检索结果-维普期刊中文期刊服务平台

多智能体近端策略优化的动态武器目标分配: 1; 作者宫华王智昕 +1 位作者许可张勇《兵器装备工程学报》北大核心 2025年第7期93-104,共12页; 针对地对空防御作战中武器与目标之间的动态关系,以及多类型武器协同作战的复杂性,研究了动态武器目标分配问题。考虑防护效能与成本之间的冲突关系,以最大化资产生存概率和最小化武器消耗成本为目标,结合武器制导能力、软杀伤武器充能... 展开更多; 关键词地对空防御动态武器目标分配多智能体强化学习近端策略优化策略熵随机噪声; 在线阅读下载PDF 职称材料

智能算法优化XGBoost的聚能-爆破装药比冲量预测被引量：3: 2; 作者刘芳李士伟 +2 位作者卢熹郭策安马元婧《小型微型计算机系统》 CSCD 北大核心 2024年第5期1076-1082,共7页; 为了探索聚能-爆破装药结构、爆破距离等参数与比冲量间的复杂关系,提出一种智能算法优化极端梯度提升(eXtreme Gradient Boosting,XGBoost)的聚能-爆破装药比冲量预测模型.采用相关性分析方法,探寻聚能-爆破装药结构参数、爆破距离参... 展开更多; 关键词聚能装药爆破装药比冲量极端梯度提升粒子群算法蚁群算法; 在线阅读下载PDF 职称材料

基于PSO-CNN-XGBoost水下柱形装药峰值超压预测被引量：4: 3; 作者刘芳李士伟 +1 位作者卢熹郭策安《兵工学报》 EI CAS CSCD 北大核心 2024年第5期1602-1612,共11页; 为探索水下柱形装药结构、爆距等参数与水下柱形装药峰值超压的关系,将装药样本数据视为二维数据,建立粒子群优化(Particle Swarm Optimization,PSO)算法、一维卷积神经网络(1D Convolutional Neural Network,1DCNN)和极端梯度提升(Extr... 展开更多; 关键词水下柱形装药长径比爆距峰值超压粒子群优化算法一维卷积神经网络极端梯度提升; 在线阅读下载PDF 职称材料

基于NanoDet-SimAM小尺寸松材线虫病受害木检测被引量：3: 4; 作者刘芳姜生伟 +1 位作者张峻豪何姗《沈阳工业大学学报》 CAS 北大核心 2024年第4期428-433,共6页; 针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声... 展开更多; 关键词松材线虫病目标检测轻量级网络NanoDet 注意力机制无参注意力迁移学习数据增强小尺寸; 在线阅读下载PDF 职称材料

基于DACO-BP的水下聚能装药峰值超压预测被引量：3: 5; 作者刘芳张峻豪 +1 位作者卢熹郭策安《兵器装备工程学报》 CAS CSCD 北大核心 2023年第6期17-24,102,共9页; 为提高水下聚能装药爆炸冲击波参数预测的准确性和稳定性,基于AUTODYN数值仿真软件获取的装药爆炸仿真数据,提出了动态自适应蚁群算法(dynamic adaptive ant colony algorithm,DACO)优化BP(back propagation)神经网络(DACO-BP)的水下聚... 展开更多; 关键词水下聚能装药峰值超压预测数值模拟 BP神经网络梅森旋转算法蚁群动态自适应蚁群; 在线阅读下载PDF 职称材料

题名多智能体近端策略优化的动态武器目标分配: 1; 作者宫华王智昕许可张勇; 机构沈阳理工大学理学院辽宁省兵器工业智能优化与控制重点实验室沈阳理工大学自动化与电气工程学院中国电子科技集团第; 出处《兵器装备工程学报》北大核心 2025年第7期93-104,共12页; 基金兴沈英才计划教学名师项目(XSMS2206003) 辽宁省属本科高校基本科研业务费专项资金资助(SYLUGXJT2)。; 文摘针对地对空防御作战中武器与目标之间的动态关系,以及多类型武器协同作战的复杂性,研究了动态武器目标分配问题。考虑防护效能与成本之间的冲突关系,以最大化资产生存概率和最小化武器消耗成本为目标,结合武器制导能力、软杀伤武器充能特性、时间窗等关键约束,建立了多作战单元协同的动态武器目标分配优化模型。基于策略熵和随机噪声策略设计了改进的多智能体近端策略优化算法进行求解。实验仿真验证了所提出算法的有效性。; 关键词地对空防御动态武器目标分配多智能体强化学习近端策略优化策略熵随机噪声; Keywords ground-to-air defense dynamic weapon-target assignment multi-agent reinforcement learning proximal policy optimization policy entropy random noise; 分类号 N945.25 [自然科学总论—系统科学]; 在线阅读下载PDF 职称材料

题名智能算法优化XGBoost的聚能-爆破装药比冲量预测被引量：3: 2; 作者刘芳李士伟卢熹郭策安马元婧; 机构沈阳理工大学理学院辽宁省兵器工业智能优化与控制重点实验室沈阳理工大学自动化与电气工程学院沈阳理工大学装备工程学院; 出处《小型微型计算机系统》 CSCD 北大核心 2024年第5期1076-1082,共7页; 基金辽宁省教育厅基本科研项目(LJKMZ20220619)资助沈阳理工大学引进高层次人才科研支持计划项目(1010147001133)资助。; 文摘为了探索聚能-爆破装药结构、爆破距离等参数与比冲量间的复杂关系,提出一种智能算法优化极端梯度提升(eXtreme Gradient Boosting,XGBoost)的聚能-爆破装药比冲量预测模型.采用相关性分析方法,探寻聚能-爆破装药结构参数、爆破距离参数与比冲量之间的关联程度.使用具有数据并行处理能力和集成学习思想的XGBoost算法,挖掘结构参数、爆破距离参数与比冲量间的潜在非线性关系.基于粒子群算法(Particle Swarm Optimization,PSO)良好的全局搜索能力和蚁群算法(Ant Colony Optimization,ACO)优良的局部搜索能力,设计双智能算法优化XGBoost的融合预测模型PSO-ACO-XGBoost,提高聚能-爆破装药比冲量预测精度.PSO和ACO分别用于搜索XGBoost超参数解空间的全局最优解与局部最优解.实验结果表明,PSO-ACO-XGBoost模型相较于BP、XGBoost、PSO-BP、ACO-XGBoost等其它8种预测模型,在预测精度、拟合程度、速度和稳定性等方面具有最佳性能.; 关键词聚能装药爆破装药比冲量极端梯度提升粒子群算法蚁群算法; Keywords shaped charge explosive charge specific impulse XGBoost PSO ACO; 分类号 TJ65 [兵器科学与技术—武器系统与运用工程]; 在线阅读下载PDF 职称材料

题名基于PSO-CNN-XGBoost水下柱形装药峰值超压预测被引量：4: 3; 作者刘芳李士伟卢熹郭策安; 机构沈阳理工大学理学院沈阳理工大学辽宁省兵器工业智能优化与控制重点实验室沈阳理工大学自动化与电气工程学院沈阳理工大学装备工程学院; 出处《兵工学报》 EI CAS CSCD 北大核心 2024年第5期1602-1612,共11页; 基金辽宁省教育厅基本科研项目(LJKMZ20220619)。; 文摘为探索水下柱形装药结构、爆距等参数与水下柱形装药峰值超压的关系,将装药样本数据视为二维数据,建立粒子群优化(Particle Swarm Optimization,PSO)算法、一维卷积神经网络(1D Convolutional Neural Network,1DCNN)和极端梯度提升(Extreme Gradient Boosting,XGBoost)的水下柱形装药峰值超压融合预测算法。采用相关性分析与数据可视化方法,分析装药结构参数、爆距与峰值超压之间的关联关系。设计1DCNN深度网络挖掘不同长径比、爆距等参数与峰值超压之间的纵向时序关系。运用XGBoost算法寻找装药结构参数、爆距与峰值超压之间的横向非线性关系,提升小样本数据的预测精度。使用PSO算法优化1DCNN和XGBoost的超参数,获得最优算法结构。研究结果表明,在包含10种智能算法的对比实验中,PSO-CNN-XGBoost水下柱形装药峰值超压预测算法在精度、稳定性、拟合程度上均高于其他模型。; 关键词水下柱形装药长径比爆距峰值超压粒子群优化算法一维卷积神经网络极端梯度提升; Keywords underwater cylindrical charge aspect ratio blast distance peak overpressure particle swarm optimization algorithm 1D convolutional neural network extreme gradient boosting; 分类号 O383.1 [理学—流体力学]; 在线阅读下载PDF 职称材料

题名基于NanoDet-SimAM小尺寸松材线虫病受害木检测被引量：3: 4; 作者刘芳姜生伟张峻豪何姗; 机构沈阳理工大学理学院沈阳理工大学辽宁省兵器工业智能优化与控制重点实验室沈阳理工大学自动化与电气工程学院辽宁省林业和草原局沈阳工学院东北林草危险性有害生物防控国家林草局重点实验室; 出处《沈阳工业大学学报》 CAS 北大核心 2024年第4期428-433,共6页; 基金辽宁省民生科技计划项目(2021JH2/10200008) 辽宁省“兴辽人才”项目(XLYC2006017) 辽宁省教育厅基本科研项目(LJKMZ20220619)。; 文摘针对小尺寸松材线虫病受害木检测精度及检测效率低的问题,提出了一种融合深度网络和注意力机制的小尺寸松材线虫智能检测模型。采用无人机(UAV)搭载小型相机在220 m高度拍摄小尺寸松材线虫受害木图像,应用图像旋转、缩放、添加高斯噪声和模拟光照强度等数据处理方式扩充数据集,设计轻量级深度网络NanoDet和SimAM注意力模块融合模型NanoDet-SimAM对小尺寸松材线虫受害木进行精准检测。结果表明,该模型相较于Faster R-CNN、Yolov4、Yolov5s及NanoDet等检测网络模型,具有更高的检测精度、速度和稳定性。; 关键词松材线虫病目标检测轻量级网络NanoDet 注意力机制无参注意力迁移学习数据增强小尺寸; Keywords pine wilt disease target detection lightweight network NanoDet attention mechanism non-parametric attention transfer learning data enhancement small size; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 在线阅读下载PDF 职称材料

题名基于DACO-BP的水下聚能装药峰值超压预测被引量：3: 5; 作者刘芳张峻豪卢熹郭策安; 机构沈阳理工大学理学院辽宁省兵器工业智能优化与控制重点实验室沈阳理工大学自动化与电气工程学院沈阳理工大学装备工程学院; 出处《兵器装备工程学报》 CAS CSCD 北大核心 2023年第6期17-24,102,共9页; 基金辽宁省教育厅科学研究经费项目(LG202025)。; 文摘为提高水下聚能装药爆炸冲击波参数预测的准确性和稳定性,基于AUTODYN数值仿真软件获取的装药爆炸仿真数据,提出了动态自适应蚁群算法(dynamic adaptive ant colony algorithm,DACO)优化BP(back propagation)神经网络(DACO-BP)的水下聚能装药峰值超压预测模型。采用梅森旋转算法(mersennetwister,MT)对数据进行随机排序,提升模型对不同数据分布的泛化能力。设计信息素纯增长策略和挥发系数双曲线动态自适应调整策略,改善蚁群算法的全局寻优能力和收敛速度。将DACO算法获得的全局最优解映射到BP神经网络的权值和阈值,提高BP神经网络预测的精度和稳定性能。实验结果表明,动态自适应蚁群优化BP神经网络的水下聚能装药峰值超压预测模型具有良好的有效性、稳定性和可信性。; 关键词水下聚能装药峰值超压预测数值模拟 BP神经网络梅森旋转算法蚁群动态自适应蚁群; Keywords underwater shaped charge peak overpressure prediction numerical simulation BP neural network Mersenne Twister ant colony adaptive dynamic ant colony optimization; 分类号 TJ65 [兵器科学与技术—武器系统与运用工程]; 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	多智能体近端策略优化的动态武器目标分配	宫华王智昕许可张勇	《兵器装备工程学报》北大核心	2025	0	在线阅读下载PDF 职称材料
2	智能算法优化XGBoost的聚能-爆破装药比冲量预测	刘芳李士伟卢熹郭策安马元婧	《小型微型计算机系统》 CSCD 北大核心	2024	3	在线阅读下载PDF 职称材料
3	基于PSO-CNN-XGBoost水下柱形装药峰值超压预测	刘芳李士伟卢熹郭策安	《兵工学报》 EI CAS CSCD 北大核心	2024	4	在线阅读下载PDF 职称材料
4	基于NanoDet-SimAM小尺寸松材线虫病受害木检测	刘芳姜生伟张峻豪何姗	《沈阳工业大学学报》 CAS 北大核心	2024	3	在线阅读下载PDF 职称材料
5	基于DACO-BP的水下聚能装药峰值超压预测	刘芳张峻豪卢熹郭策安	《兵器装备工程学报》 CAS CSCD 北大核心	2023	3	在线阅读下载PDF 职称材料