检索结果-维普期刊中文期刊服务平台

新一代人工智能技术(ChatGPT)融入博士后发展的现状、风险及治理研究: 1; 作者王修来陈梁《科学管理研究》 CSSCI 北大核心 2024年第2期119-127,共9页; 基于“可供性”的理论范式和TOE的分析框架,结合Nature发布的第二次全球博士后调查数据,在阐述ChatGPT融入博士后发展现状的基础上,对其潜在风险和治理策略予以分析。研究发现,ChatGPT在改变博士后工作流程和思维方式等方面发挥了重要作... 展开更多; 关键词人工智能 ChatGPT 博士后可供性 TOE; 在线阅读下载PDF 职称材料

多智能体路径规划综述被引量：18: 2; 作者刘志飞曹雷 +2 位作者赖俊陈希亮陈英《计算机工程与应用》 CSCD 北大核心 2022年第20期43-62,共20页; 多智能体路径规划(multi-agent path finding,MAPF)是为多个智能体规划路径的问题,关键约束是多个智能体同时沿着规划路径行进而不会发生冲突。MAPF在物流、军事、安防等领域有着大量应用。对国内外关于MAPF的主要研究成果进行系统整理... 展开更多; 关键词多智能体路径规划人工智能搜索分布式强化学习; 在线阅读下载PDF 职称材料

考虑不确定性的多情景应急车辆综合调度模型被引量：2: 3; 作者许钧李筱王修来《中国安全科学学报》 CAS CSCD 北大核心 2023年第11期156-164,共9页; 为提升不同应急情景下各救援力量的联合应急救援效率,降低救援风险,减少财产损失,采用情景分析的方法对应急状态不确定性进行参数估计,引入风险厌恶水平,构建一种以总调度成本和风险最小化为目标的应急车辆综合调度模型;运用非支配排序... 展开更多; 关键词不确定性应急情景应急车辆综合调度模型调度方案风险厌恶水平救援效率; 在线阅读下载PDF 职称材料

纯策略纳什均衡的博弈强化学习被引量：2: 4; 作者王军曹雷 +2 位作者陈希亮陈英赵芷若《计算机工程与应用》 CSCD 北大核心 2022年第15期78-86,共9页; 将博弈理论与多智能体强化学习结合形成博弈强化学习逐渐受到关注,但是也存在算法的计算复杂度高和无法保证纯策略纳什均衡的问题。Meta equilibrium Q-learning算法通过反应函数将原始博弈转换为元博弈,而元博弈推导出的元均衡是纯策... 展开更多; 关键词纯策略纳什均衡强化学习博弈论分形; 在线阅读下载PDF 职称材料

不确定性下的博弈强化学习: 5; 作者陈英王军 +1 位作者陈希亮张启阳《计算机工程与设计》北大核心 2023年第11期3477-3488,共12页; 针对博弈强化学习中环境、信息、和激励函数的不确定性问题,通过对现有博弈强化学习算法的仔细研究和横向比较,以确定性方案、即时方案和适度推理方案3个角度对算法和模型进行系统归纳梳理,剖析多学科领域知识是如何相互融合并解决博弈... 展开更多; 关键词强化学习博弈论不确定性纯策略纳什均衡分形模糊系统智能决策; 在线阅读下载PDF 职称材料

题名新一代人工智能技术(ChatGPT)融入博士后发展的现状、风险及治理研究: 1; 作者王修来陈梁; 机构南京信息工程大学管理工程学院东部战区总医院博士后科研工作站; 出处《科学管理研究》 CSSCI 北大核心 2024年第2期119-127,共9页; 基金国家社科基金一般项目(编号:22BGL282)。; 文摘基于“可供性”的理论范式和TOE的分析框架,结合Nature发布的第二次全球博士后调查数据,在阐述ChatGPT融入博士后发展现状的基础上,对其潜在风险和治理策略予以分析。研究发现,ChatGPT在改变博士后工作流程和思维方式等方面发挥了重要作用,尤其在精炼文本,代码生成和故障排除等领域表现突出。面对ChatGPT“拟人化”和“人性化”的技术幻觉、“道德伦理”和“意识形态”的组织失灵以及“涟漪效应”和“价值滥用”的环境泛化等风险和挑战,需要构建集技术、组织、环境等多维度的韧性治理措施,以此推动新一代人工智能技术在博士后发展中的高效应用,助力其更好地融入数智时代的科研创新。; 关键词人工智能 ChatGPT 博士后可供性 TOE; Keywords Artificial Intelligence ChatGPT Postdoctoral Affordability TOE; 分类号 G64 [文化科学—高等教育学]; 在线阅读下载PDF 职称材料

题名多智能体路径规划综述被引量：18: 2; 作者刘志飞曹雷赖俊陈希亮陈英; 机构陆军工程大学指挥控制工程学院东部战区总医院博士后科研工作站; 出处《计算机工程与应用》 CSCD 北大核心 2022年第20期43-62,共20页; 基金国家自然科学基金(61806221)。; 文摘多智能体路径规划(multi-agent path finding,MAPF)是为多个智能体规划路径的问题,关键约束是多个智能体同时沿着规划路径行进而不会发生冲突。MAPF在物流、军事、安防等领域有着大量应用。对国内外关于MAPF的主要研究成果进行系统整理和分类,按照规划方式不同,MAPF算法分为集中式规划算法和分布式执行算法。集中式规划算法是最经典和最常用的MAPF算法,主要分为基于A*搜索、基于冲突搜索、基于代价增长树和基于规约四种算法。分布式执行算法是人工智能领域兴起的基于强化学习的MAPF算法,按照改进技术不同,分布式执行算法分为专家演示型、改进通信型和任务分解型三种算法。基于上述分类,比较MAPF各种算法的特点和适用性,分析现有算法的优点和不足,指出现有算法面临的挑战并对未来工作进行了展望。; 关键词多智能体路径规划人工智能搜索分布式强化学习; Keywords multi-agent path finding artificial intelligence search distributed reinforcement learning; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名考虑不确定性的多情景应急车辆综合调度模型被引量：2: 3; 作者许钧李筱王修来; 机构南京信息工程大学管理工程学院南京信息工程大学人才大数据研究院东部战区总医院博士后科研工作站; 出处《中国安全科学学报》 CAS CSCD 北大核心 2023年第11期156-164,共9页; 基金国家社会科学基金资助(22BGL282)。; 文摘为提升不同应急情景下各救援力量的联合应急救援效率,降低救援风险,减少财产损失,采用情景分析的方法对应急状态不确定性进行参数估计,引入风险厌恶水平,构建一种以总调度成本和风险最小化为目标的应急车辆综合调度模型;运用非支配排序遗传算法(NSGA-Ⅱ)求解目标函数值,通过仿真案例对比分析考虑情景与不考虑情景2种情况下的求解结果;利用模型分析不同情景下惩罚成本与风险厌恶水平的关系,给出合理风险厌恶水平值,选定最终调度方案。结果表明:该模型与方案能够有效满足不同应急情景下需求点的需求,提高救援效率,解决在情景与风险共同作用下的应急车辆综合调度问题。; 关键词不确定性应急情景应急车辆综合调度模型调度方案风险厌恶水平救援效率; Keywords emergency rescue scenario analysis scheduling scheme risk aversion level rescue efficiency; 分类号 X951 [环境科学与工程—安全科学]; 在线阅读下载PDF 职称材料

题名纯策略纳什均衡的博弈强化学习被引量：2: 4; 作者王军曹雷陈希亮陈英赵芷若; 机构陆军工程大学指挥控制工程学院东部战区总医院博士后科研工作站; 出处《计算机工程与应用》 CSCD 北大核心 2022年第15期78-86,共9页; 基金国家自然科学基金(61806221) 国家部委预研基金。; 文摘将博弈理论与多智能体强化学习结合形成博弈强化学习逐渐受到关注,但是也存在算法的计算复杂度高和无法保证纯策略纳什均衡的问题。Meta equilibrium Q-learning算法通过反应函数将原始博弈转换为元博弈,而元博弈推导出的元均衡是纯策略纳什均衡。该算法在保证纯策略纳什均衡的前提下能够使得每个智能体的回报不低于某特定阈值。同时,基于分形的均衡程度评估模型能够通过计算任意状态的分形维数来判断其稳态,并评估任意状态与均衡状态之间的距离,该模型可以检验元均衡的科学性与合理性,上述算法和模型的相关结论在福利博弈和夺控战中都得到具体验证。; 关键词纯策略纳什均衡强化学习博弈论分形; Keywords pure strategy Nash equilibrium reinforcement learning game theory fractal; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

题名不确定性下的博弈强化学习: 5; 作者陈英王军陈希亮张启阳; 机构东部战区总医院博士后科研工作站金陵科技学院软件工程学院陆军工程大学指挥控制学院; 出处《计算机工程与设计》北大核心 2023年第11期3477-3488,共12页; 基金金陵科技学院高层次人才基金项目(jit-b-201708) 国家自然科学基金项目(61806221) 国防科技重点实验室基金项目(6142101180304)。; 文摘针对博弈强化学习中环境、信息、和激励函数的不确定性问题,通过对现有博弈强化学习算法的仔细研究和横向比较,以确定性方案、即时方案和适度推理方案3个角度对算法和模型进行系统归纳梳理,剖析多学科领域知识是如何相互融合并解决博弈强化学习的各类不确定性问题,指出博弈强化学习研究的重难点和今后的重点发展方向。结合模糊推理系统和分形与分数阶微积分理论给出一些新型解决思路。; 关键词强化学习博弈论不确定性纯策略纳什均衡分形模糊系统智能决策; Keywords reinforcement learning game theory uncertainty pure strategy Nash equilibrium fractal fuzzy system intelligent decision; 分类号 TP181 [自动化与计算机技术—控制理论与控制工程]; 在线阅读下载PDF 职称材料

	题名	作者	出处	发文年	被引量	操作
1	新一代人工智能技术(ChatGPT)融入博士后发展的现状、风险及治理研究	王修来陈梁	《科学管理研究》 CSSCI 北大核心	2024	0	在线阅读下载PDF 职称材料
2	多智能体路径规划综述	刘志飞曹雷赖俊陈希亮陈英	《计算机工程与应用》 CSCD 北大核心	2022	18	在线阅读下载PDF 职称材料
3	考虑不确定性的多情景应急车辆综合调度模型	许钧李筱王修来	《中国安全科学学报》 CAS CSCD 北大核心	2023	2	在线阅读下载PDF 职称材料
4	纯策略纳什均衡的博弈强化学习	王军曹雷陈希亮陈英赵芷若	《计算机工程与应用》 CSCD 北大核心	2022	2	在线阅读下载PDF 职称材料
5	不确定性下的博弈强化学习	陈英王军陈希亮张启阳	《计算机工程与设计》北大核心	2023	0	在线阅读下载PDF 职称材料