P2876﹥《时空注意力驱动的分组异步多智能体强化学习框架》

概述：在无人驾驶、智能制造和自动化物流等实际应用中，智能体需要高效协同以应对复杂多变的场景。然而，现有的合作模型对合作动态变化的刻画仍显不足.为解决这一问题，提出一种结合动态时空注意力机制和分组异步学习策略的多智能体强化学习框架。该框架能够更好地捕捉智能体之间的时空协作特性，并提高系统的训练效率与稳定性。框架中的动态时空注意力网络通过时域卷积网络分析智能体的轨迹，扩展卷积范围以捕捉更大范围的依赖关系，即使没有显式位置编码，也能通过多层卷积逐步聚合上下文信息，提升时空特征的表达能力。通过计算智能体间的动态影响权重，模型能够优化关键注意力的分配，从而提升多智能体的协作效率，特别是在复杂动态合作任务中。此外，分组异步更新模块通过将智能体分组并异步更新，显著提高训练效率和稳定性.组内智能体采用同步更新策略，组间则采用异步更新，从而减少梯度波动，增强系统的鲁棒性。实验结果表明，该方法在保持高效性和鲁棒性的同时，能够更全面地建模智能体间复杂的协作动态关系。

作者简介：陈涛，硕士研究生，CCF学生会员，江苏大学计算机科学与通信工程学院，研究方向为机器学习。

成科扬，博士研究生，教授，CCF会员，江苏大学计算机科学与通信工程学院，研究方向为计算机视觉；E-mail:kycheng@ujs.edu.cn。

引用：陈涛, 唐静峰, 成科扬, 等. 时空注意力驱动的分组异步多智能体强化学习框架[J]. 小型微型计算机系统,2025,12:2876-2883.

全文：点击下载

P2941﹥《SLAW-YOLOv8:一种密集行人检测方法》

概述： 针对YOLOv8密集场景行人检测易出现漏检、误检现象，通过引入具有强特征提取能力的空间通道重建卷积模块(SCConv)和可分离大核注意力机制(LSKA)对其主干网络进行改进；分别在其颈部网络和检测头引入通道注意力模块(EMA)和自适应空间特征融合模块(ASFF)，有效增强多通道上下文信息和目标尺度不变性能；提出一种新的Wise-MPDIoU边界损失函数，从而构建出一种新的密集行人检测方法：SLAW-YOLOv8.对比实验结果表明，在PASCAL VOC2012数据集上，mAP@0.5提高了4.4%,mAP@0.5∶0.95提高了4.7%;在WiderPerson数据集上mAP@0.5提升了1.5%，mAP@0.5∶0.95提高了1.9%，有效消除了密集场景行人检测的漏检、误检现象。

作者简介：陈汝熠，硕士研究生，重庆理工大学两江人工智能学院，研究方向为深度学习、目标检测；E-mail：52232313181@stu.cqut.edu.cn。

引用：陈汝熠, 闫河, 王艳, 等. SLAW-YOLOv8:一种密集行人检测方法[J]. 小型微型计算机系统,2025,12:2941-2948.

全文：点击下载

P2967﹥《并行双分支融合网络及其在医学图像分割中的应用》

概述：医学成像技术能够清晰展示患者的解剖结构，辅助医生非侵入性观察患者体内结构和功能.近年来，基于CNN和Transformer的图像分割算法在医学图像处理领域得到了广泛应用。但两者的结合方式往往过于简单，不能充分发挥其各自的优势.本文提出了一种新型的双分支融合网络(PDBF),该网络在继承编码器-解码器基本结构的基础上，设计了由深度可分离卷积分支和窗口自注意力分支组成的并行模块。这一双分支结构能够同时提取Transformer窗口内和窗口间的特征信息，从而有效扩大感受野.此外，模块中引入了跨分支的双向注意力融合机制，用以弥补因权重共享导致的通道或空间维度上的信息缺失问题。以DSC和HD95为评价指标，本文在BCV、ACDC及私有胰腺肿瘤数据集上的对比实验结果表明，PDBF与其他医学图像分割网络相比，可以取得更好的分割效果。

作者简介：余辰婷，硕士研究生，上海理工大学光电信息与计算机工程学院，研究方向为深度学习、医学图像分割。

王朝立，博士，教授，上海理工大学光电信息与计算机工程学院，研究方向为非线性控制、机器人控制、图像分割等；E-mail：clwang@usst.edu.cn。

引用：余辰婷, 王朝立, 孙占全, 等. 并行双分支融合网络及其在医学图像分割中的应用[J]. 小型微型计算机系统,2025,12:2967-2975.

全文：点击下载

P2976﹥《利用扩散模型的网络入侵检测增强方法》

概述：为解决网络入侵检测模型训练数据不平衡和泛化能力不足导致防御效果差的问题，本文提出一种基于扩散模型的网络入侵检测增强方法.通过改进现有检测过程和扩散模型，使其适用于复杂多样的入侵检测数据，该方法能够合成高质量训练数据和多样化对抗样本，从增强训练数据和增强对抗样本两方面提升入侵检测模型的性能.在入侵检测数据集上的实验表明，相比业界常用的基于变分自编码器和基于对抗生成网络的数据增强方法，本文方法能够获得更好的数据保真度和多样性，在缓解数据不平衡的同时提高检测性能。通过本文方法增强对抗样本后，能够生成更加多样化的对抗样本，使得扩散对抗训练效果优于对抗训练，增强入侵检测系统的防御能力。

作者简介：周瑞，博士，副教授，CCF会员，研究方向为人工智能、大模型、网络安全等；E-mail：ruizhou@uestc.edu.cn。

引用：周瑞, 梁文龙, 马扬, 等. 利用扩散模型的网络入侵检测增强方法[J]. 小型微型计算机系统,2025,12:2976-2981.

全文：点击下载

P3001﹥《灾害环境下无人机联盟搜救的改进拍卖算法研究》

概述：针对随机灾害环境下的无人机救援任务分配问题，本文提出了一种改进的灾后联盟拍卖算法(Post-Disaster Coalition Auction, PDCA)。该算法在传统拍卖机制的基础上，结合任务优先级、无人机飞行成本以及路径中的随机灾害影响，通过优化代价函数实现任务分配的全局效益最大化。PDCA算法通过动态调整竞标策略和任务分配，能够适应复杂环境下的多样化任务需求。实验通过设置不同完成概率和标称奖励，模拟无人机异构性和任务优先级的场景，验证了PDCA算法在搜救任务分配中的有效性。

作者简介：张淳，博士，副教授，南京邮电大学计算机学院，研究方向为群体智能和物联网；E-mail：zhc1088@njupt.edu.cn。

引用：张淳, 汪文, 付文浩, 等. 灾害环境下无人机联盟搜救的改进拍卖算法研究[J]. 小型微型计算机系统,2025,12:3001-3005.

全文：点击下载