针对合作多智能体系统缺乏个体奖励信号的情况下, 不同智能体贡献无法区分导致合作效率低下的问题, 利用价值分解范式引入了信用分配可区分性评价指标, 并提出一种基于梯度熵正则化的方法实现区分度较高的信用分配。在此基础上, 结合多智能体深度强化学习算法, 提出一种改进型QMIX网络。通过SMAC多智能体学习环境和Starcraft2自带的地图编辑器, 建立相应仿真实验环境, 结果表明新提出的改进型QMIX网络相较于QMIX网络, 学习效率和整体性能均有所提升, 更适用于部分可观测环境下的合作多智能体强化学习问题。

针对船舶轨迹的历史轨迹相似性低、预测精度不高等问题, 基于序列到序列(Seq2Seq)模型提出一种轨迹预测算法——vSeq2Seq。首先, 用一阶差分法处理AIS数据, 降低时间依赖性, 减弱通信延迟产生的干扰, 突出船只运动规律; 然后, 采用滑窗法处理数据, 构建模型数据集, 通过Seq2Seq模型进行可变步长的轨迹预测。实验结果证明, vSeq2Seq算法能够从船只轨迹中提取出轨迹变化特征, 针对船只不同运动状态改变预测步长、灵活地进行预测, 对比传统LSTM模型和GRU模型, 预测精度有显著提升。

采用有机化学合成法, 利用正三辛基膦(TOP)辅助的快速注入生长方法, 改进传统的制备工艺, 实现了CdSe/CdS厚壳层核壳(8.6 ML)量子点复合材料的合成制备, 并对所合成的核、核壳量子点及其复合材料的晶格结构、形貌特点与发光性质进行了XRD、TEM、SEM、UV-Vis、PL表征和红光补偿效果测试。测试结果表明, CdSe核具有立方纤锌矿晶格结构; CdSe/CdS量子点复合材料直径为45～75 μm, 呈菱形规则形貌, 且颗粒分散性良好。采用该方法, 可以提高量子产率, 产率由4%(CdSe核)升至48%(CdSe/CdS核壳量子点); 可以增强激子态发光能力, CdSe/CdS核壳量子点复合材料的荧光强度约为CdSe核的13倍。将该材料与YAG∶Ce3+黄色荧光粉组合应用, 获得了高光效(148.29 lm/W)、高显色指数(Ra为90.1, R9为97.0)的白光发光二级管, 表明按照上述方法获得的CdSe/CdS核壳量子点复合材料在白光发光二极管中深红光波段具有较好的补偿效果。

黄烷酮类化合物是天然药物的重要活性成分, 也是有机合成的研究热点之一, 但此类化合物的荧光性质尚缺乏研究。 研究了黄烷酮及其6种羟基衍生物的荧光性质, 发现黄烷酮(Flavanone, FV)、 7-羟基黄烷酮(7-Hydroxyflavanone, 7HF)和6-羟基黄烷酮(6-Hydroxyflavanone, 6HF)的水溶液有荧光, 而2’-羟基黄烷酮(2’-Hydroxyflavanone, 2’HF)、 4’-羟基黄烷酮(4’-Hydroxyflavanone, 4’HF)、 柚皮素(4’,5,7-三羟基黄烷酮, Naringenin)和乔松素(5,7-二羟基黄烷酮, Pinocembrin)的水溶液基本无荧光。 在三维荧光图谱中, FV的荧光激发波长(λex)为235, 265和340 nm, 发射波长(λem)为386 nm; 7HF的λex为230, 276和315 nm, λem为391 nm; 6HF的λex为260和356 nm, λem为482 nm。 研究了pH对FV, 7HF和6HF荧光的影响, 从分子结构的角度讨论了pH对荧光产生影响的原因。 研究了7HF和6HF在不同pH条件下的紫外吸收光谱, 用pH-光度法测得7HF和6HF的羟基质子电离常数pKa分别为7.26±0.05和9.90±0.02。 研究了溶剂(甲醇)对FV, 7HF和6HF荧光光谱的影响, 发现FV和7HF在甲醇溶液中的荧光比在水中减弱, 而6HF在甲醇中的荧光显著增强。 在有序介质(SDS, CTAB, β-CD)中, FV和7HF的荧光减弱, 而6HF在β-CD或CTAB中的荧光增强。 以硫酸奎宁或L-色氨酸为参比, 测得FV和7HF水溶液的荧光量子产率分别为0.057和0.012; 6HF在甲醇中和在β-CD浓度为1.62 mg·mL-1的水溶液中的荧光量子产率分别为0.064和0.012。

A domain-level gradient-based routing (DLR) algorithm for heterogeneous optical networks with synchronous digital hierarchy and optical transport network domains is proposed and experimentally validated. This algorithm classifies domains into groups with incremental levels on the basis of domain-level partitioning, and guides paths level by level along a gradient on the basis of interdomain routing tree evolution. The proposed algorithm is implemented in the hierarchical path computation element-based control architecture for connection provisioning. Testbeds with commercial and emulated nodes are established to verify the feasibility and performance of the algorithm. Experimental and emulation results show that DLR effectively performs in terms of network blocking probability, real time characteristics, and scalability.