基于MTI滤波器特性的改进直接数据域算法的研究

传统的空时自适应处理方法属于统计方法,一般假设其它相邻距离单元的训练样本满足独立同分布的条件,利用这些训练样本来估计待检测单元中杂波的协方差矩阵.对机载雷达来说,严重非均匀环境很难满足样本独立同分布的要求.直接数据域方法只利用待检测距离单元本身的数据来获取训练样本,因此得到广泛应用.提出一种改进直接数据域算法,在利用空时窗滑动对消目标信号时,基于滤波原理,对空时窗的权系数进行优化,这样有利于在对消目标的同时保留更多杂波信息,进而求解的自适应权值对杂波的抑制性能更佳.仿真结果表明了改进算法的有效性,相比原始直接数据域算法,具有更窄的改善因子凹口,提高了对慢速目标的检测性能,且计算量没有增加.     

经济试验中的社交网络调整自适应随机化方法

伴随网络时代发展，个体间关系逐渐被纳入研究视角，基于社交网络的经济试验广泛开展。传统的随机化方法面临两大挑战：其一，参与试验的受试者间不再满足个体处理稳定性假设，若忽略网络干扰作用可能会导致估计偏差；其二，出于经济因素考虑，研究者希望在试验过程中分配更多受试者到优效干预组。针对上述问题，本文提出社交网络调整自适应随机化方法，该方法将响应变量自适应随机化方法与网络干扰作用平衡相结合，保证干预效果估计并将更多节点分配到优效干预组。模拟分析与实证研究均表明本文研究方法具有综合优势，是网络时代中进行经济试验的必要工具。     

一类新的自适应非单调谱投影梯度法

给出了求解凸约束优化的一类新的自适应非单调谱投影梯度法.通过引入具有自适应性的权重参数,使算法在迭代过程中能自动调节非单调策略. 在适当条件下证明了算法的收敛性.数值试验结果表明,该算法在一定程度上能减少在线搜索过程中对非单调参数M的依赖.     

基于自适应大邻域搜索的鲁棒多项目调度方法

多项目资源管理有时需要采用一种资源专享-转移策略，该策略下可更新资源在多项目之间不共享，但在当前项目完工之后其资源可以转移至其它还未开始的项目。针对这一实际问题的理论研究非常有限。考虑活动工期的不确定性，从时差效用函数视角评价项目调度计划的鲁棒性，在考虑拖期成本-鲁棒性的多目标问题框架下，构建了一个资源专享-转移视角下的多项目资源分配(战术层)与鲁棒调度(运作层)双层决策优化模型。针对模型的NP-hard性质和多目标组合优化特征，设计了一种新的自适应大邻域搜索(adaptive large neighborhood search，ALNS)算法求解模型。该算法采用“项目-缓冲-资源-活动”列表的混合编码表示问题可行解，提出基于四类列表的destroy-repair邻域结构，设计一种超体积指标进行自适应搜索以提高算法性能。最后，为了验证ALNS算法的适用性和有效性，设计一种NSGA-II算法作为比较基准，通过大规模仿真实验对算法性能进行了对比分析，并探索工期不确定水平对多项目调度方案鲁棒性的影响。     

教育人工智能：新的革命

人工智能技术发展给教育带来了深刻变化。我国教育技术随着全球科技发展，经历了从量变到质变的过程。人工智能技术发展带来的质变对教育的创新意义主要体现在推动教育观念的更新、教育模式的变革、教育体系的重构。迎接教育革命的过程会面临知识资源建设、教育行业科技人才供给、技术应用上的挑战，要避免重科技轻人文，兼顾长期和短期效益，平衡改革速度与质量节奏的关系。     

面向智能制造的智能工厂运营管理

在互联网与大数据环境下，面向智能制造的智能工厂呈现出生产运营更加复杂多变、创新知识更加密集、制造过程更加不确定和难以预测、运营管理更加注重服务价值等新的发展特征。本文从智能工厂运营管理体系出发，分别从智能工厂服务模式的自组织创新、智能工厂知识管理的自学习创新、智能工厂调度优化的自适应创新3个方面，探索新一代信息技术条件下智能工厂运营管理的理论内涵和技术方法。为创新智能工厂的运行模式、提升其管理水平提供理论与方法支撑，以期满足我国制造企业实现向智能制造转型升级的需求。     

基于改进自适应最优分割法的风险预警区间模型研究——针对重大突发公共卫生事件

重大突发公共卫生事件，譬如新型冠状病毒疫情，严重危害着世界各国人民的生命安全，风险预警是构建重大突发公共卫生事件风险预警管控体系的关键所在，而其风险预警区间的精准确定是关乎预警等级的关键问题。基于自适应最优分割模型，引入熵值法计算各指标权重，采用多种函数拟合识别函数特征，构建了改进的自适应最优分割模型，定量科学划分了重大突发公共卫生事件风险预警区间。通过结合实际案例，应用Matlab软件进行仿真，验证了预警区间的吻合度，为构建重大突发公共卫生事件风险预警防控提供了理论参考。     

基于自适应随机接入的动态D2 D发现资源分配机制

现有终端直通（device-to-device，D2D）中用户发现成功率低、发现范围小以及不能满足不同用户优先级的业务需求，针对上述问题，提出一种基于自适应随机接入的动态D2 D发现资源分配机制。该机制中具有高优先级的D2 D用户采用传统的随机接入方法向基站发送紧急请求信息；基站根据发送紧急请求信息的高优先级D2 D用户数，构建下一发现周期的发现资源分配信息。根据未成功选择发现资源块的次数，低优先级的D2 D用户自适应的在多信道时隙ALOHA（additive link on-line Hawaii system）和具有能量感知的多信道ALOHA接入机制之间进行切换。D2 D用户根据接收端的信干噪比大小，判断是否成功发现。系统级仿真结果表明，提出的机制与传统的随机信道接入机制相比，不仅能够满足不同优先级用户的业务需求，还能支持更高的发现成功率和更远的发现范围。     

零售网络的结构建模与演化分析

为探寻零售网络的演化规律,基于复杂自适应系统理论构建零售网络结构模型.通过对agent、环境以及交互规则的描述和分析,描述了零售网络结构;利用Multi-agent仿真方法模拟零售网络在平稳需求、递增需求、近似实际数据需求3种需求情况下的动态演化过程,分析零售网络零售商数目、平均适应度、均价、死亡率与新增率的演化规律.模拟结果表明,零售网络系统沿演化路径经过若干个周期循环之后达到一种稳定的状态,在近似实际数据需求和递增需求驱动下,系统表现出较大的波动性;零售商的平均适应度与产品成交均价不存在相关性,用演化的观点阐述长期价格战的不合理性;另外,零售商的死亡率与新增率的演化特征解释了现实零售网络在市场成熟时期"有退难进"的竞争特征.