基于强化学习的平行航班动态定价

由于平行航班之间的竞争越来越激烈,为提高航空公司收益,对机票销售系统中的航班和旅客分别建模。将航班的动态定价问题建模成马尔可夫博弈过程,对混合类型旅客建立Logit选择模型。利用多Agent的强化学习算法对实例进行求解,结果表明WoLF-PHC算法收敛所需迭代的次数大于Nash-Q算法,但在计算速度上WoLF-PHC算法优势明显,且具有较强的适应能力。此外,航空机票的定价策略与其他易逝品有所不同,整体呈现上升趋势。而旅客环境参数的变化,也会影响定价策略。基于WoLF-PHC算法得到的定价策略对于收益提升具有积极作用。     

基于深度学习的机器视觉技术在造船中的应用

近年来,以人工智能为代表的新兴技术日渐成为了传统行业生产力提升的增倍器.在船舶建造领域,为了实现高质量发展,智能制造技术的推广势在必行.由于其显著的特性,基于深度学习的机器视觉技术正应用于越来越多的造船工艺流程中,为提高生产效率、提升产品质量做出越来越重大的贡献.     

基于深度强化学习的智能船舶航迹跟踪控制

[目的]智能船舶的航迹跟踪控制问题往往面临着控制环境复杂、控制器稳定性不高以及大量的算法计算等问题。为实现对航迹跟踪的精准控制,提出一种引入深度强化学习技术的航向控制器。[方法]首先,结合视线(LOS)算法制导,以船舶的操纵特性和控制要求为基础,将航迹跟踪问题建模成马尔可夫决策过程,设计其状态空间、动作空间、奖励函数;然后,使用深度确定性策略梯度(DDPG)算法作为控制器的实现,采用离线学习方法对控制器进行训练;最后,将训练完成的控制器与BP-PID控制器进行对比研究,分析控制效果。[结果]仿真结果表明,设计的深度强化学习控制器可以从训练学习过程中快速收敛达到控制要求,训练后的网络与BP-PID控制器相比跟踪迅速,具有偏航误差小、舵角变化频率小等优点。[结论]研究成果可为智能船舶航迹跟踪控制提供参考。     

混合式教学创新模式研究

文中以混合式教学为研究对象,旨在找到一种行之有效的新模式来指导实践教学。在对混合学习的理论基础及内涵阐述后,找到了混合学习的本质特征并提出了一种创新的混合教学模式。最后,分析了这一新模式在实践中的优点及可行性。     

基于改进型消灭曲线法的横摇阻尼估算

自由衰减试验仍是目前最为有效且常用的估算横摇阻尼系数的方法.横摇阻尼系数的估算精度对于船舶横摇运动的预报起着至关重要的作用.通常采用所谓的消灭曲线法来分析自由横摇衰减数据.该方法的一个不足之处在于其推导是基于忽略了非线性恢复力项的自由横摇运动方程.另一方面,考虑更多非线性成分的能量法能够纳入该因素影响但在实施过程中较为复杂.文中提出了一种改进型的消灭曲线法,能够纳入船体非线性恢复力项的影响.所提出的方法形式简单且相比能量法更易于实施.数值试验证明了改进型消灭曲线法的正确性,并展现了其相对传统消灭曲线法所具有的优势.     

高职学生自我效能感与学习兴趣激发的研究

通过对107名高职院校学生的学习动机、自我效能感以及两者关系的测量统计，发现高职学生的学习动机、内生动机与学业自我效能感和一般自我效能感之间均存在显著正相关，并以此为依据，探索提出了以增强自我效能感来提高学习兴趣的思路和方法。     

单点系泊船体对艉部推力需求分析

由软刚臂系泊的浮式生产储存卸货装置(FPSO)在渤海海域应用十分广泛,艉部推力在软钢臂的安装与解脱、自航、定点排污和避碰等作业中发挥着重要的作用。采用数值模拟方法分析艉部推力对FPSO的自航能力、系泊状态下纵向和横向运动及水平系泊力、自由状态下的运动产生的影响,从而论证艉部推力存在的必要性。结果表明:艉部推力可为FPSO提供自航能力,对系泊状态下的纵向运动影响很小,反而会增大水平系泊力,对横向运动和自由状态下的运动影响显著。     

Key technologies of ship remote control system in inland waterways under ship-shore cooperation conditions北大核心CSCD

［Objective ］ To meet the requirements of remotely controlling ship in curved, narrow and crowded inland waterways, this paper proposes an approach that consists of CNN-based algorithms and knowledge based models under ship-shore cooperation conditions. ［Method］On the basis of analyzing the characteristics of ship-shore cooperation, the proposed approach realizes autonomous perception of the environment with visual simulation at the core and navigation decision-making control based on deep reinforcement learning, and finally constructs an artificial intelligence system composed of image deep learning processing, navigation situation cognition, route steady-state control and other functions. Remote control and short-time autonomous navigation of operating ships are realized under inland waterway conditions, and remote control of container ships and ferries is carried out. ［Results］The proposed approach is capable of replacing manual work by remote orders or independent decision-making, as well as realizing independent obstacle avoidance, with a consistent deviation of less than 20 meters. ［Conclusions］The developed prototype system carries out the remote control operation demonstration of the above ship types in such waterways as the Changhu Canal Shenzhou line and the Yangtze River, proving that a complete set of algorithms with a CNN and reinforcement learning at the core can independently extract key navigation information, construct obstacle avoidance and control awareness, and lay the foundation for inland river intelligent navigation systems. © 2022 Journal of Clinical Hepatology. All rights reserved.