Journal of Zhejiang University

Current Issue: <FITEE>

Frontiers of Information Technology & Electronic Engineering (former title: Journal of Zhejiang University SCIENCE C (Computers & Electronics), 2010-2014)

ISSN 2095-9184 (print); ISSN 2095-9230 (online); CN 33-1389/TP; Monthly.

FITEE is an international peer-reviewed journal indexed by SCI-E, Ei Compendex, DBLP, IC, Scopus, JST, CSA, etc. It covers research in Electrical and Electronic Engineering, including Computer Science, Information Sciences, Control, Automation, Telecommunications, and related disciplines.

Impact factor: 0.308 (2011), 0.297 (2012), 0.380 (2013), 0.415 (2014), 0.392 (2015), 0.622 (2016), 0.910 (2017), 1.033 (2018), 1.604 (2019), 2.161 (2020), 2.526 (2021).

Frontiers of Information Technology & Electronic Engineering

ISSN 2095-9184 (print), ISSN 2095-9230 (online), monthly

2022 Vol.23 No.7 P.991-1138

Cover:

<416>

Contents:

<203>

<<< CONTENTS >>>

Special Feature on Institutionalized and Systematized Gaming (InSys Gaming) for Multi-agent Systems
(Guest Editor-in-Chief: Jun LU; Guest Executive Lead Editor: Fei-Yue WANG; Guest Editors: Qi DONG, Qibin SUN, Qinglai WEI, Xin YAO)

Editorial: Institutionalized and systematized gaming for multi-agent systems

Jun LU, Fei-Yue WANG, Qi DONG, Qinglai WEI

DOI: 10.1631/FITEE.2240000 Downloaded: 1436 Clicked: 1708 Cited: 0 Commented: 0(p.991-994) <Full Text>

Perspective: Existence and practice of gaming: thoughts on the development of multi-agent system gaming

Qi DONG, Zhenyu WU, Jun LU, Fengsong SUN, Jinyu WANG, Yanyu YANG, Xiaozhou SHANG

DOI: 10.1631/FITEE.2100593 Downloaded: 2170 Clicked: 1830 Cited: 0 Commented: 0(p.995-1001) <Full Text>

Chinese summary <29> 博弈的存在與實踐：對多智能體(tǐ)博弈發展的思考

董琦¹，吳鎮宇^1,2，陸軍¹，孫鳳松^1,3，王錦宇^1,3，楊焱煜¹，尚曉舟¹
¹中(zhōng)國電子科學研究院，中(zhōng)國北(běi)京市，100049
²北(běi)京理工(gōng)大(dà)學信息與電子學院，中(zhōng)國北(běi)京市，100081
³北(běi)京郵電大(dà)學信息與通信工(gōng)程學院，中(zhōng)國北(běi)京市，100876
摘要：博弈是宇宙中(zhōng)的一(yī)種普遍存在。本文從人類對博弈的認識過程出發，探讨了博弈的存在與實踐，闡述了多智能體(tǐ)博弈研究難點，并基于演化思想，從系統論的角度出發，提出多智能體(tǐ)演化博弈理論框架。以下(xià)一(yī)代預警探測系統爲例，介紹了多智能體(tǐ)演化博弈的應用實踐。構建了多智能體(tǐ)自組織博弈決策模型和多智能體(tǐ)強化學習方法，對研究高維複雜(zá)環境下(xià)的組織化、體(tǐ)系化博弈行爲具有重要意義。

關鍵詞組：博弈；多智能體(tǐ)系統；多智能體(tǐ)演化博弈；預警探測

Perspective: Prospects for multi-agent collaboration and gaming: challenge, technology, and application

Yu LIU, Zhi LI, Zhizhuo JIANG, You HE

DOI: 10.1631/FITEE.2200055 Downloaded: 3165 Clicked: 1895 Cited: 0 Commented: 0(p.1002-1009) <Full Text> <PPT> 322

Chinese summary <30> 多智能體(tǐ)協作與博弈展望：挑戰、技術和應用

劉瑜¹，李徵²，姜智卓²，何友¹
¹清華大(dà)學電子工(gōng)程系，中(zhōng)國北(běi)京市，100084
²清華大(dà)學深圳國際研究生(shēng)院，中(zhōng)國深圳市，518055
摘要：近年來，多智能體(tǐ)系統在解決複雜(zá)環境中(zhōng)各種決策問題方面取得顯著進步，并已實現與人類相似甚至更好的決策性能。本文從任務挑戰、技術方向和應用領域3個角度簡要回顧多智能體(tǐ)協作和博弈相關技術。首先回顧近期多智能體(tǐ)系統工(gōng)作中(zhōng)的典型研究問題和挑戰，然後進一(yī)步讨論關于多智能體(tǐ)協作和遊戲任務的前沿研究方向，最後對多智能體(tǐ)協作與博弈的應用領域進行重點展望。

關鍵詞組：多智能體(tǐ)；博弈論；集體(tǐ)智能；強化學習；智能控制

Optimal synchronization control for multi-agent systems with input saturation: a nonzero-sum game

Hongyang LI, Qinglai WEI

DOI: 10.1631/FITEE.2200010 Downloaded: 3317 Clicked: 2038 Cited: 0 Commented: 0(p.1010-1019) <Full Text> <PPT> 298

Chinese summary <27> 輸入飽和下(xià)多智能體(tǐ)系統最優一(yī)緻性控制：一(yī)類非零和博弈方法

李洪陽^1,2，魏慶來^1,2,3
¹中(zhōng)國科學院大(dà)學人工(gōng)智能學院，中(zhōng)國北(běi)京市，100049
²中(zhōng)國科學院自動化研究所複雜(zá)系統管理與控制國家重點實驗室，中(zhōng)國北(běi)京市，100190
³澳門科技大(dà)學系統工(gōng)程研究所，中(zhōng)國澳門特别行政區，999078
摘要：本文針對輸入飽和下(xià)的多智能體(tǐ)系統，提出一(yī)種最優一(yī)緻性控制方法。引入多智能體(tǐ)博弈理論，将最優一(yī)緻性控制問題轉化爲多智能體(tǐ)非零和博弈。之後，通過求解具有非二次輸入能量項的耦合Hamilton–Jacobi–Bellman（HJB）方程，實現Nash平衡。提出脫策強化學習方法，在系統模型未知(zhī)情況下(xià)獲得Nash平衡解；引入評判神經網絡和執行神經網絡實現所提方法。理論分(fēn)析顯示叠代控制律收斂到Nash平衡。仿真實驗驗證了所提方法的有效性。

關鍵詞組：最優一(yī)緻性控制；多智能體(tǐ)系統；非零和博弈；自适應動态規劃；輸入飽和；脫策強化學習；策略叠代

Distributed game strategy for unmanned aerial vehicle formation with external disturbances and obstacles

Yang YUAN, Yimin DENG, Sida LUO, Haibin DUAN

DOI: 10.1631/FITEE.2100559 Downloaded: 5833 Clicked: 1893 Cited: 0 Commented: 0(p.1020-1031) <Full Text> <PPT> 283

Chinese summary <27> 具有外(wài)部幹擾和障礙物(wù)的無人機編隊分(fēn)布式博弈策略

袁洋¹，鄧亦敏¹，羅斯達²，段海濱^1,3
¹北(běi)京航空航天大(dà)學自動化科學與電氣工(gōng)程學院虛拟現實技術與系統國家重點實驗室，中(zhōng)國北(běi)京市，100083
²北(běi)京航空航天大(dà)學機械工(gōng)程及自動化學院，中(zhōng)國北(běi)京市，100191
³鵬城實驗室，中(zhōng)國深圳市，518000
摘要：本文研究了具有外(wài)部幹擾和障礙物(wù)的無人機編隊分(fēn)布式博弈策略，該策略基于分(fēn)布式模型預測控制（MPC）框架和基于Levy飛行的鴿群優化算法（LFPIO）。首先，提出一(yī)種非奇異快速終端滑模觀測器（NFTSMO）估計無人機受擾動的影響，并利用Lyapunov函數證明該觀測器在固定時間内收斂。其次，設計一(yī)種基于拓撲重構的避障策略，使無人機能夠以較小(xiǎo)能量消耗安全通過障礙物(wù)。然後，建立一(yī)個分(fēn)布式MPC框架，該框架中(zhōng)每架無人機僅與鄰居交換消息，通過設計分(fēn)布式MPC代價函數，将無人機編隊問題轉化爲博弈問題，并利用基于Levy飛行的鴿群優化算法求解納什均衡。最後，利用數值仿真對比實驗驗證所提策略的有效性。

關鍵詞組：分(fēn)布式博弈策略；無人機；分(fēn)布式模型預測控制；基于Levy飛行的鴿群優化算法；非奇異快速終端滑模觀測器；避障策略

Coach-assisted multi-agent reinforcement learning framework for unexpected crashed agents

Jian ZHAO, Youpeng ZHAO, Weixun WANG, Mingyu YANG, Xunhan HU, Wengang ZHOU, Jianye HAO, Houqiang LI

DOI: 10.1631/FITEE.2100594 Downloaded: 3800 Clicked: 1751 Cited: 0 Commented: 0(p.1032-1042) <Full Text> <PPT> 290

Chinese summary <26> 針對意外(wài)崩潰智能體(tǐ)的教練輔助多智能體(tǐ)強化學習框架

趙鑒¹，趙有朋¹，王維埙²，陽明宇¹，胡迅晗¹，周文罡¹，郝建業²，李厚強¹
¹中(zhōng)國科學技術大(dà)學信息科學技術學院，中(zhōng)國合肥市，230026
²天津大(dà)學智能與計算學部，中(zhōng)國天津市，300072
摘要：多智能體(tǐ)強化學習在實際場景中(zhōng)很難應用，一(yī)部分(fēn)原因在于模拟環境和現實環境之間存在差距。造成這種差距的一(yī)個原因是，模拟系統總是假設智能體(tǐ)可以一(yī)直正常工(gōng)作，而實際上，由于不可避免的硬件或軟件故障，一(yī)個或多個智能體(tǐ)可能會在合作過程中(zhōng)意外(wài)“崩潰”。這樣的崩潰會破壞智能體(tǐ)之間的合作，導緻系統性能下(xià)降。本文中(zhōng)，我(wǒ)們給出了意外(wài)崩潰情況下(xià)合作多智能體(tǐ)強化學習系統的正式定義。爲增強系統應對崩潰時的魯棒性，提出教練輔助多智能體(tǐ)強化學習框架，其在訓練過程中(zhōng)引入一(yī)個虛拟教練智能體(tǐ)，以調整系統的崩潰概率。爲教練智能體(tǐ)設計了3種教練策略和重采樣策略。據我(wǒ)們所知(zhī)，這是研究多智能體(tǐ)系統中(zhōng)意外(wài)崩潰情況的首項工(gōng)作。在網格環境和星際争霸微管理任務上的大(dà)量實驗表明，相比固定崩潰概率和課程學習的教練策略，自适應策略更加有效。消融實驗進一(yī)步展現了重采樣策略的有效性。

關鍵詞組：多智能體(tǐ)系統；強化學習；意外(wài)崩潰智能體(tǐ)

Multi-agent differential game based cooperative synchronization control using a data-driven method

Yu SHI, Yongzhao HUA, Jianglong YU, Xiwang DONG, Zhang REN

DOI: 10.1631/FITEE.2200001 Downloaded: 3531 Clicked: 1946 Cited: 0 Commented: 0(p.1043-1056) <Full Text> <PPT> 305

Chinese summary <25> 基于多智能體(tǐ)微分(fēn)博弈的數據驅動協同一(yī)緻控制

石宇¹，化永朝²，于江龍¹，董希旺^1,2，任章¹
¹北(běi)京航空航天大(dà)學自動化科學與電氣工(gōng)程學院，中(zhōng)國北(běi)京市，100191
²北(běi)京航空航天大(dà)學人工(gōng)智能研究院，中(zhōng)國北(běi)京市，100191
摘要：本文研究了多智能體(tǐ)微分(fēn)博弈問題及其在協同一(yī)緻控制中(zhōng)的應用。提出系統化的多智能體(tǐ)微分(fēn)博弈構建和分(fēn)析方法，同時給出一(yī)種基于強化學習技術的數據驅動方法。首先論證了由于網絡交互的耦合特性，典型的分(fēn)布式控制器無法充分(fēn)保證微分(fēn)博弈的全局納什均衡。其次通過定義最優對策的概念，将問題分(fēn)解爲局部微分(fēn)博弈問題，并給出局部納什均衡解。構造了一(yī)種無需系統模型信息的離(lí)軌策略強化學習算法，利用在線鄰居交互數據對控制器進行優化更新，并證明控制器的穩定性和魯棒性。進一(yī)步提出一(yī)種基于改進耦合指标函數的微分(fēn)博弈模型及其等效的強化學習求解方法。與現有研究相比，該模型解決了多智能體(tǐ)所需信息的耦合問題，并實現分(fēn)布式框架下(xià)全局納什均衡和穩定控制。構造了與此納什解對應的等價并行強化學習方法。最後，仿真結果驗證了學習過程的有效性和一(yī)緻控制的穩定性。

關鍵詞組：多智能體(tǐ)系統；微分(fēn)博弈；一(yī)緻控制；數據驅動；強化學習

Finite-time leader-follower consensus of a discrete-time system via sliding mode control

Ruizhuo SONG, Shi XING, Zhen XU

DOI: 10.1631/FITEE.2100565 Downloaded: 2206 Clicked: 1834 Cited: 0 Commented: 0(p.1057-1068) <Full Text> <PPT> 309

Chinese summary <26> 基于離(lí)散系統滑模控制的有限時間領導-跟随一(yī)緻性

宋睿卓^1,2，邢适^1,2，許鎮³
¹北(běi)京科技大(dà)學自動化學院，中(zhōng)國北(běi)京市，100083
²北(běi)京市工(gōng)業波譜成像工(gōng)程技術研究中(zhōng)心，中(zhōng)國北(běi)京市，100083
³北(běi)京科技大(dà)學土木與資(zī)源工(gōng)程學院，城鎮化與城市安全研究院，中(zhōng)國北(běi)京市，100083
摘要：研究了離(lí)散時間二階多智能體(tǐ)系統在外(wài)部幹擾約束下(xià)的有限時間領導-跟随一(yī)緻性問題。首先利用自适應滑模控制理論，設計了一(yī)種新的有限時間一(yī)緻性方案。自适應控制律是在傳統滑模趨近律基礎上改進設計的，其優點是減少抖振并保持對幹擾的不變性。此外(wài)，通過給出一(yī)個離(lí)散李雅普諾夫函數，證明了離(lí)散時間二階多智能體(tǐ)系統的有限時間穩定性。最後，數值模拟結果驗證了理論分(fēn)析的有效性。

關鍵詞組：有限時間；領導-跟随一(yī)緻性；自适應滑模控制；多智能體(tǐ)系統

Cooperative planning of multi-agent systems based on task-oriented knowledge fusion with graph neural networks

Hanqi DAI, Weining LU, Xianglong LI, Jun YANG, Deshan MENG, Yanze LIU, Bin LIANG

DOI: 10.1631/FITEE.2100597 Downloaded: 2107 Clicked: 1755 Cited: 0 Commented: 0(p.1069-1076) <Full Text>

Chinese summary <28> 基于融合任務信息圖神經網絡的多智能體(tǐ)系統協同規劃

戴漢奇^1,2，蘆維甯²，李祥隆³，楊君¹，孟德山⁴，劉衍澤⁵，梁斌¹
¹清華大(dà)學自動化系，中(zhōng)國北(běi)京市，100084
²清華大(dà)學北(běi)京信息科學與技術國家研究中(zhōng)心，中(zhōng)國北(běi)京市，100084
³天津大(dà)學科學技術發展研究院，中(zhōng)國天津市，300350
⁴中(zhōng)山大(dà)學航空航天學院，中(zhōng)國深圳市，518107
⁵諾丁漢大(dà)學電氣與電子工(gōng)程系，中(zhōng)國甯波市，315154
摘要：協同規劃是多智能體(tǐ)系統博弈領域的關鍵問題之一(yī)。本文聚焦每個智能體(tǐ)隻有一(yī)個局部觀測範圍和局部通信情況下(xià)的協作規劃。提出一(yī)種新型協同規劃框架，該框架将圖神經網絡與融合任務信息采樣方法相結合。本文的兩個主要貢獻是基于與前期工(gōng)作的比較：（1）使用圖采樣與聚合方法（GraphSAGE）實現動态近鄰智能體(tǐ)信息融合，這是該方法首次用于處理協同規劃問題；（2）提出一(yī)種面向任務的采樣方法，從特定方向聚合知(zhī)識，使所提模型獲得高效、穩定的訓練過程。實驗結果證明了所提方法的有效性。

關鍵詞組：多智能體(tǐ)系統；協同規劃；圖采樣與聚合（GraphSAGE）；融合任務信息

Regular Papers

Review Article: Light field imaging for computer vision: a survey

Chen JIA, Fan SHI, Meng ZHAO, Shengyong CHEN

DOI: 10.1631/FITEE.2100180 Downloaded: 4415 Clicked: 2861 Cited: 0 Commented: 0(p.1077-1097) <Full Text> <PPT> 292

Chinese summary <26> 用于計算機視覺任務的光場成像技術綜述

賈晨^1,2，石凡^1,2，趙萌^1,2，陳勝勇^1,2
¹天津理工(gōng)大(dà)學學習型智能系統教育部工(gōng)程研究中(zhōng)心，中(zhōng)國天津市，300384
²天津理工(gōng)大(dà)學計算機視覺與系統教育部重點實驗室，中(zhōng)國天津市，300384
摘要：光場成像因其解決計算機視覺問題的能力而備受關注。本文首先簡要回顧了近年來計算機視覺的研究進展。對于影響計算機視覺發展的大(dà)多數因素來說，視覺信息獲取的豐富性和準确性起着決定性作用。光場成像技術利用照相機或微透鏡陣列記錄光線位置和方向信息，獲取完整三維場景信息，爲計算機視覺研究做出巨大(dà)貢獻。光場成像提高了深度估計以及圖像分(fēn)割、融合和三維重建的精度。光場成像還被創新地應用于虹膜和人臉識别、材料和虛假行人識别、極平面圖像采集和形狀恢複以及光場顯微鏡。我(wǒ)們進一(yī)步總結了光場成像技術在計算機視覺研究中(zhōng)存在的問題和發展趨勢，如光場數據集的建立和評估、在高動态範圍條件下(xià)的應用、光場增強和虛拟現實。光場成像在各種研究中(zhōng)取得巨大(dà)成功。在過去(qù)25年，超過180篇文獻報道了光場成像在解決計算機視覺問題上的能力。我(wǒ)們梳理了這些文獻，使研究人員(yuán)更容易搜索有關解決方案的詳細方法。

關鍵詞組：光場成像；相機陣列；微透鏡陣列；極平面圖像；計算機視覺

Enhanced solution to the surface–volume–surface EFIE for arbitrary metal–dielectric composite objects

Han WANG, Mingjie PANG, Hai LIN

DOI: 10.1631/FITEE.2100387 Downloaded: 3727 Clicked: 2592 Cited: 0 Commented: 0(p.1098-1109) <Full Text> <PPT> 292

Chinese summary <25> 任意金屬–介電混合體(tǐ)面體(tǐ)面電場積分(fēn)方程（SVS-EFIE）的增強解

王涵，龐銘傑，林海
浙江大(dà)學計算機輔助設計與圖形學國家重點實驗室，中(zhōng)國杭州市，310027
摘要：利用矩量法求解面體(tǐ)面電場積分(fēn)方程（SVS-EFIE），公式複雜(zá)，實現困難，算法複雜(zá)度高。本文提出求解任意金屬–介電混合體(tǐ)電磁散射問題的通用矩陣方程（GME），并給出該方程的增強解。矩量法隻考慮包含3個區域的金屬–介電混合體(tǐ)，且SVS-EFIE的兩步過程導緻兩個積分(fēn)符号，難以實現且算法複雜(zá)度高。爲解決該問題，本文首次提出能夠用于分(fēn)析均勻介質體(tǐ)和超過3個區域金屬–介電混合體(tǐ)的GME方法。提出基于耦合度和子區域間距相關的GME加速求解策略，并自适應設置耦合度标準以平衡精度和效率。将變形後的加法定理用于強耦合情況，将叠代法用于弱耦合情況。并行性可以方便地應用于該增強解。數值結果表明，與直接解相比，該方法平均隻需11.6%的内存和11.8%的中(zhōng)央處理器時間。

關鍵詞組：混合體(tǐ)；積分(fēn)方程；矩量法；加法定理；叠代

Cellular automata based multi-bit stuck-at fault diagnosis for resistive memory

Sutapa SARKAR, Biplab Kumar SIKDAR, Mousumi SAHA

DOI: 10.1631/FITEE.2100255 Downloaded: 3226 Clicked: 3679 Cited: 0 Commented: 0(p.1110-1126) <Full Text> <PPT> 266

Chinese summary <23> 基于元胞自動機的電阻存儲器多比特固定型故障診斷

Sutapa SARKAR¹, Biplab Kumar SIKDAR², Mousumi SAHA³
¹Seacom工(gōng)程學院電子與通信工(gōng)程系，印度西孟加拉邦豪拉市，711302
²印度工(gōng)程科學與技術學院計算機科學與技術系，印度西孟加拉邦豪拉市，711303
³國立技術學院計算機科學與工(gōng)程系，印度西孟加拉邦杜爾加普爾，713209
摘要：本文提出一(yī)種用于可變電阻式存儲器（ReRAM）、基于組的動态固定型故障診斷方案。傳統的靜态随機存取存儲器、動态随機存取存儲器、NAND和NOR閃存受可擴展性、功率、封裝密度等限制。可變電阻式存儲器這類下(xià)一(yī)代存儲器被認爲具有多種優勢，如高封裝密度、非易失性、可擴展性和低功耗，但單元可靠性一(yī)直是個問題。不可靠的内存操作是由于大(dà)量使用寫入或内存密集型工(gōng)作負載而導緻的永久性固定型故障。越來越多的固定型故障也限制了芯片壽命。因此，本文提出一(yī)種基于元胞自動機（CA）的動态消除固定型故障設計，以解決不可靠的電池功能和不穩定的電池壽命問題。引入可擴展的塊級故障診斷和恢複方案，以确保在出現多比特固定型故障情形下(xià)仍可讀取數據。該方案是一(yī)種新穎方法，因其目标是消除一(yī)般故障條件下(xià)對固定型故障的數量和性質的限制。所提方案基于Wolfram零邊界和周期性邊界CA理論。引入多種特殊類别CA--單長循環單吸引子元胞自動機（SACA）、單長循環雙吸引子元胞自動機（TACA）和單長循環多吸引子元胞自動機（MACA）--以實現完全容錯。目标微架構單元設計具有最佳空間開(kāi)銷。

關鍵詞組：電阻存儲器；電池可靠性；塊級故障診斷；單長循環單吸引子元胞自動機；單長循環雙吸引子元胞自動機；單長循環多吸引子元胞自動機

Efficient decoding self-attention for end-to-end speech synthesis

Wei ZHAO, Li XU

DOI: 10.1631/FITEE.2100501 Downloaded: 2636 Clicked: 2095 Cited: 0 Commented: 2(p.1127-1138) <Full Text> <PPT> 266

Chinese summary <28> 一(yī)種端到端語音合成中(zhōng)的高效解碼自注意力網絡

趙偉^1,2，許力^1,2
¹浙江大(dà)學電氣工(gōng)程學院，中(zhōng)國杭州市，310027
²浙江大(dà)學機器人研究院，中(zhōng)國餘姚市，315400
摘要：自注意力網絡由于其并行結構和強大(dà)的序列建模能力，被廣泛應用于語音合成（TTS）領域。然而，當使用自回歸解碼方法進行端到端語音合成時，由于序列長度的二次複雜(zá)性，其推理速度相對較慢(màn)。當部署設備未配備圖形處理器（GPU）時，該效率問題更加嚴重。爲解決該問題，提出一(yī)種高效解碼自注意力網絡（EDSA）作爲替代。通過一(yī)個動态規劃解碼過程，有效加速TTS模型推理，使其具有線性計算複雜(zá)度。基于普通話(huà)和英文數據集的實驗結果表明，所提EDSA模型在中(zhōng)央處理器（CPU）和GPU上的推理速度分(fēn)别提高720%和50%，而性能幾乎相同。因此，在GPU資(zī)源有限的情況下(xià)，該方法可使此類模型的部署更加容易。此外(wài)，所提模型在域外(wài)語言處理上可能比基線Transformer TTS性能更好。

關鍵詞組：高效解碼；端到端；自注意力網絡；語音合成