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.11 P.1579-1732

Cover:

<512>

Contents:

<178>

<<< CONTENTS >>>

Review Article

Review Article: Synaptic devices based on semiconductor nanocrystals

Mingxuan BU, Yue WANG, Lei YIN, Zhouyu TONG, Yiqiang ZHANG, Deren YANG, Xiaodong PI

DOI: 10.1631/FITEE.2100551 Downloaded: 3640 Clicked: 1552 Cited: 0 Commented: 0(p.1579-1601) <Full Text> <PPT> 233

Chinese summary <23> 基于半導體(tǐ)納米晶體(tǐ)的神經突觸器件

步明軒^1,2，王越^1,2，尹蕾^1,2，童周禹^1,2，張懿強³，楊德仁^1,2,4,5，皮孝東^1,2,4,5
¹浙江大(dà)學矽材料國家重點實驗室，中(zhōng)國杭州市，310027
²浙江大(dà)學材料科學與工(gōng)程學院，中(zhōng)國杭州市，310027
³鄭州大(dà)學材料科學與工(gōng)程學院，中(zhōng)國鄭州市，450001
⁴浙江大(dà)學杭州國際科創中(zhōng)心先進半導體(tǐ)研究院，中(zhōng)國杭州市，311200
⁵浙江大(dà)學杭州國際科創中(zhōng)心浙江省寬禁帶功率半導體(tǐ)材料與器件重點實驗室，中(zhōng)國杭州市，311200
摘要：近年來，人們對信息處理的需求日益增長，腦啓發式神經形态器件得到了廣泛的關注。突觸器件作爲一(yī)類重要的神經形态器件，在短短幾年内迅速升溫。在用于制備突觸器件的各種材料中(zhōng)，半導體(tǐ)納米晶體(tǐ)（NCs）因其優異的電學和光學性能而成爲首選材料之一(yī)。本綜述論文首先介紹了基于半導體(tǐ)納米晶體(tǐ)的突觸器件的研究背景及半導體(tǐ)納米晶體(tǐ)的基本性質。然後，根據器件有源層所用納米晶體(tǐ)種類的不同，分(fēn)類介紹了基于納米晶體(tǐ)的突觸器件的最新研究進展。最後，讨論了基于半導體(tǐ)納米晶體(tǐ)的突觸器件目前仍面臨的問題和挑戰。

關鍵詞組：半導體(tǐ)納米晶體(tǐ)；突觸器件；神經形态計算

Research Articles

A novel robotic visual perception framework for underwater operation

Yue LU, Xingyu CHEN, Zhengxing WU, Junzhi YU, Li WEN

DOI: 10.1631/FITEE.2100366 Downloaded: 3774 Clicked: 2095 Cited: 0 Commented: 0(p.1602-1619) <Full Text> <PPT> 274

Chinese summary <28> 針對水下(xià)作業的新型機器人視覺感知(zhī)框架

魯嶽¹，陳星宇²，吳正興¹，喻俊志(zhì)^1,3，文力⁴
¹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
²快手科技Ytech，中(zhōng)國北(běi)京市，100085
³北(běi)京大(dà)學工(gōng)學院先進制造與機器人系湍流與複雜(zá)系統國家重點實驗室，中(zhōng)國北(běi)京市，100871
⁴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
摘要：水下(xià)機器人操作通常需要視覺感知(zhī)（如目标檢測和跟蹤），但水下(xià)場景視覺質量較差，且代表一(yī)種特殊分(fēn)布，會影響視覺感知(zhī)的準确性。同時，檢測的連續性和穩定性對機器人感知(zhī)也很重要，但常用的基于靜态精度的評估（即平均精度（average precision））不足以反映檢測器的時序性能。針對這兩個問題，本文提出一(yī)種新型機器人視覺感知(zhī)框架。首先，研究不同質量的數據分(fēn)布與視覺恢複在檢測性能上的關系。結果表明雖然分(fēn)布質量對分(fēn)布内檢測精度幾乎沒有影響，但是視覺恢複可以通過緩解分(fēn)布漂移，從而有益于真實海洋場景的檢測。此外(wài)，提出基于目标軌迹的檢測連續性和穩定性的非參考評估方法，以及一(yī)種在線軌迹優化（online tracklet refinement，OTR）來提高檢測器的時間性能。最後，結合視覺恢複，建立精确穩定的水下(xià)機器人視覺感知(zhī)框架。爲了将視頻(pín)目标檢測（video object detection，VID）方法擴展到單目标跟蹤任務，提出小(xiǎo)交并比抑制（small-overlap suppression，SOS）方法，實現目标檢測和目标跟蹤之間的靈活切換。基于ImageNet VID數據集和真實環境下(xià)的機器人任務進行了大(dà)量實驗，實驗結果驗證了所作分(fēn)析的正确性及所提方法的優越性。代碼公開(kāi)在https://github.com/yrqs/VisPerception。

關鍵詞組：水下(xià)作業；機器人感知(zhī)；視覺恢複；視頻(pín)目标檢測

Improving entity linking with two adaptive features

Hongbin ZHANG, Quan CHEN, Weiwen ZHANG

DOI: 10.1631/FITEE.2100495 Downloaded: 2879 Clicked: 1751 Cited: 0 Commented: 0(p.1620-1630) <Full Text> <PPT> 266

Chinese summary <27> 利用兩個自适應特征改進實體(tǐ)鏈接

張鴻彬，陳權，張偉文
廣東工(gōng)業大(dà)學計算機學院，中(zhōng)國廣州市，510006
摘要：實體(tǐ)鏈接是自然語言處理中(zhōng)的一(yī)項基本任務。現有的基于神經網絡的系統更多地關注全局模型的構建，而忽略了局部模型中(zhōng)潛在的語義信息和有效實體(tǐ)類型信息的獲取。本文提出兩個自适應特征，其中(zhōng)第一(yī)個自适應特征使得局部和全局模型能夠捕獲潛在信息，第二個自适應特征能夠描述實體(tǐ)類型嵌入的有效信息。這些自适應特征可以很自然地協同工(gōng)作來處理一(yī)些不确定的實體(tǐ)類型信息。實驗結果表明，我(wǒ)們的實體(tǐ)鏈接系統在AIDA-B和MSNBC數據集上取得了最佳的性能，并在域外(wài)數據集上達到了最佳的平均性能。這些結果表明，所提出的自适應特征能夠基于其自身不同的上下(xià)文來捕獲有利于實體(tǐ)鏈接的信息。

關鍵詞組：實體(tǐ)鏈接；局部模型；全局模型；自适應特征；實體(tǐ)類型

TEES: topology-aware execution environment service for fast and agile application deployment in HPC

Mingtian SHAO, Kai LU, Wanqing CHI, Ruibo WANG, Yiqin DAI, Wenzhe ZHANG

DOI: 10.1631/FITEE.2100284 Downloaded: 2917 Clicked: 3115 Cited: 0 Commented: 0(p.1631-1645) <Full Text> <PPT> 256

Chinese summary <26> TEES：一(yī)種面向高性能計算快速、靈活應用程序部署的拓撲感知(zhī)的運行環境服務

邵明天，盧凱，遲萬慶，王睿伯，戴屹欽，張文喆
國防科技大(dà)學計算機學院，中(zhōng)國長沙市，410073
摘要：高性能計算（HPC）即将達到新的高度：百億億次。應用程序部署正成爲一(yī)個日益突出的問題。容器技術解決了應用程序及其運行環境的封裝和遷移問題。但是，容器鏡像太過笨重，在大(dà)量計算結點上的部署過程非常耗時。雖然點對點（P2P）方式帶來更高的傳輸效率，但也引入更大(dà)的網絡負載。所有這些問題都會導緻應用程序的高啓動延遲。爲解決這些問題，提出拓撲感知(zhī)的運行環境服務（TEES），用于在高性能計算系統上快速、靈活地部署應用程序。TEES爲用戶創建了一(yī)個更輕量級的運行環境，并使用一(yī)種更有效的拓撲感知(zhī)P2P方法減少部署時間。結合分(fēn)步傳輸和提前啓動機制，TEES降低了應用程序的啓動延遲。在天河高性能計算系統中(zhōng)，TEES在3秒内實現了在17 560個計算結點上的一(yī)個典型應用程序的部署和啓動。與基于容器的應用程序部署方式相比，速度提高了12倍，網絡負載減少了85%。

關鍵詞組：運行環境；應用部署；高性能計算（HPC）；容器；點對點（P2P）；網絡拓撲

ShortTail: taming tail latency for erasure-code-based in-memory systems

Yun TENG, Zhiyue LI, Jing HUANG, Guangyan ZHANG

DOI: 10.1631/FITEE.2100566 Downloaded: 2469 Clicked: 2037 Cited: 0 Commented: 0(p.1646-1657) <Full Text> <PPT> 306

Chinese summary <26> ShortTail：降低糾删碼内存存儲系統的尾部延遲

滕雲^1,3，李之悅^2,4，黃晶^1,3，張廣豔^2,4
¹吉林大(dà)學計算機科學與技術學院，中(zhōng)國長春市，130012
²清華大(dà)學計算機科學與技術系，中(zhōng)國北(běi)京市，100084
³吉林大(dà)學符号計算與知(zhī)識工(gōng)程教育部重點實驗室，中(zhōng)國長春市，130012
⁴北(běi)京國家信息科學與技術研究中(zhōng)心（清華大(dà)學），中(zhōng)國北(běi)京市，100084
摘要：爲獲得高性能和高數據可用性，基于糾删碼的内存存儲系統得到廣泛應用。然而，随着集群規模不斷增長，服務器級别的性能降級問題出現得越來越頻(pín)繁，進而導緻長尾延遲。在基于糾删碼的系統中(zhōng)，由于一(yī)個糾删碼操作可能依賴于多個子操作的同步完成，長尾延遲的影響被進一(yī)步放(fàng)大(dà)。本文提出一(yī)種稱爲ShortTail的基于糾删碼的内存存儲系統，該系統可實現穩定的性能和較低的讀寫延遲。首先，ShortTail使用輕量請求監視器監測每個内存節點性能，以便及時發現性能降級節點。其次，ShortTail選擇性執行降級讀操作和重定向寫操作，以避免訪問性能降級節點。最後，ShortTail采用一(yī)種自适應寫策略降低小(xiǎo)寫請求的寫放(fàng)大(dà)程度。本文在Memcached上實現了ShortTail，并将其與兩個系統進行比較。實驗結果表明，ShortTail最高可降低63.77%的99分(fēn)位延遲，且顯著改善中(zhōng)位延遲和平均延遲。

關鍵詞組：糾删碼；内存存儲系統；節點性能降級；小(xiǎo)寫請求；尾部延遲

Robust global route planning for an autonomous underwater vehicle in a stochastic environment

Jiaxin ZHANG, Meiqin LIU, Senlin ZHANG, Ronghao ZHENG

DOI: 10.1631/FITEE.2200026 Downloaded: 2880 Clicked: 1834 Cited: 0 Commented: 0(p.1658-1672) <Full Text> <PPT> 253

Chinese summary <24> 随機環境中(zhōng)的自主水下(xià)航行器魯棒全局路徑規劃

張佳欣^1,2，劉妹琴^1,2,3，張森(sēn)林^1,2，鄭榮濠^1,2
¹浙江大(dà)學工(gōng)業控制技術國家重點實驗室，中(zhōng)國杭州市，310027
²浙江大(dà)學電氣工(gōng)程學院，中(zhōng)國杭州市，310027
³西安交通大(dà)學人工(gōng)智能與機器人研究所，中(zhōng)國西安市，710049
摘要：本文提出一(yī)種在随機局部路徑成本下(xià)使自主水下(xià)航行器在作業海域選擇性地完成部分(fēn)預定任務的路徑規劃器。該問題被表述爲定向越野問題的變體(tǐ)。本文在遺傳算法（GA）的基礎上，提出一(yī)種基于貪心策略的遺傳算法（GGA）。該算法包含一(yī)種新穎的通過在進化過程中(zhōng)将不可行個體(tǐ)映射到可行解空間來提高優化效率的重生(shēng)算子，并以差分(fēn)進化規劃器計算确定性局部路徑成本。局部路徑成本的不确定性來自不可預測的障礙物(wù)、測量誤差和軌迹跟蹤誤差。爲了提高規劃器在不确定環境下(xià)的魯棒性，設計了一(yī)種用于路徑評估的采樣策略，通過對局部路徑的概率密度函數多次采樣，得到對路徑實際成本的估計。通過蒙特卡羅仿真實驗驗證所提規劃器的優越性和有效性。仿真結果表明，所提出的GGA在總收益方面優于同類算法4.7%-24.6%，而基于抽樣的GGA路徑規劃器（S-GGARP）相較于普通的GGA路徑規劃器（GGARP）提高了5.5%的平均收益。

關鍵詞組：自主水下(xià)航行器；路徑規劃；遺傳算法；定向越野問題；随機路徑成本

A deep Q-learning network based active object detection model with a novel training algorithm for service robots

Shaopeng LIU, Guohui TIAN, Yongcheng CUI, Xuyang SHAO

DOI: 10.1631/FITEE.2200109 Downloaded: 2539 Clicked: 1659 Cited: 0 Commented: 0(p.1673-1683) <Full Text> <PPT> 246

Chinese summary <28> 基于深度Q學習網絡與新訓練算法的服務機器人主動物(wù)品檢測模型

劉少鵬，田國會，崔永成，邵旭陽
山東大(dà)學控制科學與工(gōng)程學院，中(zhōng)國濟南(nán)市，250061
摘要：本文研究了主動物(wù)品檢測(AOD)問題。AOD是服務機器人在家庭環境中(zhōng)完成服務任務的重要組成部分(fēn)，通過适當的移動動作引導機器人接近目标物(wù)品。目前基于強化學習的AOD模型存在訓練效率低和測試精度差的問題。因此，本文提出一(yī)種基于深度Q學習網絡的AOD模型，并設計了一(yī)種新的模型訓練算法。該模型旨在拟合各種動作Q值，包括狀态空間、特征提取和多層感知(zhī)機。與現有研究不同，本文針對所提AOD模型設計了一(yī)種基于記憶的訓練算法，以提高模型訓練效率和測試精度。此外(wài)，提出一(yī)種最終狀态生(shēng)成方法判斷訓練過程中(zhōng)AOD任務何時停止。本文所提方法在AOD數據集上進行了充分(fēn)的對比實驗和消融實驗。實驗結果表明所提方法優于其他同類方法，所設計的訓練算法比原始訓練算法更高效。

關鍵詞組：主動物(wù)品檢測；深度Q學習網絡；訓練算法；服務機器人

Event-triggered dynamic output-feedback control for a class of Lipschitz nonlinear systems

Zhiqian LIU, Xuyang LOU, Jiajia JIA

DOI: 10.1631/FITEE.2100552 Downloaded: 4191 Clicked: 2200 Cited: 0 Commented: 0(p.1684-1699) <Full Text> <PPT> 298

Chinese summary <23> 一(yī)類Lipschitz非線性系統的事件觸發動态輸出反饋控制

劉智倩，樓旭陽，賈佳佳
江南(nán)大(dà)學輕工(gōng)過程先進控制教育部重點實驗室，中(zhōng)國無錫市，214122
摘要：本文研究一(yī)類Lipschitz非線性系統的動态輸出反饋控制問題。首先，針對該系統設計了一(yī)個連續時間控制器，并且給出了系統穩定的充分(fēn)條件。其次，針對該Lipschitz非線性系統提出一(yī)種新的事件觸發機制，在該觸發機制中(zhōng)引入了新的事件觸發條件，并構建了事件觸發控制下(xià)的閉環混雜(zá)系統。在混雜(zá)系統框架下(xià)建立了閉環系統穩定的充分(fēn)條件。此外(wài)，給出了最小(xiǎo)事件間隔的上界，以避免Zeno現象。最後，通過在神經網絡系統和基因調控網絡系統中(zhōng)的數值仿真驗證了理論結果及所提方法的優越性。

關鍵詞組：Lipschitz非線性系統；動态輸出反饋控制；事件觸發控制；全局漸近穩定

Design and experimental validation of event-triggered multi-vehicle cooperation in conflicting scenarios

Zhanyi HU, Yingjun QIAO, Xingyu LI, Jin HUANG, Yifan JIA, Zhihua ZHONG

DOI: 10.1631/FITEE.2100504 Downloaded: 1853 Clicked: 1813 Cited: 0 Commented: 0(p.1700-1713) <Full Text> <PPT> 271

Chinese summary <23> 沖突場景下(xià)基于事件觸發的多車(chē)協同控制與實驗驗證

胡展溢¹，喬英俊^2,3，李星宇¹，黃晉¹，賈一(yī)帆¹，鍾志(zhì)華²
¹清華大(dà)學車(chē)輛與運載學院，中(zhōng)國北(běi)京市，100084
²中(zhōng)國工(gōng)程院，中(zhōng)國北(běi)京市，100088
³同濟大(dà)學道路與交通工(gōng)程教育部重點實驗室，中(zhōng)國上海市，200092
摘要：隊列系統在提高交通吞吐量和道路安全方面極具潛力，其被廣泛用于高速公路上智能網聯汽車(chē)的協同控制。受隊列控制的啓發，虛拟隊列可以極大(dà)地簡化沖突場景下(xià)智能網聯多車(chē)系統的協同行駛。車(chē)車(chē)通信是虛拟隊列系統的重要組成部分(fēn)。在通信資(zī)源有限的情況下(xià)，大(dà)量數據傳輸必然會出現傳輸延遲、丢包等缺陷。因此，需要避免不必要的傳輸，從而建立一(yī)個可靠的無線網絡。針對這一(yī)問題，本文提出一(yī)種基于事件觸發的魯棒控制方法，在保證時變不确定性條件下(xià)虛拟隊列系統穩定性的同時，減少通信資(zī)源的利用。本文解析地證明了閉環系統的一(yī)緻有界性、一(yī)緻最終有界性和隊列穩定性。本文所設計的觸發條件考慮了邊界信息的不确定性，使阈值估計更加合理。仿真和實驗結果表明，該方法可以在多車(chē)協作的同時大(dà)大(dà)減少數據傳輸。阈值的選取影響跟蹤能力和通信負擔，其優化方法值得在今後的研究中(zhōng)探索。

關鍵詞組：智能網聯汽車(chē)；事件觸發控制；非線性不确定性動力學；沖突區域

DIP-MOEA: a double-grid interactive preference based multi-objective evolutionary algorithm for formalizing preferences of decision makers

Luda ZHAO, Bin WANG, Xiaoping JIANG, Yicheng LU, Yihua HU

DOI: 10.1631/FITEE.2100508 Downloaded: 2772 Clicked: 1824 Cited: 0 Commented: 0(p.1714-1732) <Full Text> <PPT> 268

Chinese summary <28> DIP-MOEA：一(yī)種形式化表達決策者偏好的雙重網格交互偏好多目标進化算法

趙祿達^1,2，王斌^1,2，姜曉平^1,2，盧義成³，胡以華^1,2
¹國防科技大(dà)學電子對抗學院，中(zhōng)國合肥市，230037
²國防科技大(dà)學第三學科交叉中(zhōng)心，中(zhōng)國合肥市，230037
³中(zhōng)國人民解放(fàng)軍78092部隊，中(zhōng)國成都市，610000
摘要：幾乎所有現有的基于偏好的多目标進化算法(MOEA)給出的最終解集都與決策者偏好信息的表示存在一(yī)定距離(lí)。因此，提出一(yī)種多目标優化算法，稱爲雙重網格交互式基于偏好的多目标進化算法(DIP-MOEA)，該算法明确考慮了決策者偏好。首先根據實際多目标優化問題(MOPs)的優化目标和決策者偏好映射隸屬度函數，生(shēng)成決策偏好度網格和偏好誤差網格。其次，提出偏好度支配和偏好誤差支配兩種種群支配方式，并利用該方案更新兩個網格中(zhōng)的種群。最後綜合兩個網格中(zhōng)的種群并結合決策者偏好交互信息可進行偏好多目标優化交互。爲驗證DIP-MOEA性能，我(wǒ)們在基本DTLZ系列函數和多目标背包問題上對DIP-MOEA進行測試，并将其與幾種流行的基于偏好的多目标進化算法進行比較。實驗結果表明，DIP-MOEA能較好表達決策者偏好信息，提供滿足決策者偏好的解集，快速求解測試問題結果，并在最終解集的Pareto前沿分(fēn)布性具有較好表現。

關鍵詞組：多目标進化算法（MOEA）；決策者偏好形式化；種群更新策略；偏好交互