在进行实时对抗的任务中,对于敌方的动作识别较为困难,需要根据对方的移动轨迹或行为来分析对方的意图,预测其未来目标,构建规划策略库.针对此问题,提出基于数据驱动的多智能体识别算法,该算法首先采用基于自动机的特征提取方法,获得规...在进行实时对抗的任务中,对于敌方的动作识别较为困难,需要根据对方的移动轨迹或行为来分析对方的意图,预测其未来目标,构建规划策略库.针对此问题,提出基于数据驱动的多智能体识别算法,该算法首先采用基于自动机的特征提取方法,获得规划需要的位置和任务信息;然后将规划识别问题转换为多分类问题,并从单智能体角度切入,给出了一种基于极端梯度提升(extreme gradient boosting,XGBoost)的多分类模型;之后,对于多智能体之间可能存在的合作行为,使用无监督学习的一种基于密度对噪声鲁棒的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)对多智能体进行分簇,以促进协同合作.对于同簇智能体,构建了一种针对多智能体的多分类模型,完成对多智能体的目标预测.在获悉敌方目标后,提出基于博弈的围捕逼停算法,构建非合作动态博弈模型,通过求解纳什均衡得到应对敌方的最优策略.最后,通过仿真验证了所提出算法的有效性.展开更多
形状记忆合金由于其优良的力学特性得到了广泛关注,并形成了一系列具有变革性的创新应用。为了充分提升形状记忆合金结构的力学性能,提出了一种基于实体各向同性材料惩罚模型SIMP(Solid Isotropic Material with Penalization)的形状记...形状记忆合金由于其优良的力学特性得到了广泛关注,并形成了一系列具有变革性的创新应用。为了充分提升形状记忆合金结构的力学性能,提出了一种基于实体各向同性材料惩罚模型SIMP(Solid Isotropic Material with Penalization)的形状记忆合金结构拓扑优化方法。基于ZM宏观唯象本构模型,考虑形状记忆合金材料特性,对拓扑优化过程中引入的中间密度材料的奥氏体和马氏体弹性模量以及相变转变应力进行插值。同时,考虑形状记忆合金本身的材料非线性和结构在大变形下的几何非线性效应,以获得准确的力学响应。采用三密度场法来避免最终设计结果出现的棋盘格现象、网格依赖性和大量中间密度单元。利用超单元法来改善由于低密度单元引起的非线性有限元分析过程的数值不稳定问题。利用伴随法对优化模型中的响应函数进行灵敏度分析。最后,通过二维和三维的数值算例验证了本文的优化设计方法,结果表明本文提出的拓扑优化框架能够对预期性能的形状记忆合金结构方案进行求解。展开更多
文摘在进行实时对抗的任务中,对于敌方的动作识别较为困难,需要根据对方的移动轨迹或行为来分析对方的意图,预测其未来目标,构建规划策略库.针对此问题,提出基于数据驱动的多智能体识别算法,该算法首先采用基于自动机的特征提取方法,获得规划需要的位置和任务信息;然后将规划识别问题转换为多分类问题,并从单智能体角度切入,给出了一种基于极端梯度提升(extreme gradient boosting,XGBoost)的多分类模型;之后,对于多智能体之间可能存在的合作行为,使用无监督学习的一种基于密度对噪声鲁棒的空间聚类算法(density-based spatial clustering of applications with noise,DBSCAN)对多智能体进行分簇,以促进协同合作.对于同簇智能体,构建了一种针对多智能体的多分类模型,完成对多智能体的目标预测.在获悉敌方目标后,提出基于博弈的围捕逼停算法,构建非合作动态博弈模型,通过求解纳什均衡得到应对敌方的最优策略.最后,通过仿真验证了所提出算法的有效性.
文摘形状记忆合金由于其优良的力学特性得到了广泛关注,并形成了一系列具有变革性的创新应用。为了充分提升形状记忆合金结构的力学性能,提出了一种基于实体各向同性材料惩罚模型SIMP(Solid Isotropic Material with Penalization)的形状记忆合金结构拓扑优化方法。基于ZM宏观唯象本构模型,考虑形状记忆合金材料特性,对拓扑优化过程中引入的中间密度材料的奥氏体和马氏体弹性模量以及相变转变应力进行插值。同时,考虑形状记忆合金本身的材料非线性和结构在大变形下的几何非线性效应,以获得准确的力学响应。采用三密度场法来避免最终设计结果出现的棋盘格现象、网格依赖性和大量中间密度单元。利用超单元法来改善由于低密度单元引起的非线性有限元分析过程的数值不稳定问题。利用伴随法对优化模型中的响应函数进行灵敏度分析。最后,通过二维和三维的数值算例验证了本文的优化设计方法,结果表明本文提出的拓扑优化框架能够对预期性能的形状记忆合金结构方案进行求解。
