首页期刊导航|自动化学报
期刊信息/Journal information
自动化学报
中国自动化学会 中国科学院自动化研究所
自动化学报

中国自动化学会 中国科学院自动化研究所

王飞跃

月刊

0254-4156

aas@ia.ac.cn

010-62565763；82614566

100190

北京市海淀区中关村东路95号（北京2728信箱）

自动化学报/Journal Acta Automatica SinicaCSCD北大核心CSTPCDEI
查看更多>>本刊是中国科学院主管，中国自动化学会、中国科学院自动化研究所共同主办的高级学术期刊。本刊主要刊载自动化科学与技术领域的高水平理论性和应用性的科研成果，内容包括：1）自动控制理论；2）系统理论与系统方法；3）自动化技术在国民经济各领域中的创造性应用；4）自动化系统计算机辅助设计；5）机器人与自动化；6）人工智能与智能控制；7）模式识别与图象处理；8）自动控制系统中的新概念、新原理、新方法、新设计；9）信息理论与信息处理技术等。
正式出版
收录年代

    基于距离信息的追逃策略:信念状态连续随机博弈

    陈灵敏冯宇李永强
    828-840页
    查看更多>>摘要：追逃问题的研究在对抗、追踪以及搜查等领域极具现实意义.借助连续随机博弈与马尔科夫决策过程(Markov decision process,MDP),研究使用测量距离求解多对一追逃问题的最优策略.在此追逃问题中,追捕群体仅领导者可测量与逃逸者间的相对距离,而逃逸者具有全局视野.追逃策略求解被分为追博弈与马尔科夫决策两个过程.在求解追捕策略时,通过分割环境引入信念区域状态以估计逃逸者位置,同时使用测量距离对信念区域状态进行修正,构建起基于信念区域状态的连续随机追博弈,并借助不动点定理证明了博弈平稳纳什均衡策略的存在性.在求解逃逸策略时,逃逸者根据全局信息建立混合状态下的马尔科夫决策过程及相应的最优贝尔曼方程.同时给出了基于强化学习的平稳追逃策略求解算法,并通过案例验证了该算法的有效性.

    追逃问题信念区域状态连续随机博弈马尔科夫决策过程强化学习

      原文链接:
    • 万方数据
    • 维普

    基于时滞测量的复杂网络分布式状态估计研究

    滕达徐雍鲍鸿王卓...
    841-850页
    查看更多>>摘要：研究一类存在一步随机时滞的复杂网络分布式状态估计问题,采用伯努利随机变量刻画测量值的随机时滞情况.基于复杂网络模型和不可靠测量值,分别设计复杂网络的状态预测器和分布式状态估计器,基于杨氏不等式消除节点之间的耦合项,通过优化杨氏不等式引进的参数,优化状态预测协方差.通过设计估计器增益,获得状态估计误差协方差,同时结合预测误差协方差,获得状态估计误差协方差的迭代公式,并给出估计误差协方差稳定的充分条件.最后,对由小车组成的耦合系统进行数值仿真,验证所设计估计器的有效性.

    复杂网络分布式状态估计时滞测量稳定性分析

      原文链接:
    • 万方数据
    • 维普

    基于代价参考粒子滤波器组的多目标检测前跟踪算法

    卢锦马令坤吕春玲章为川...
    851-861页
    查看更多>>摘要：针对图像序列中多目标检测和跟踪算法结构复杂、计算量大、性能降低等问题,提出一种基于代价参考粒子滤波器组的多目标检测前跟踪(Cost-reference particle filter bank based multi-target track-before-detect,CRPFB-MTBD)算法,将多目标跟踪问题转换为序贯地检测和跟踪多个单目标的问题.首先,采用代价参考粒子滤波器组序贯地估计所有可能单目标状态序列;其次,基于所有可能单目标状态序列的欧氏距离和累积代价确定目标数量;最后,根据累积代价判断每个目标出现和消失的具体时刻.仿真实验验证了CRPFB-MTBD的优良性能,与基于传统粒子滤波的多目标检测前跟踪算法(Particle filter based multi-target track-before-detect,PF-MTBD)、基于概率假设密度的检测前跟踪算法(Probabil-ity hypothesis density based track-before-detect,PHD-TBD)和基于伯努利滤波的检测前跟踪算法(Bernoulli based track-before-detect,Bernoulli-TBD)相比,CRPFB-MTBD的目标状态序列和数量估计结果最佳,且平均单次运行时间极短.

    多目标跟踪检测前跟踪粒子滤波代价参考粒子滤波器组滤波器组

      原文链接:
    • 万方数据
    • 维普

    基于大语言模型的复杂任务自主规划处理框架

    秦龙武万森刘丹胡越...
    862-872页
    查看更多>>摘要：随着深度学习和自然语言处理技术的进步,大语言模型(Large language models,LLMs)展现出巨大潜力.尽管如此,它们在处理复杂任务时仍存在局限性,特别是在任务需要结合规划及外部工具调用的场合.面向这一挑战,提出国内首个以军事游戏为背景的中文的复杂任务规划与执行数据集(Complex task planning and execution dataset,CTPaE),以及一个基于LLMs的自主复杂任务规划(Complex task planning,CTP)处理框架AutoPlan.该框架可以对复杂任务进行自主规划得到元任务序列,并使用递进式ReAct提示(Progressive ReAct prompting,PRP)方法对已规划的元任务逐步执行.该框架的有效性通过在CTPaE上的实验及与其他经典算法的比较分析得到了验证.项目地址:https://github.com/LDLINGLINGLING/AutoPlan.

    大语言模型工具调用多步推理深度学习

      原文链接:
    • 万方数据
    • 维普