量 |
2.1.2 曲面曲率 |
2.1.3 可展曲面 |
2.2 三角网格上的映射和参数化 |
2.2.1 三角网格的表示 |
2.2.2 三角网格的平面参数化 |
2.2.3 映射的扭曲度量 |
2.3 数值优化方法 |
2.3.1 无约束最优化问题 |
2.3.2 线搜索方法 |
第3章 渐进参数化 |
3.1 引言 |
3.2 渐进参数化 |
3.2.1 参考指导的扭曲度量 |
3.2.2 问题描述 |
3.2.3 渐进地构造参考三角形 |
3.2.4 混合求解器 |
3.2.5 算法实现细节 |
3.3 实验与评估 |
3.3.1 算法评估 |
3.3.2 测试数据集 |
3.3.3 在数据集上的实验统计 |
3.4 本章小结 |
第4章 面向大规模网格内存高效的双射参数化 |
4.1 引言 |
4.2 算法描述 |
4.2.1 概述 |
4.2.2 分而治之初始化 |
4.2.3 基于样条空间的下降方向估计 |
4.2.4 基于子网格的优化 |
4.2.5 细节讨论 |
4.3 实验与评估 |
4.3.1 算法评估 |
4.3.2 算法比较 |
4.4 本章小结 |
第5章 法向驱动的网格曲面可展性优化 |
5.1 引言 |
5.2 算法描述 |
5.2.1 三角网格的可展性 |
5.2.2 面向可展性优化的向导法向构造 |
5.2.3 基于联合双边滤波的网格可展性优化 |
5.3 实验与评估 |
5.3.1 算法评估 |
5.3.2 比较实验 |
5.4 本章小结 |
第6章 总结与展望 |
6.1 本文工作总结 |
6.2 未来工作展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
(3)多约束复杂环境下UAV航迹规划策略自学习方法(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.3 论文的主要研究内容及章节安排 |
2 强化学习基本原理与方法 |
2.1 引言 |
2.2 马尔可夫决策过程 |
2.3 强化学习系统框架 |
2.4 强化学习典型方法 |
2.5 本章小结 |
3 多约束复杂环境下航迹规划问题模型研究 |
3.1 引言 |
3.2 航迹表示方法 |
3.3 规划空间模型 |
3.4 无人飞行器约束条件建模 |
3.5 复杂飞行环境建模 |
3.6 航迹优化目标 |
3.7 本章小结 |
4 基于深度强化学习的航迹规划策略自学习方法 |
4.1 引言 |
4.2 满足约束条件的无人飞行器状态和动作设计 |
4.3 基于航迹优化目标的回报函数设计 |
4.4 基于深度强化学习的策略学习方法 |
4.5 本章小结 |
5 航迹规划策略学习效果评估与分析 |
5.1 实验环境以及参数设置 |
5.2 实验结果与分析 |
5.3 本章小结 |
6 总结和展望 |
6.1 研究工作的总结 |
6.2 研究展望 |
致谢 |
参考文献 |
附录1 攻读硕士学位期间发表论文及参与科研项目 |
(4)高性能数值微分博弈 ——一种机器智能方法(论文提纲范文)
致谢 |
摘要 |
Abstract |
1 绪论 |
1.1 人工智能与机器行为 |
1.2 机器智能 |
1.3 微分博弈论 |
1.3.1 微分博弈论发展简史 |
1.3.2 微分博弈论研究现状 |
1.4 高性能数值优化算法 |
1.5 研究内容 |
1.6 论文框架 |
2 微分博弈基本理论 |
2.1 引言 |
2.2 微分博弈理论基础知识 |
2.2.1 非线性与线性微分博弈 |
2.2.2 零和与非零和微分博弈 |
2.2.3 确定型与随机型微分博弈 |
2.2.4 二人与多人微分博弈 |
2.2.5 主从微分博弈 |
2.2.6 定量与定性微分博弈 |
2.3 微分博弈问题计算方法 |
2.3.1 微分博弈问题解析计算方法 |
2.3.2 微分博弈问题数值计算方法 |
2.3.3 微分博弈问题启发式计算方法 |
2.4 三类典型微分博弈问题及仿真算例 |
2.4.1 “冲突制衡”——竞争对抗微分博弈 |
2.4.2 “独善其身”——非合作微分博弈 |
2.4.3 “心有灵犀”——合作微分博弈 |
2.5 本章小结 |
3 微分博弈问题数值优化求解算法 |
3.1 引言 |
3.2 联立迭代分解正交配置法(SOCD)求解微分博弈 |
3.2.1 分解复杂场景下的微分博弈动态优化问题 |
3.2.2 正交配置法离散化微分博弈动态优化子问题 |
3.2.3 SOCD算法的最优性分析 |
3.2.4 SOCD算法仿真案例 |
3.3 联立直接间接混合法(SSD)求解微分博弈 |
3.3.1 SSD算法细节 |
3.3.2 SSD算法初值化策略 |
3.3.3 SSD算法仿真案例 |
3.4 滚动时域优化(RHO)求解不确定性微分博弈 |
3.4.1 RHO微分博弈数值求解算法细节 |
3.4.2 RHO微分博弈数值求解算法仿真案例 |
3.5 本章小结 |
4 微分博弈问题高性能数值优化求解算法 |
4.1 引言 |
4.2 微分博弈数值优化求解收敛性增强算法 |
4.2.1 基于回溯同伦法(HBM)的微分博弈数值优化求解初值化生成策略 |
4.2.2 微分博弈数值优化求解收敛深度控制算法(CDC) |
4.2.3 微分博弈数值优化求解收敛性增强算法仿真案例 |
4.3 微分博弈数值优化求解实时性提升算法 |
4.3.1 基于灵敏度信息的微分博弈数值优化求解实时性提升算法(SRI)背景知识 |
4.3.2 微分博弈数值优化求解SRI算法细节 |
4.3.3 微分博弈数值优化求解SRI算法仿真案例 |
4.4 微分博弈数值优化求解精确性提高算法 |
4.5 本章小结 |
5 微分博弈问题数值优化求解算法结果稳定性分析 |
5.1 引言 |
5.2 微分博弈优化求解结果稳定性分析 |
5.3 微分博弈优化求解结果稳定性分析仿真案例 |
5.4 本章小节 |
6 总结与展望 |
6.1 论文总结 |
6.2 研究展望 |
参考文献 |
攻读博士学位期间主要的研究成果 |
(5)最大κ-Plex算法和极大κ-Plex枚举算法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 κ-Plex问题 |
1.2.1 问题描述 |
1.2.2 κ-Plex相关定义及性质 |
1.3 研究现状与发展趋势 |
1.3.1 最大κ-Plex问题的研究现状与发展趋势 |
1.3.2 极大κ-Plex枚举问题的研究现状与发展趋势 |
1.4 本文主要研究内容 |
1.5 论文组织结构 |
2 最大κ-Plex启发式算法 |
2.1 算法框架 |
2.2 顶点顺序启发式策略 |
2.3 顶点检查启发式策略 |
2.4 本章小结 |
3 极大连通κ-Plex枚举算法 |
3.1 算法框架 |
3.2 剪枝规则 |
3.3 约减过程的参数化 |
3.4 本章小结 |
4 实验与结果分析 |
4.1 最大κ-Plex算法实验结果与分析 |
4.2 极大连通κ-Plex枚举算法实验结果与分析 |
4.2.1 参数分析 |
4.2.2 参数化前后的实验对比结果 |
4.2.3 参数化算法与其它算法的实验对比结果 |
4.3 本章小结 |
结论 |
参考文献 |
附录A 最大κ-Plex算法结果 |
附录B 极大κ-Plex枚举算法结果 |
致谢 |
作者简历及攻读硕士学位期间的科研成果 |
(6)非凸问题鞍点计算的新算法及其应用研究(论文提纲范文)
中文摘要 |
ABSTRACT |
1 绪论 |
第二章 基于新的优化策略的局部极小极大方法(LMM) |
2.1 推广的局部极小极大原理与LMM的动力学观点 |
2.1.1 推广的局部极小极大原理 |
2.1.2 LMM的动力学观点 |
2.2 使用一般下降方向的LMM算法及其全局收敛性 |
2.2.1 使用一般下降方向的LMM算法框架 |
2.2.2 标准化Armijo、Goldstein和Wolfe-Powell型搜索准则 |
2.2.3 非单调搜索准则 |
2.2.4 全局收敛性分析 |
2.3 三类高效的LMM算法 |
2.3.1 全局收敛的Barzilai-Borwein型LMM(GBBLMM) |
2.3.2 共轭梯度型LMM(CGLMM) |
2.3.3 L-BFGS型LMM(LBFGSLMM) |
2.4 应用于非线性边值问题的多解计算 |
2.4.1 半线性椭圆Dirichlet边值问题 |
2.4.2 带非线性边界条件的椭圆问题 |
2.4.3 Kirchhoff型拟线性非局部问题 |
第三章 基于新的优化策略的虚拟几何对象型LMM |
3.1 使用虚拟几何对象的LMM(VGOLMM)介绍 |
3.2 基于广义VGOLMM动力系统的局部极小极大原理 |
3.3 基于新的优化策略的VGOLMM及其全局收敛性 |
3.3.1 广义VGOLMM算法框架 |
3.3.2 几种典型的搜索准则 |
3.3.3 全局收敛性分析 |
3.3.4 基于BB型步长的VGOLMM算法 |
3.3.5 虚拟曲线的实现方法 |
3.4 应用于几类W-型问题的多解计算 |
3.4.1 散焦型非线性Schr?dinger方程 |
3.4.2 Allen-Cahn型奇异摄动Neumann问题 |
第四章 计算玻色-爱因斯坦凝聚体基态解的新算法 |
4.1 GFDN方法的局限性及其改进:带 Lagrange乘子的梯度流法(GFLM) |
4.1.1 计算单组分BEC基态解的GFDN方法介绍 |
4.1.2 计算单组分BEC基态解的GFLM方法 |
4.1.3 多组分BEC情形(以spin-1 BEC为例) |
4.1.4 spin-1 BEC的数值结果 |
4.2 计算一般spin-F BEC基态解的GFLM方法 |
4.2.1 一般spin-F BEC的数学模型和一类广义的CNGF |
4.2.2 计算一般spin-F BEC基态解的GFLM算法框架 |
4.2.3 非精确投影策略及其约束违反度估计 |
4.2.4 数值结果 |
第五章 计算约束鞍点的新算法和BEC激发态模拟 |
5.1 约束鞍点的定义与不稳定性指标 |
5.2 计算一般约束鞍点的约束最柔上升动力学(CGAD)方法 |
5.2.1 最柔上升动力学(GAD)介绍 |
5.2.2 约束最柔上升动力学(CGAD) |
5.2.3 计算高指标约束鞍点的CGAD |
5.3 应用CGAD方法计算单组分BEC激发态 |
5.3.1 线性单组分BEC模型的激发态性质 |
5.3.2 计算单组分BEC激发态的CGAD及其离散格式 |
5.3.3 数值结果 |
总结和未来工作展望 |
参考文献 |
攻读博士学位期间完成论文情况 |
致谢 |
(7)一种基于矛盾体分离演绎的一阶逻辑自动定理证明器研究(论文提纲范文)
摘要 |
Abstract |
符号和缩略词表 |
第1章 绪论 |
1.1 选题背景及意义 |
1.2 国内外相关研究现状 |
1.2.1 子句集预处理方法研究现状 |
1.2.2 启发式策略研究现状 |
1.2.3 推理方法研究现状 |
1.3 论文的主要工作 |
1.4 论文结构安排 |
第2章 矛盾体分离演绎理论 |
2.1 引言 |
2.2 一阶逻辑基础知识 |
2.3 矛盾体分离规则 |
2.4 矛盾体分离约简规则 |
2.5 矛盾体分离演绎的其它形式 |
2.6 小结 |
第3章 一阶逻辑子句集预处理 |
3.1 引言 |
3.2 冗余子句处理 |
3.3 基于演绎距离的子句度量方法 |
3.3.1 文字演绎距离 |
3.3.2 子句演绎距离 |
3.4 基于矛盾体分离演绎的一阶逻辑子句预处理方法 |
3.5 实验与分析 |
3.5.1 实验准备 |
3.5.2 实验结果分析 |
3.6 小结 |
第4章 基于矛盾体分离演绎的启发式策略 |
4.1 引言 |
4.2 启发式策略 |
4.2.1 子句选择策略 |
4.2.2 文字选择策略 |
4.2.3 矛盾体分离式评估策略 |
4.2.4 矛盾体分离演绎控制策略 |
4.3 启发式策略的使用方法 |
4.4 小结 |
第5章 矛盾体分离演绎算法 |
5.1 引言 |
5.2 矛盾体分离演绎算法关键技术 |
5.3 矛盾体分离演绎框架 |
5.4 矛盾体分离演绎算法 |
5.4.1 基于较优子句的矛盾体分离演绎算法 |
5.4.2 基于优化演绎路径的矛盾体分离演绎算法 |
5.4.3 基于充分使用子句的矛盾体分离演绎算法 |
5.5 基于矛盾体分离演绎的路径搜索算法 |
5.6 基于矛盾体分离演绎的全局参数 |
5.7 小结 |
第6章 基于矛盾体分离演绎的一阶逻辑自动定理证明器系统构建 |
6.1 引言 |
6.2 基于矛盾体分离演绎的一阶逻辑自动定理证明器的构建 |
6.2.1 CSE系列证明器的运行方式 |
6.2.2 CSE证明器支持的问题格式 |
6.2.3 CSE证明器问题解析与存储 |
6.2.4 合一项函数最大复杂度动态控制 |
6.2.5 因子归结的实现 |
6.2.6 等词归结的实现 |
6.2.7 CSE证明器演绎过程正确性检查 |
6.3 CSE证明器的实现 |
6.4 CSE证明器性能分析 |
6.4.1 实验准备 |
6.4.2 CSE性能分析 |
6.4.3 CSE矛盾体分离演绎能力分析 |
6.5 小结 |
第7章 基于矛盾体分离演绎的一阶逻辑自动定理证明器融合系统构建 |
7.1 引言 |
7.2 关键技术 |
7.2.1 融合系统结合方案 |
7.2.2 矛盾体分离式筛选方法 |
7.2.3 接口实现 |
7.3 CSE与其它证明器的融合系统构建 |
7.3.1 CSE 融合系统方案一的实现 |
7.3.2 CSE 融合系统方案二的实现 |
7.4 CSE融合系统演绎过程正确性检查 |
7.5 CSE融合系统实验评估 |
7.5.1 实验准备 |
7.5.2 CSE_V性能分析 |
7.5.3 CSE_E性能分析 |
7.6 小结 |
第8章 总结 |
8.1 论文总结 |
8.2 今后工作展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文及科研成果 |
攻读博士学位期间主研的科研项目 |
(8)SQL注入攻击检测与防御关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 SQL注入攻击检测技术 |
1.2.2 SQL注入攻击防御 |
1.3 主要研究内容 |
1.4 论文组织结构 |
第二章 面向SQL注入攻击的检测防御框架设计 |
2.1 SQL注入产生过程 |
2.1.1 构造动态字符串 |
2.1.2 不安全的数据库配置 |
2.2 框架设计 |
2.2.1 框架基本结构 |
2.2.2 框架的组成与功能 |
2.3 基于框架的应用流程 |
2.4 框架分析 |
2.5 本章小结 |
第三章 基于改进TFIDF算法的SQL注入攻击检测方法 |
3.1 ITFIDF文本向量化算法 |
3.1.1 TFIDF算法[22] |
3.1.2 ITFIDF算法 |
3.2 SQL注入攻击检测流程 |
3.2.1 基于ITFIDF算法的数据处理方法 |
3.2.2 基于优化SVM算法的SQL注入攻击检测 |
3.3 实验及分析 |
3.3.1 SMO优化下SVM运行效率 |
3.3.2 核函数选取 |
3.3.3 最佳参数的选定 |
3.3.4 性能验证 |
3.4 本章小结 |
第四章 基于LD算法的SQL注入攻击过滤方法 |
4.1 LD序列比对算法 |
4.2 SQLIAF方法 |
4.2.1 SQLIAF方法设计思路 |
4.2.2 SQLIAF方法应用实例 |
4.2.3 方法正确性分析 |
4.3 实验及分析 |
4.3.1 有效性分析及验证 |
4.3.2 性能分析 |
4.4 本章小结 |
第五章 SQL注入攻击检测防御应用模块设计与实现 |
5.1 应用模块设计 |
5.1.1 总体分析 |
5.1.2 结构设计 |
5.1.3 功能设计 |
5.2 应用模块实现 |
5.2.1 系统工作流程 |
5.2.2 功能实现 |
5.3 模块的应用实例 |
5.4 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 展望 |
致谢 |
参考文献 |
作者简历 |
(9)面向不确定环境的运行时验证关键技术研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景 |
1.1.1 软件质量保证技术 |
1.1.2 运行时验证技术概述 |
1.1.3 运行时验证面临的挑战 |
1.2 相关工作 |
1.2.1 运行时验证的主要类型 |
1.2.2 监控器生成方法 |
1.2.3 监控器优化方法 |
1.2.4 监控能力的扩展 |
1.2.5 运行时验证工具 |
1.2.6 概率性质的运行时验证 |
1.3 研究动机 |
1.4 本文的主要工作和创新点 |
1.5 论文结构 |
1.6 本章小结 |
第二章 运行时验证技术 |
2.1 运行时验证的监控规约 |
2.2 运行时验证的监控语义 |
2.3 监控器构造 |
2.4 监控器部署方法 |
2.5 运行时验证过程 |
2.6 运行时软件干预技术 |
2.6.1 运行回滚 |
2.6.2 在线规划 |
2.6.3 运行时代码调控 |
2.6.4 故障隔离与降级 |
2.7 运行时软件主动监控技术 |
2.7.1 基于模型的软件主动监控技术 |
2.7.2 基于静态代码分析的软件主动监控技术 |
2.8 本章小结 |
第三章 基于不确定环境概率模型学习的运行时验证 |
3.1 预备知识 |
3.1.1 图论相关概念 |
3.1.2 离散马尔可夫链DTMC |
3.1.3 隐马尔可夫模型HMM |
3.1.4 Baum-Welch算法 |
3.2 基于学习建立概率模型 |
3.2.1 问题描述 |
3.2.2 构造概率模型过程 |
3.3 概率监控器的生成 |
3.3.1 从LTL到 DRA |
3.3.2 生成运行时概率监控器 |
3.4 实验和评估 |
3.5 本节小结 |
第四章 面向分布式系统非确定性的运行时验证 |
4.1 动态分布式系统运行时验证的挑战 |
4.1.1 动态分布式系统 |
4.1.2 动态分布式系统的概率运行时验证 |
4.2 面向动态分布式系统带概率运行时监控器技术 |
4.2.1 动态分布式式系统及其事件进行建模 |
4.2.2 动态分布式系统的可容错运行时验证 |
4.3 实现与实验 |
4.4 本章小结 |
第五章 基于性质同构与事件回溯机制的监控优化方法 |
5.1 模板监控器生成:单性质、多对象 |
5.2 模板监控器生成:多性质、多对象 |
5.3 运行时验证回溯机制 |
5.4 实验评估和论证 |
5.4.1 模板监控器实验 |
5.4.2 回溯运行时验证效能实验 |
5.5 本章小结 |
第六章 基于增量学习的演进式运行时验证方法 |
6.1 问题描述 |
6.2 基于隐马尔可夫BW算法的增量式模型更新 |
6.2.1 基于BW算法的后向概率增量学习方法 |
6.2.2 基于数据块内迭代的增量学习方法 |
6.2.3 Ensemble Training方法 |
6.2.4 使用联合隐马尔可夫模型的ET方法 |
6.3 实验与评估 |
6.4 本章小结 |
第七章 总结和展望 |
7.1 本文主要工作总结 |
7.2 下一步工作展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
(10)基于多源不确定性建模的移动机器人室内全局定位方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状与分析 |
1.2.1 环境的表达方法 |
1.2.2 移动机器人全局定位 |
1.2.3 全局路径规划方法 |
1.2.4 不确定性信息处理方法 |
1.3 本文主要研究内容 |
1.4 主要工作与章节安排 |
1.4.1 主要工作 |
1.4.2 章节安排 |
第2章 移动机器人环境观测与状态估计模型 |
2.1 引言 |
2.2 环境观测模型 |
2.2.1 激光观测模型 |
2.2.2 视觉观测模型 |
2.3 移动机器人状态估计模型 |
2.3.1 基于激光的移动机器人状态估计 |
2.3.2 基于视觉的移动机器人状态估计 |
2.4 移动机器人路径规划 |
2.4.1 路径规划问题描述 |
2.4.2 环境表达模型 |
2.4.3 路径规划算法 |
2.4.4 路径规划结果 |
2.5 本章小结 |
第3章 基于定性粒子滤波器的激光全局定位方法 |
3.1 引言 |
3.2 定性粒子及环境表达模型 |
3.3 定性运动模型 |
3.4 定性观测模型 |
3.5 全局定位方法 |
3.5.1 粒子集初始化 |
3.5.2 粒子集迭代更新 |
3.5.3 粒子关联 |
3.6 基于定性粒子滤波器的全局定位算法框架 |
3.7 实验验证与分析 |
3.7.1 仿真实验及其分析 |
3.7.2 在线实验 |
3.8 本章小结 |
第4章 基于回归森林的视觉全局定位方法 |
4.1 引言 |
4.2 基于回归森林的环境特征学习 |
4.2.1 特征点回归模型 |
4.2.2 环境拓扑结构学习 |
4.3 在线全局定位 |
4.3.1 点集匹配的图模型构建 |
4.3.2 基于图割的内点集合估计 |
4.3.3 基于回溯策略的预测校正 |
4.3.4 机器人位姿估计优化 |
4.4 算法总体框架 |
4.5 实验验证与分析 |
4.5.1 算法有效性验证与分析 |
4.5.2 公共数据集实验结果 |
4.5.3 在线运行时间分析 |
4.6 本章小结 |
第5章 基于多元几何特征的视觉全局定位方法 |
5.1 引言 |
5.2 基于回归森林的多元几何特征学习 |
5.2.1 线段特征及其参数化表示方法 |
5.2.2 基于回归树的线段特征学习 |
5.2.3 基于回归树的面元特征学习 |
5.3 相机全局位姿估计 |
5.3.1 基于线段特征的位姿假设估计 |
5.3.2 基于堆栈RANSAC的相机位姿估计 |
5.3.3 位姿假设选择 |
5.3.4 位姿优化 |
5.4 算法总体框架 |
5.5 实验验证与分析 |
5.5.1 方法验证 |
5.5.2 数据集实验结果 |
5.5.3 在线实验结果 |
5.5.4 在线性能分析 |
5.6 本章小结 |
第6章 总结与展望 |
6.1 论文总结 |
6.2 工作展望 |
参考文献 |
致谢 |
在读期间发表的学术论文与取得的研究成果 |
四、基于构造过程参数化方法的约束回溯机制研究(论文参考文献)
- [1]无线自组网中的协作定位关键技术研究[D]. 范程飞. 浙江大学, 2021(01)
- [2]网格参数化的高效优化方法研究[D]. 叶春阳. 中国科学技术大学, 2021(09)
- [3]多约束复杂环境下UAV航迹规划策略自学习方法[D]. 邱月. 华中科技大学, 2020(01)
- [4]高性能数值微分博弈 ——一种机器智能方法[D]. 朱强. 浙江大学, 2020(01)
- [5]最大κ-Plex算法和极大κ-Plex枚举算法研究[D]. 吴奎贤. 大连海事大学, 2020(01)
- [6]非凸问题鞍点计算的新算法及其应用研究[D]. 刘伟. 湖南师范大学, 2020(01)
- [7]一种基于矛盾体分离演绎的一阶逻辑自动定理证明器研究[D]. 曹锋. 西南交通大学, 2020
- [8]SQL注入攻击检测与防御关键技术研究[D]. 李应博. 战略支援部队信息工程大学, 2020
- [9]面向不确定环境的运行时验证关键技术研究[D]. 周戈. 国防科技大学, 2020(01)
- [10]基于多源不确定性建模的移动机器人室内全局定位方法研究[D]. 王纪凯. 中国科学技术大学, 2020(01)