首页期刊导航|控制与决策
期刊信息/Journal information
控制与决策
控制与决策

张嗣瀛　王福利

月刊

1001-0920

kzyjc@mail.neu.edu.cn

024-83687766

110819

沈阳东北大学125信箱

控制与决策/Journal Control and DecisionCSCD北大核心CSTPCDEI
查看更多>>本刊创刊于1986年,由教育部主管,东北大学主办.本刊是自动控制与决策领域的综合性学术期刊,大16开,月刊,经邮局发行.本刊是研究生教育中文重要期刊,中文核心期刊,并已进入美国Ei等几大检索系统.本刊的影响因子历年在信息与系统类期刊中名列前茅.连续两年被评为百种中国杰出学术期刊.
正式出版
收录年代

    面向在线教育的学习者情感识别综述

    林铭炜许江松林佳胤刘健...
    1057-1074页
    查看更多>>摘要：在线教育场景中，由于授课者与学习者处于"准分离"状态，授课者难以感知学习者的情感状态。因此，研究面向在线教育的学习者情感识别有助于授课者改进教学策略，同时有利于在线教育平台刻画学习者的学习偏好。目前，面向在线教育的学习者情感识别领域已经有许多研究成果，从不同方面对其进行分析和总结很有必要。首先，从离散模型、维度模型和学习者情感类别3个部分对情感表示模型进行阐述;其次，阐述面向在线教育的3种情感测量方法以及学习者情感数据获取方法;接着，总结涵盖基于文本数据、面部表情、语音信号、生理信号以及多模态数据的学习者情感识别方法;最后，讨论当前面向在线教育的学习者情感识别研究中存在的不足和可能的解决方案，旨在对面向在线教育的学习者情感识别相关工作进行深入分析与总结，为相关研究者提供有价值的参考。

    在线教育学习者情感识别个性化学习单模态情感分析多模态情感分析人工智能

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    抽象技术及其在蒙特卡洛树搜索中的应用研究综述

    邵天浩程恺张宏军张可...
    1075-1094页
    查看更多>>摘要：抽象技术作为人工智能研究中高效拓展决策的重要组成部分，已广泛应用于大规模的决策问题。蒙特卡洛树搜索虽然在众多决策领域取得了卓越成就，但是在现实决策问题中面临着决策空间巨大和规划周期很长的问题。鉴于此，研究抽象技术及其在蒙特卡洛树搜索中的应用，从状态空间和动作空间两个角度出发分析抽象技术如何提升蒙特卡洛树搜索的决策能力，并对抽象蒙特卡洛树搜索研究中仍需要解决的问题和未来的研究方向作进一步展望。

    状态抽象动作抽象蒙特卡洛树搜索决策

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    面向荒漠复杂地形的机器人在线全覆盖路径规划方法

    齐立哲华中伟苏昊王鑫瑞...
    1095-1103页
    查看更多>>摘要：对于地形复杂、范围广阔的荒漠环境，当前的地图模型存在占用存储空间过大的问题;同时在复杂地形下，当前的全覆盖路径规划算法能量消耗大，无法适用于在线条件。对此，提出一种在线的全覆盖路径规划算法及相应的地图模型。首先，介绍一种变分辨率的三维栅格地图模型。其次，分析机器人在非平面环境下进行全覆盖任务的能量消耗问题，得出最节约能量的覆盖方式。在对平坦地形的覆盖中，基于优先级覆盖的思想，对传统的牛耕法覆盖做出改进，拓展为8个方向。然后，针对非平坦地形提出一种在线的面向地形的区域分解方法，在全覆盖过程中根据高度将特殊地形区域分解出来单独覆盖。在子区域内部，对特殊地形抽象得到斜面模型，引入地形变化函数，形成新的优先级遍历方法，并设计一种针对性的避障策略以进一步减少能量消耗。最后，对所提出的算法进行仿真验证以及机器人实验。仿真验证和实验结果表明，相比于其他算法，所提出算法能显著减少全覆盖过程中的重复率以及机器人总能量消耗。

    路径规划全覆盖复杂地形区域分解机器人避障策略

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多参数优化的多机器人图案构成的分配算法

    张方方赵鹏博曹家晖辛健斌...
    1104-1112页
    查看更多>>摘要：在不同应用场景下多机器人系统的图案构成受到越来越多的关注，然而现有方法不能有效地优化在障碍物环境中的图案在线自主构成。为解决这一问题，提出一种新的基于目标匹配和路径优化的实时在线的优化算法。首先，以机器人与虚拟期望图案的距离为目标函数，建立一个多参数的图案构成模型，进而在一定的约束条件下求解得到最优的期望图案参数;其次，建立迭代控制器，使机器人在向目标点移动的过程中，可以实时在线地进行机器人与目标点的分配;然后，采用最佳避碰速度算法使机器人无碰撞地到达期望图案的目标点，完成图案构成;最后，通过在MATLAB和V-REP中的仿真实验，验证所提出方法的正确性和有效性。

    多机器人系统图案构成避障路径优化

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于自适应聚合距离的多目标进化算法

    曾亮曾维钧李燕燕全睿...
    1113-1122页
    查看更多>>摘要：随着目标数的增多，种群收敛性与分布性的冲突愈加激烈，传统的多目标进化算法的选择算子难以平衡种群的收敛性与分布性。对此，提出一种基于自适应聚合距离的多目标进化算法。首先，采用参考点支配关系替代原有的Pareto支配关系，以增加选择压力，加强收敛性;其次，提出自适应聚合距离，通过动态变化的惩罚参数来自适应调整收敛性与分布性的比例;最后，设计一种带有淘汰算子的方法以改进小生境选择策略，根据自适应聚合距离的大小进行选择和淘汰操作。为验证算法的可行性，将所提出算法在测试问题上与其他4种优秀的多目标进化算法进行比较，并应用于两个实际应用中，仿真结果表明，所提出算法的综合性能更优，能有效平衡种群的收敛性与分布性。

    多目标进化算法参考点支配自适应聚合距离淘汰算子收敛性与分布性

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    融合多模板注意力深度网的自适应目标框跟踪算法

    仲训杲范东嘉仲训昱周承仙...
    1123-1132页
    查看更多>>摘要：现有深度网络跟踪算法应对相似物体干扰、尺度变化、形变模糊、遮挡等问题存在挑战，为此提出一种融合多模板注意力机制的鲁棒深度网络算法。在SiamFc深度网络分支中构建通道和空间多模板注意力机制，以加强网络对目标特征的提取能力;融合浅层和深层卷积特征实现跟踪目标的精确聚焦，以克服相似物干扰问题;采用自适应回归网络学习目标采样点与目标边界之间的距离，实现目标区域的动态预测，有效应对目标尺度变化问题。另外，通过计算分类特征的APCE均值和最大值建立模板在线更新策略，实现网络自适应目标形变模糊与遮挡等问题。对OTB 100和VOT 2016等公开数据集的测试结果表明，与目前先进的SiamFc及改进方法相比，所提出算法在动态目标跟踪的准确率和成功率上均得到有效提升，具有强鲁棒性能。

    深度网络目标跟踪自适应框注意力机制模板更新

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于近邻牵引算子的离散黑猩猩优化算法

    沈孝凯张纪会郭乙运张保华...
    1133-1141页
    查看更多>>摘要：针对旅行商问题的特点，提出基于近邻牵引算子的离散黑猩猩优化算法。首先，引入优质片段的概念，并结合每个群组的最优个体设计其检索方法，以提高组内学习策略的效果，根据组合优化问题特点对黑猩猩群体的狩猎过程进行离散化表示;其次，通过组间交流机制消除部分个体路径交叉;最后，为了克服传统的邻域搜索算子收敛慢和搜索效率低的缺点，提出一种新的邻域搜索方式—-近邻牵引算子，其搜索目的更加明确、收敛更高效，并设计自适应概率扰动调控策略，以有效平衡算法的探索与开发。对30个TSP标准数据集进行实验，结果表明，所设计的离散黑猩猩优化算法求解质量高、收敛速度快，可以应用于组合优化问题求解。

    离散黑猩猩优化算法优质片段近邻牵引算子自适应概率扰动调控旅行商问题

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于可见光-热红外视觉监控的车间工人跌倒检测算法

    王鑫刘晓楠高焕兵曾子铭...
    1142-1150页
    查看更多>>摘要：为了解决工厂车间视觉监控存在噪声干扰、光线变化、目标遮挡等问题，提出一种基于多模态视觉监控的工人跌倒检测算法。首先，采用热像仪和可见光相机获取车间内全天候监控图像，结合自适应滤波模型对图像进行降噪处理，以抑制环境噪声对监控图像的干扰;然后，构建一种改进的人体姿态特征提取网络，通过融合串联时间帧合并模块和位姿残差模块，以简化目标检测的特征图尺度，实现监控图像中工人区域被部分遮挡时姿态的实时、可靠预测;最后，设计人体轴线倾角、人体外接矩形框长宽比以及双膝盖点移动速度作为工人跌倒判别性特征，进而实现车间内工人的跌倒判别。在自建数据集和公开数据集上对所提出方法进行验证，实验结果表明，所提出算法的跌倒检测精度分别为95。6％和96。3％，与对比算法相比具有更好的准确性和实时性。

    多模态跌倒检测轻量化卷积时间帧合并位姿残差融合

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于改进YOLOv3的车辆检测算法

    陈文玉赵怀慈刘鹏飞房建...
    1151-1159页
    查看更多>>摘要：交通场景下的车辆检测问题存在小目标多、目标遮挡严重等情况，鉴于此，提出一种基于改进YOLOv3的车辆检测算法。由于小目标仅包含较少的像素，特征不明显，算法在空间金字塔结构中融入软池化操作，搭建Soft-SPP结构将多重感受野融合，通过软池化操作最大程度地保留细节，有效提取小目标特征;引入坐标注意力机制，在调整每个通道特征分配权重的同时能够捕捉具有精确位置信息的远程依赖关系;提出一种新的损失函数KIoU Loss作为边界框损失函数，同时考虑边界框的关键点与长宽比使之回归更加准确。实验结果表明，改进后的算法在自动驾驶KITTI数据集上平均精度达到94。69％，相比原始YOLOv3算法精度提升4。13％，且检测速度仅下降3。16frame·s-1，在保持检测速度的情况下能够明显提升检测精度。

    车辆检测深度学习YOLOv3坐标注意力Soft-SPPKIoULoss

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于多起点和Mask策略的深度强化学习算法求解覆盖旅行商问题

    方伟接中冰陆恒杨张涛...
    1160-1166页
    查看更多>>摘要：覆盖旅行商问题(covering salesman problem，CSP)是旅行商问题的变体，在防灾规划、急救管理中有着广泛应用。由于传统方法求解问题实例耗时严重，近年来深度神经网络被提出用于解决该类组合优化问题，在求解速度和泛化性上有明显的优势。现有基于深度神经网络求解CSP的方法求解质量较低，特别在大规模实例上与传统的启发式方法相比存在较大差距。针对上述问题，提出一种新的基于深度强化学习求解CSP的方法，由编码器对输入特征进行编码，提出新的Mask策略对解码器使用自注意力机制构造解的过程进行约束，并提出多起点策略改善训练过程、提高求解质量。实验结果表明，所提方法对比现有基于深度神经网络的求解方法进一步缩小了最优间隙，同时有着更高的样本效率，在不同规模和不同覆盖类型的CSP中展现出更强的泛化能力，与启发式算法相比在求解速度上有10～40倍的提升。

    覆盖旅行商深度强化学习组合优化多起点Mask策略

      原文链接:
    • NETL
    • NSTL
    • 万方数据