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

2024 Vol.25 No.7 P.903-1030

Cover:

<116>

Contents:

<149>

<<< CONTENTS >>>

Perspectives

Perspective: Four development stages of collective intelligence

Renbin XIAO

DOI: 10.1631/FITEE.2300459 Downloaded: 2327 Clicked: 995 Cited: 0 Commented: 0(p.903-916) <Full Text> <PPT> 190

Chinese summary <9> 群体智能的四个发展阶段

肖人彬^1,2
¹华中科技大学人工智能与自动化学院，中国武汉市，430074
²图像信息处理与智能控制教育部重点实验室，中国武汉市，430074
摘要：中国学者发起的新一代人工智能研究顺应了信息新环境变化的需求，力图将传统人工智能（人工智能1.0）推进到人工智能2.0的新阶段。作为人工智能的重要组成部分之一，群体智能1.0（群智能）正在向群体智能2.0（众智能）阶段发展。通过深度剖析和翔实论证，发现群体智能1.0与群体智能2.0存在不相容性，据此搭建它们之间的桥梁--以生物合作行为仿生为主的群体智能1.5，作为群体智能1.0到群体智能2.0的过渡，以实现两者的相容。进而对钱学森提出的大成智慧进行新的诠释，将其作为人类智慧仿生的高级阶段--群体智能3.0，指出在深度不确定性下的大模型和大数据的双轮驱动是从群体智能2.0通向群体智能3.0的进化途径并加以阐述，由此提出群体智能的4个发展阶段，形成由上述阶段共居一体所组成的群体智能发展的完整架构，这些不同阶段渐进发展，具有良好的相容性。鉴于合作在群体智能发展阶段中的主导作用，分别论述群体智能中的3种合作类型：低等生物的间接调节型合作、高等生物的直接沟通型合作和人的共享意向型合作。在群体智能中，分工乃是实现合作的主要形式，为此阐释分工行为复杂性与分工类型的关系。最后，基于对所提出的群体智能4个发展阶段整体架构的全方位认识，对群体智能未来的发展方向和研究前景进行展望。

关键词组：群体智能；大成智慧；不相容性；劳动分工；合作行为；群智涌现；大语言模型

Perspective: Sora for foundation robots with parallel intelligence: three world models, three robotic systems

Lili FAN, Chao GUO, Yonglin TIAN, Hui ZHANG, Jun ZHANG, Fei-Yue WANG

DOI: 10.1631/FITEE.2400144 Downloaded: 482 Clicked: 508 Cited: 0 Commented: 0(p.917-923) <Full Text> <PPT> 165

Chinese summary <5> 基于Sora的平行智能基础机器人：三个世界模型，三种机器人系统

范丽丽¹，郭超²，田永林²，张慧³，张俊⁴，王飞跃²
¹北京理工大学信息与电子学院，中国北京市，100081
²中国科学院自动化研究所复杂系统管理与控制国家重点实验室，中国北京市，100190
³北京交通大学计算机与信息技术学院，中国北京市，100044
⁴武汉大学电气工程学院，中国武汉市，430072
摘要：本文概述了基于基础模型和并行智能开发基础、基础设施机器人、机器人技术的初始步骤和基本框架，以及新型人工智能技术（如AlphaGO、ChatGPT和Sora）的潜在应用。

关键词组：Sora；平行智能；基础模型；平行机器人

Research Articles

TibetanGoTinyNet: a lightweight U-Net style network for zero learning of Tibetan Go

Xiali LI, Yanyin ZHANG, Licheng WU, Yandong CHEN, Junzhi YU

DOI: 10.1631/FITEE.2300493 Downloaded: 522 Clicked: 750 Cited: 0 Commented: 0(p.924-937) <Full Text> <PPT> 221

Chinese summary <5> TibetanGoTinyNet:一种应用于藏式围棋的U型网络风格的轻量级零学习模型

李霞丽^1,2，张焱垠^1,2，吴立成^1,2，陈彦东^1,2，喻俊志³
¹中央民族大学民族语言智能分析与安全治理教育部重点实验室，中国北京市，100081
²中央民族大学信息工程学院，中国北京市，100081
³北京大学工学院先进制造与机器人系，中国北京市，100871
摘要：藏式围棋面临专家知识和研究文献匮乏的问题。因此，我们研究了有限计算能力资源下藏式围棋的零学习模型，并提出一种新颖的尺度不变U型网络（U-Net）风格的双头输出轻量级网络TibetanGoTinyNet。该网络的编码和解码器应用了轻量级卷积神经网络（CNN）和胶囊网络，以减少计算负担并提升特征提取效果。网络中集成了数种自注意力机制，以捕获藏式围棋棋盘的空间和全局信息，并选择有价值通道。训练数据完全由自我对弈生成。TibetanGoTinyNet在与Res-UNet，Res-UNet Attention，Ghost-UNet和Ghost Capsule-UNet 4个U-Net风格模型的对弈中获得了62%–78%的胜率。在捕获棋盘位置信息的轻量级自注意机制消融实验中，它也实现了75%的胜率。当模型从9×9棋盘直接迁移到11×11棋盘时，该模型在不同的蒙特卡洛树搜索（MCTS）次数下节省了约33%的训练时间，并获得了45%–50%的胜率。本文模型代码可在https://github.com/paulzyy/TibetanGoTinyNet上获取。

关键词组：零学习；藏式围棋；U型网络；自注意力机制；胶囊网络；蒙特卡洛树搜索

GeeNet: robust and fast point cloud completion for ground elevation estimation towards autonomous vehicles

Liwen LIU, Weidong YANG, Ben FEI

DOI: 10.1631/FITEE.2300388 Downloaded: 757 Clicked: 1145 Cited: 0 Commented: 0(p.938-950) <Full Text> <PPT> 182

Chinese summary <5> GeeNet：用于自动驾驶汽车地面高程估计的稳健快速点云补全

刘沥文¹，杨卫东^1,2，费奔¹
¹复旦大学计算机学院数据科学上海重点实验室，中国上海市，200433
²珠海复旦创新研究院，中国珠海市，519000
摘要：地面高程估计对于无人驾驶汽车和智能机器人的许多应用至关重要，包括三维物体检测、导航空间检测、用于定位的点云匹配和用于建图的配准。然而，现有大多数工作将地面视为没有高度信息的平面，导致这些应用中出现不准确的操作。本文提出一种端到端的轻量级方法GeeNet，可几乎实时地补全地面，同时在基于网格的表示中估计地面高程。GeeNet利用二维/三维卷积的混合来保留轻量级架构，以回归网格每个单元格的地面高程信息。GeeNet首次实现了语义场景补全的地面高程估计。使用SemanticKITTI和SemanticPOSS数据集对GeeNet进行验证，展示了其在地面高程估计和点云语义场景补全方面的定性和定量性能。此外，其跨数据集泛化能力也得到实验证明。相比文献方法，GeeNet取得更好性能，并以0.88 ms运行时实现地面高程估计和地面补全。

关键词组：点云补全；地面高程估计；实时；自动驾驶车辆

Digital twin system framework and information model for industry chain based on industrial Internet

Wenxuan WANG, Yongqin LIU, Xudong CHAI, Lin ZHANG

DOI: 10.1631/FITEE.2300123 Downloaded: 1005 Clicked: 8423 Cited: 0 Commented: 0(p.951-967) <Full Text> <PPT> 197

Chinese summary <5> 基于工业互联网的产业链数字孪生系统框架及信息模型

王文宣¹，刘永钦^1,2，柴旭东³，张霖¹
¹北京航空航天大学自动化科学与电气工程学院，中国北京市，100191
²吉林大学控制科学与工程系，中国长春市，130012
³中国航天科工集团航天云网科技发展有限公司，中国北京市，100080
摘要：工业互联网、云计算、大数据技术的融合正在改变产业链的经营和管理模式。然而，产业链涉及领域广泛、发展环境复杂、影响因素众多，给工业大数据的高效整合与利用带来挑战。针对当前产业链物理空间与虚拟空间的融合，本文建立基于工业互联网的产业链数字孪生系统框架。进一步，本文提出一种基于知识图谱的产业链信息模型，以整合复杂异构的产业链数据并抽取产业知识。首先，建立产业链本体，提出基于科技成果的实体对齐方法。第二，提出基于Transformer的双向编码器表示（BERT）与多头选择模型的产业链信息实体关系联合抽取方法。第三，提出基于关系图卷积网络与图采样聚合网络的关系补全模型，该模型同时考虑了知识图谱的语义信息和图结构信息。实验结果表明，本文所提出的实体关系联合抽取模型和关系补全模型的性能明显优于其他基线模型。最后，本文基于基础机械领域的18条产业链数据建立了产业链信息模型，证明了该方法的可行性。

关键词组：产业链；数字孪生；工业互联网；知识图谱；图神经网络

Iris: a multi-constraint graphic layout generation system

Liuqing CHEN, Qianzhi JING, Yixin TSANG, Tingting ZHOU

DOI: 10.1631/FITEE.2300312 Downloaded: 692 Clicked: 810 Cited: 0 Commented: 0(p.968-987) <Full Text> <PPT> 150

Chinese summary <5> Iris：一个满足多条件约束的图形布局生成系统

陈柳青^1,2，景千芝¹，曾怡欣¹，周婷婷³
¹浙江大学计算机科学与技术学院，中国杭州市，310030
²浙江-新加坡人工智能与创新设计联合实验室，中国杭州市，310058
³阿里巴巴集团，中国杭州市，310034
摘要：在平面设计中，布局是前景设计元素和背景图像相互作用的结果。然而，现有的研究主要集中在提高布局生成算法性能上，忽略设计师在现实世界中应用这些方法时所必需的交互性和可控性。本文提出一个以用户为中心的布局设计系统Iris，它为设计师提供了一个交互式的环境加快工作流程。该环境支持用户约束输入、布局生成、自定义编辑和布局渲染。为满足设计师指定的多种约束，引入一种新的生成模型--多约束LayoutVQ-VAE，以推进在域内和域间多种条件约束下的布局生成。对所提模型进行定性和定量实验。实验结果表明，该模型在多个方面的表现优于目前最先进的模型或可与之相媲美。对Iris系统的用户研究进一步表明，该系统在显著提高设计效率的同时，也实现了接近人类设计师的布局设计。

关键词组：平面布局生成；深度生成模型；布局设计系统

A privacy-preserving vehicle trajectory clustering framework

Ran TIAN, Pulun GAO, Yanxing LIU

DOI: 10.1631/FITEE.2300369 Downloaded: 988 Clicked: 1397 Cited: 0 Commented: 1(p.988-1002) <Full Text> <PPT> 209

Chinese summary <6> 隐私保护下的车辆轨迹聚类方法研究

田冉，高普伦，刘颜星
西北师范大学计算机科学与工程学院，中国兰州市，730070
摘要：车辆轨迹聚类方法作为时空交通数据挖掘的重要工具之一，被广泛地运用于挖掘车辆的行为模式。但是如果直接将原始车辆轨迹数据上传到服务器并进行聚类则具有隐私泄露的风险。因此，针对在保护用户隐私的同时进行车辆轨迹聚类这一挑战，本文提出一种隐私保护下的车辆轨迹聚类框架，并构建了基于变分自编码器和改进K-means算法的车辆轨迹聚类模型（IKV）。在该框架中，客户端计算出车辆轨迹的隐藏变量并上传至服务端，服务端再利用隐藏变量计算出聚类结果，并将分析结果发放给各客户端。IKV的工作流程如下：首先利用历史车辆轨迹数据在变分自编码器上进行训练，当变分自编码器的解码器接近原始数据时，将变分自编码器的编码器部署到车辆端的边缘计算设备；其次由车辆端的编码器计算车辆本地轨迹数据的隐变量，并将隐变量上传至服务器端；最后在服务器端利用改进的K-means算法基于车辆上传的隐变量进行车辆轨迹聚类计算。在三个真实数据集上，我们将IKV与多种基准方法在多个评价指标上进行了比较。在9组性能对比实验中，IKV算法在6组中达到了最优或接近最优的性能水平。同时在9组敏感性分析实验中，该算法在7组实验中展现出了显著的稳定性和对参数变化的鲁棒性。这些结果验证了本文提出的框架不仅适用于注重隐私的生产环境，如拼车服务，而且由于其对聚簇数量的低敏感性，还能适应不同规模的聚类任务。

关键词组：隐私保护；变分自编码器；改进K-means；车辆轨迹聚类

Multi-agent evaluation for energy management by practically scaling α-rank

Yiyun SUN, Senlin ZHANG, Meiqin LIU, Ronghao ZHENG, Shanling DONG, Xuguang LAN

DOI: 10.1631/FITEE.2300438 Downloaded: 818 Clicked: 1023 Cited: 0 Commented: 0(p.1003-1016) <Full Text> <PPT> 253

Chinese summary <5> 基于拓展α-rank的多智能体策略评估方法在能源管理中的应用

孙祎芸^1,2，张森林^1,2，刘妹琴^3,2,1，郑荣濠^1,2，董山玲^1,2，兰旭光³
¹浙江大学工业控制技术国家重点实验室，中国杭州市，310027
²浙江大学电气工程学院，中国杭州市，310027
³西安交通大学人机混合增强智能全国重点实验室，中国西安市，710049
摘要：随着碳达峰、碳中和政策的制定与实施，电网新能源化成为了主流趋势。然而，配电网中光伏装置数量的增加已经给分布式配电网系统带来巨大的有源电压调控压力，使得传统电压调节模式难以适应新能源化电网系统。基于多智能体强化学习的智能控制策略可通过智能逆变器和其他智能建筑能源管理系统（楼宇微网）缓解这些问题。为了获得楼宇微网的最佳能源管理策略，并满足楼宇用户的舒适度和能源需求，本文提出两种大规模多智能体策略评估方法，将能源管理问题转化为一般和博弈，同时优化了系统和楼宇用户两个层面的收益。α-rank算法虽然可解决一般和博弈，并在理论上保证策略排名的可靠性，但其受到策略交互中的采样复杂度限制，难以应用于实际电力系统。通过引入张量补全拓展α-rank算法，本文提出一种新的评估算法TcEval，以降低交互中的采样复杂性。此外，考虑到实际场景中普遍存在的噪声问题，本文建立了基于领域知识的噪声处理模型来计算策略收益，提出了针对噪声场景的TcEval-AS算法。多组基于实际数据的能源管理案例实验说明，本文提出的两种评估算法相较于现有方法（RG-UCB和α-IG）大幅度降低了策略评估中采样复杂度。最后，用实际数据验证了所提算法的有效性。

关键词组：能源管理；多智能体深度强化学习；策略评估；配电网系统

Numerical study of a bi-directional in-band pumped dysprosium-doped fluoride fiber laser at 3.2 μm

Lingjing LI, Chunyang MA, Nian ZHAO, Jie PENG, Bin LIU, Haining JI, Yuchen WANG, Pinghua TANG

DOI: 10.1631/FITEE.2300701 Downloaded: 764 Clicked: 1072 Cited: 0 Commented: 0(p.1017-1024) <Full Text> <PPT> 188

Chinese summary <5> 双向同带泵浦的3.2 µm掺镝氟化物光纤激光器数值研究

李灵景¹，马春阳²，赵年¹，彭杰¹，刘斌¹，嵇海宁¹，王雨辰³，唐平华¹
¹湘潭大学物理与光电工程学院，中国湘潭市，411105
²鹏城实验室电路与系统研究部，中国深圳市，518055
³中国科学院上海光学精密机械研究所，中国上海市，201899
摘要：掺镝氟化物光纤激光器在环境监测、实时传感和聚合物加工等方面具有重要应用。目前，在>3 µm的中红外区域获得高效率、高功率的掺镝氟化物光纤激光是科技前沿领域。通常，掺镝氟化物光纤激光器采用单向泵浦方案，但其存在光纤端面高热负载密度的缺点，限制了功率的提升。本研究基于速率方程和传输方程，数值研究了一种双向同带泵浦方案，旨在解决3.2 µm掺镝氟化物光纤激光器输出功率提升的限制，并提升其效率。仿真结果表明，双向同带泵浦的掺镝氟化物光纤激光器的光光效率可达75.1%，接近斯托克斯极限87.3%。同时，讨论了进一步提高掺镝氟化物光纤激光器效率的潜力。与单向泵浦相比，双向泵浦方案除了高效率外，还具有减轻光纤端面热负荷的固有优势。因此，该方案有望显著提高掺镝氟化光纤激光器在中红外波段的输出功率。

关键词组：中红外激光器；光纤激光器；双向泵浦

Comment

Comment: Suno: potential, prospects, and trends

Jiaxing YU, Songruoyao WU, Guanting LU, Zijin LI, Li ZHOU, Kejun ZHANG

DOI: 10.1631/FITEE.2400299 Downloaded: 493 Clicked: 576 Cited: 0 Commented: 0(p.1025-1030) <Full Text> <PPT> 162

Chinese summary <6> Suno：潜力、前景与趋势

俞佳兴¹，吴宋若瑶¹，卢冠廷¹，李子晋²，周莉³，张克俊^1,4
¹浙江大学计算机科学与技术学院，中国杭州市，310027
²中央音乐学院音乐人工智能与音乐信息科技系，中国北京市，100031
³中国地质大学（武汉）艺术与传媒学院，中国武汉市，430074
⁴浙江大学长三角智慧绿洲创新中心，中国嘉兴市，314100
摘要：Suno因其出色的音乐生成能力受到广泛关注，其不仅展现了音乐人工智能技术的进步，也为音乐创作开辟了新的可能，是音乐人工智能生成发展的一个里程碑。本文介绍音乐人工智能生成的技术背景，总结音乐人工智能生成的通用技术框架，分析Suno的优势和局限，并讨论音乐人工智能的未来趋势。

关键词组：音乐人工智能；音乐生成；音乐人工智能生成平台；Suno