基于Diffusion的集群多任务分配与聚类算法研究

来源 :电子科技大学 | 被引量 : 0次 | 上传用户:JK0803_gengjixiang
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
任务分配一直是集群问题的研究热点。集中式任务分配受中心节点控制,对其依赖度高,传统的集中式算法比如粒子群等优化方法容易陷入局部最优;分布式任务分配具有更好的鲁棒性,更适合动态和大型的系统。分布式任务分配之后,节点之间的信息交互强度应该改变,具有相同目标的节点应该增强连接,目标不同的应将连接削弱,节点间聚类以提高任务执行的效率。基于最小均方误差准则的分布式自适应滤波被应用于多任务聚类,结构简单且易于实现,但是过于依赖高斯噪声环境;信息论学习被成功地应用到自适应滤波中,很好地解决了非高斯噪声条件下的滤波问题,但是对多任务环境下的研究较少。本文以扩散信息论学习为重点研究内容,提出了基于扩散信息论学习的多任务聚类算法,弥补了扩散最小均方差算法在非高斯噪声条件下的不足。本文的主要研究内容包括几个方面:(1)本文提出了基于扩散信息论学习的多任务聚类算法。以往基于扩散策略的自适应滤波算法主要应用于单任务场景,然而在实际情况中,多任务的情况则更常见;在多任务聚类的场景中,算法通常基于最小均方误差准则,这类算法在高斯噪声条件下性能优越,但在非高斯噪声条件下,性能将大大降低;而信息论学习的相关算法在非高斯噪声条件下往往有很好的收敛性和稳态误差。基于以上前提,本文提出了基于扩散信息论学习的多任务聚类算法,并利用最大相关熵进行邻居节点之间的权重更新以实现多任务自适应聚类。(2)提出了分布式任务分配——聚类——flocking集群控制及避障的集群新框架。集群进行分布式任务分配后,具有不同目标的节点间可能存在较强的联系,而具有相同目标的节点间可能连接微弱,因此任务分配后的聚类是非常必要的;而具有相同目标的智能体如何相互避撞且自动避开障碍物地前往指定的目标位置,是集群运动控制中必不可少的一环。(3)基于Qt框架实现集群任务执行的全过程。从集群任务分配到多任务聚类,最后控制集群前往指定的目标位置。
其他文献
不稳定骨盆骨折多为高能量外力导致的伤害,随着建筑、制造、交通运输等各行各业的发展,骨盆骨折患者也有逐年增多的趋势。传统的治疗手术常采用切开复位内固定、闭合复位外固定支架手术法,这两种方法都有明显的缺点,前者手术时需要剥离大片软组织,有造成伤口感染、重要神经损伤的缺点,而后者适用范围窄、复位精度不高,同时手术对医生体力消耗极大,医护、患者都会频繁接触辐射,影响身体健康。机器人以其运动控制精准、抗疲劳
随着机器人技术的不断发展,机器人被广泛的应用到与人们生产生活息息相关的领域当中,并且发挥起了重要的作用。抓取是机器人在服务与工业领域中进行人机协调的重要能力,得到一个准确的抓取检测结果是机器人能否完成抓取任务的关键。但是,针对在未知场景中对随机物体进行抓取的需求,目前的抓取检测算法在准确性与实时性上都有待提高。为了解决上述问题,本文以抓取检测算法为研究对象,分别提出了基于锚框的抓取检测算法与基于关
鼻咽癌是指发生在鼻咽腔壁上的恶性肿瘤,经常出现在中国南部,东南亚,中东和北非。鼻咽癌的发现和治疗时间越早,治疗的成功率就越高,放射治疗是鼻咽癌最常用的治疗方法。在进行放疗时需要在医学图像中勾画出目标靶区以避免放疗损伤人体的健康区域。目前,勾画任务通常是由经验丰富的放射科医生通过对二维切片逐个手动勾画完成的,这不仅繁琐而且费时费力。而鼻咽癌目标靶区的自动分割方法能够提升这一过程的效率,减少医生的工作
多学科设计优化(Multidisciplinary Design Optimization,MDO)是一类处理涉及复杂学科的优化问题的有效策略。MDO方法旨在充分考虑工程系统各学科门类之间的异同,充分利用各学科之间的耦合效应,来获得全局的最优解。同时,由于现代工业和制造业中普遍存在着不确定性情况,因此在MDO过程中考虑不确定性因素的影响,定量的对不确定性因素进行分析,也是现代工程设计优化的研究热点
鼻咽癌(NPC)是中国,东南亚和中东/北非地区最常见的的头颈癌之一。从具有不确定性信息的计算机断层扫描(CT)图像中准确分割危险器官(OAR)对于有效规划NPC治疗的放射治疗至关重要。尽管卷积神经网络(CNN)在OAR的自动分割方面取得了最先进的性能,但现有方法并未为治疗计划提供分割结果的不确定性估计,并且其准确性仍然受到几个因素的限制,包括CT软组织对比度低,OAR尺寸高度不平衡以及切片间间距大
人体姿态估计和步态分析对骨科患者的康复管理有着非常重要的意义,例如卡伦(Computer Assisted Rehabilitation Environment,CAREN)系统可以通过多种传感器捕捉患者在进行康复训练时的三维姿态并完成步态分析,从而对步态进行评估并提出针对性的训练计划,对骨科患者的步行能力恢复有着非常重要的作用。但是,这种基于标记点的系统也存在着很多限制,例如需要人工标记关节点的
随着社会生产力的发展,工业生产的大量污染物排放造成了严重的空气污染,使人类生命健康受到威胁。而随着公众健康意识逐步增强,开发挥发性有机物(Volatile Organic Compounds,VOC)气体传感器,实现对空气中污染物气体的快速和灵敏检测,成为当前生化传感的研究热点。基于折射率传感原理的光波导器件是一种重要的片上VOC检测平台,它是利用互补金属氧化物半导体(Complementary
分布式光纤传感技术中,光频域反射技术(Optical Frequency Domain Reflectometry,OFDR)凭借着大动态范围、高空间分辨率和高灵敏度等优点吸引了研究人员的关注。但是目前的OFDR分布式传感系统在长距离测试下的空间分辨率存在一定的不足,限制了其广泛的应用和商业化产品发展。本文首先介绍了OFDR的工作原理及偏振衰落效应,对OFDR系统的相关参数进行了讨论;然后分析了影
在数据大爆炸当代,数据信息处理的需求急剧增加。具有强大处理能力和高能量效率的神经形态计算结构已成为信息技术领域的重要研究方向。神经形态器件则是神经形态计算方向的研究热点之一。根据其功能的不同,神经形态器件大致可以分为仿突触器件和模拟神经元器件。相对而言,仿突触器件研究广泛,而模拟神经元的研究进展较为滞后。基于相变材料的模拟神经元因其在独特的相变特性、可扩展性和集成性方面等优势,被认为是最具潜力的模
人的粪便与人体肠胃功能的健康状况息息相关。对粪便的性状和颜色进行初步的分类可以诊断人们的健康状况,因此粪便的自动识别是当前智能马桶的发展方向。由于粪便图像中内容复杂,难以识别,本文提出了Stool Net卷积神经网络来解决当前的挑战。该方法主要是利用计算机视觉来替代人工对粪便性状和颜色进行自动识别,以此来减轻用户的负担,并且提供给医生更加准确的粪便检测结果,对预防肠胃功能疾病以及由食物引发的慢性消