删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

混沌多精英鲸鱼优化算法*

本站小编 Free考研考试/2021-12-25

随着无人机(UAV)技术的不断发展,UAV逐渐在战争中发挥着越来越重要的作用。UAV航迹规划是UAV作战任务规划的重要组成部分,是一个典型的非确定性多项式问题。随着规划问题维度的不断增加,求解难度和计算量呈指数式增长,因此很难找到一种有效应对所有复杂环境的航迹规划方法。为解决不同条件下的航迹规划问题,****们不断对航迹规划算法进行研究和改进。典型的方法有2类[1],一类是传统优化方法,如Dijkstra算法[2]、人工势场法[3]等;另一类则是启发式智能优化算法,如粒子群算法[4]、遗传算法[5]、差分进化算法[6]、灰狼优化算法[7]、乌贼算法[8]和蚁群算法[9]等已被应用于求解航迹规划问题。
自1975年美国教授Holland根据达尔文进化论以及自然界优胜劣汰机制提出了遗传算法以后,不断有****通过对不同生物种群行为和物理现象进行分析,提出多种群智能优化算法。其中澳大利亚****Mirjalili于2016年提出了一种新的群智能优化算法鲸鱼优化算法[10](Whale Optimization Algorithm,WOA)。WOA相比其他算法,具有参数少、原理简单和寻优能力强的优点,已被应用于许多工程领域[11-17],但同其他智能优化算法类似,容易陷入局部最优,导致早熟。文献[18]通过引入等级制度来扩大可行解的搜索范围,以此增强了算法的探索能力;文献[19]通过和黏菌算法融合,增强了算法的局部开发能力;文献[20]引入随机差分变异策略,增强了算法的开发能力;文献[21]引入自适应调整权重,通过控制WOA的关键参数来增强算法的全局搜索能力。
针对WOA存在的不足,本文提出了一种混沌多精英鲸鱼优化算法(Chaotic Multi-Leader Whale Optimization Algorithm,CML-WOA)。首先,利用立方映射来产生均匀分布的初始种群,增强初始种群的多样性;其次,提出了一种自适应策略,将正余弦算法(Sine Cosine Algorithm, SCA)融入WOA中,每个个体根据自适应参数选择使用WOA策略还是SCA策略来更新自身位置,同时对每代的最优个体利用SCA策略进行更新,充分利用SCA的周期振荡能力,帮助最优个体改善全局搜索能力,从而跳出局部最优;当算法陷入停滞时,使用多精英搜索策略,采取2种更新方式,平衡算法的开发和探索能力,增强种群多样性,加快算法的收敛精度和收敛速度;最后,利用贪婪策略从父代种群和生成的子代个体中选择优势群体,保证算法的收敛效率。通过求解20个基准测试函数验证改进算法的有效性,将其应用于航迹规划问题求解,结果表明:CML-WOA寻优性能明显提升;能够有效地解决航迹规划问题,高效稳定地规划出高质量飞行航迹。
1 鲸鱼优化算法 WOA是澳大利亚****Mirjalili等根据座头鲸的狩猎方式提出的一种新的群智能优化算法。鲸鱼在大海中随机游走寻找猎物,使用一种泡网觅食法的狩猎方式,先深入水底收缩包围猎物,而后螺旋上升在靠近海面的地方捕食猎物。WOA数学模型主要包括3部分:游走搜索猎物、收缩包围猎物和螺旋捕食猎物。
1.1 游走搜索猎物 WOA在寻优过程中,通过参数A的控制,来控制种群的搜索策略。当A>1时,WOA进行全局搜索,随机选择一个个体作为参考个体,按式(5)生成新个体。
(1)

(2)

(3)

(4)

(5)

式中:t为当前迭代次数;tmax为最大迭代次数;r为[0, 1]之间的随机数;Xrandt为随机选择的搜索个体;Xt为第t代种群个体;D为包围步长;A为生成个体离参考个体的远近程度。
1.2 收缩包围猎物 在收缩包围阶段,鲸鱼个体不再随机选择个体进行位置更新,而是选择当前最优个体进行位置更新,实施包围策略,从而使种群获得最优解。收缩包围猎物的位置更新公式为
(6)

(7)

式中:Xbestt为搜索至第t代种群时最好鲸鱼个体的位置,通过向鲸鱼种群最优个体包围,模拟收缩包围猎物的行为。
1.3 螺旋捕食猎物 鲸鱼通过一种螺旋式游走的方式形成气泡网进行捕食,具体游走模型如下:
(8)

式中:b为控制螺旋线形状的常数;l为[0, 1]的随机变量。鲸鱼的捕猎行为和螺旋收缩是同时进行的,假设两者概率均为50%,具体数学模型如下:
(9)

2 改进策略 2.1 立方混沌映射 当前大多数智能优化算法的初始种群都是在搜索空间中随机生成的,而初始化的种群质量对于优化算法的效率有很大影响,均匀分布的种群有利于扩大搜索范围,进而提高算法的收敛速度和精度。
WOA和其他智能优化算法一样,在求解复杂优化问题时,存在迭代后期种群个体多样性减少,易陷入局部最优的缺陷。为了增强种群个体多样性,考虑到混沌算子具有随机性与规律性的特点,且能在一定范围内不重复遍历所有状态,于是采用混沌算子对种群初始化,如图 1所示,立方映射比Logistic映射的均匀性好,因此采用立方映射混沌算子。
图 1 映射对比图 Fig. 1 Mapping contrast diagram
图选项




立方映射公式如下所示:
(10)

(11)

初始化鲸鱼种群由Md维个体组成,采用立方映射初始化鲸鱼种群的具体过程为:随机产生一个上下限为1和-1的d维矩阵作为第1个个体,之后用式(10)对第1个个体的每一维进行迭代得到剩余M-1个个体,最后使用式(12)将立方映射产生的变量值映射到鲸鱼个体上。
(12)

式中:XlbXub为每个个体每个维度的上下限;X为映射后个体。
2.2 正余弦优化策略 正余弦优化策略[22]是利用正弦函数与余弦函数的振荡特性进行寻优,其优点是收敛性好,易于实现。
首先随机生成N个搜索个体,依据适应度函数计算每个个体的适应度值,将适应度值最好的个体记为最优个体X*,寻优过程中个体位置更新公式为
(13)

(14)

式中:c为大于1的常数;r2为服从0~2π均匀分布的随机数;r3为服从0~2均匀分布的随机数;r4为服从0~2均匀分布的随机数。
2.3 自适应策略 为了将SCA有效地嵌入到WOA中,受文献[23]选择坐标系的自适应框架启发,提出一种自适应策略,每个搜索个体根据自适应概率参数pb选择采用哪种策略,并根据迭代过程中表现优劣对pb进行更新, 更新策略如下:
WOA策略较好:使用WOA策略更新个体位置,子代个体优于父代个体,此时pb的更新模型为
(15)

WOA策略较差:使用WOA策略更新个体位置,子代个体劣于父代个体,此时pb的更新模型为
(16)

SCA策略较好:使用SCA策略更新个体位置,子代个体优于父代个体,此时pb的更新模型为

SCA策略较差:使用SCA策略更新个体位置,子代个体劣于父代个体,此时pb的更新模型为

2.4 多精英选择策略 在算法迭代寻优过程中,采用前一半优势种群的平均适应值来判断算法是否陷入停滞,如果优势种群的平均适应值在连续2次迭代中没有发生变化,则认为算法搜索陷入停滞,此时使用多精英搜索(Multi-Leader Search,MLS)策略生成新个体,以帮助算法跳出局部最优,避免算法的早熟收敛。MLS策略围绕多个精英个体进行局部搜索,设置一个保存当前精英个体且具有自适应规模的集合L,在初始状态时,只包含一个当前最优解,当算法每次陷入停滞时,集合L便增加一个最优解,储存到一个事先给定的最大值时,集合L数量不再增加。
MLS策略对集合中的精英解执行2种搜索行为。MLS策略将围绕集合L中的精英个体进行局部搜索来产生新个体,对于没有被选入集合L的个体,采用式(19)进行更新。
(17)

式中: Xbestt为集合L中随机选择的精英个体。通过r5r6两项添加小扰动,避免搜索陷入局部最优。
对被选入集合的个体,采用式(20)生成子代。
(18)

此外,当前最优解X*的更新和其他个体依赖相同的种群信息,进而导致X*的全局搜索能力较差,为进一步增加算法的探索能力,在每一次迭代中,对X*采用正余弦策略进行更新。
最后采用贪婪策略保证CML-WOA的全局收敛效率,根据适应度值从子代个体与父代个体中选择较优个体,组成新种群,进而充分保留优势个体,提高算法收敛效率。
2.5 改进鲸鱼优化算法 针对基本WOA存在的不足,本文提出了CML-WOA。使用立方映射混沌算子初始化种群,改进后的种群初始位置分布更加均匀,扩大了鲸鱼群在空间中的搜索范围,增加了群体位置的多样性;利用自适应框架将SCA嵌入到WOA中,种群中的每个个体能够根据自适应概率参数选择使用WOA策略或SCA策略;对每一代最优个体使用SCA策略,利用SCA的振荡周期性帮助最优个体改善探索能力,进一步增强算法的全局搜索能力;当算法陷入停滞时,利用MLS策略,采取2种更新方式,平衡算法的开发和探索能力,增强种群多样性,加快算法的收敛精度和收敛速度;最后利用贪婪策略从父代种群和生成的新个体中选择优势群体,保证算法的收敛效率。CML-WOA的流程图如图 2所示。
图 2 CML-WOA流程图 Fig. 2 Flow chart of CML-WOA
图选项




3 航迹规划问题 3.1 航迹规划原理 航迹规划指在已知飞行区域内规划一条能够在规定时间段内从起飞点(U)到达目标点(T)、且满足各类约束的最优航迹。本文采用离散的航迹点表示飞行航迹,通过将航迹点(U, R1R2R3,…,RNT)进行连线得到一条满足约束的最优航迹,如图 3所示,由于是点与点之间的连线段,需要进行航迹平滑处理,本文采用B样条法处理。
图 3 航迹规划原理 Fig. 3 Principles of path planning
图选项




3.2 坐标系转换 传统二维航迹规划考虑2个方向上的变量,为简化研究问题维数,提高计算效率,本文采用新建坐标系进行降维,以UAV起点U为坐标原点,将起点U和目标点T连线作为横轴,垂直于线段UT作纵轴,建立新的坐标系。新坐标系如图 4所示。
图 4 坐标系转换 Fig. 4 Coordinate system transformation
图选项




图 4中,将线段UT等分为N+1份,则转换后的航迹点在X′UY′坐标系中的横坐标已知,只需求解出航迹点对应纵坐标,然后将得到的横纵坐标转换到XOY坐标系中,即可得到所规划的航迹点,最后通过B样条法处理得到可行飞行航迹。
3.3 B-spline曲线 B-spline曲线是贝塞尔曲线的一般化形式,公式如下:
(19)

式中:m为节点x的个数,且x的取值范围为{x0, x1, …, xm-1x0x1≤…≤xm-1};Pi为控制节点,共有mn-1个控制节点;Li, n表示n阶的B-spline曲线基数,公式如下:
(20)

(21)

B-spline曲线的计算成本较低,能够控制样条形状,易于保证路径连续性。而Dubins曲线不具有曲率连续性,贝塞尔曲线稳定性不够,因此本文选用B-spline曲线对航迹段进行处理。航迹平滑效果如图 5所示。
图 5 B样条曲线航迹平滑效果 Fig. 5 Effect of B-spline trajectory smoothing
图选项




3.4 约束函数和适应度函数 为了更好的规划出满足约束的高质量飞行航迹,需要建立合适的适应度函数以及考虑各种约束,尽可能符合实际要求。静态三维全局航迹规划主要包括2部分,第一部分是适应度函数,需要考虑UAV的飞行油量代价、飞行高度代价以及威胁代价;另一部分则是各种约束条件,如最大转弯角、最大俯仰角。

3.4.1 飞行油量代价 在规划航迹时考虑飞行油量代价,是为了保证UAV执行任务后能够顺利返航。假定UAV在执行任务中保持恒定速率,则油量与航迹长度成正比,表示为如下代价函数:
(22)

(23)

式中:ε为油量约束和航迹长度的比值;∑Li为相邻航迹点连线段之和,本文采用欧氏距离,Li为第i段航迹距离;(xi, yi, zi)为第i个航迹点的坐标。

3.4.2 高度代价 任务中UAV飞行高度也是影响作战效果的因素之一,低空飞行有利于UAV隐蔽,因此考虑UAV在飞行过程中的高度代价,模型如下:
(24)

式中:Hi为每个航迹点的高度。

3.4.3 威胁代价和禁飞区约束 UAV在执行任务时会遇到敌方的防空系统,其中包括探测雷达、防空高炮、地空导弹等威胁,本文将上述威胁在二维平面上近似看作一个个圆形区域,探测范围或打击范围作为其半径,规定UAV不能通过圆形区域。
对于如何判断是否穿过威胁区,本文采用如下方法:
1) 分别计算两相邻航迹点与威胁源圆心距离D1D2
2) 情况1:D1D2有1个或2个都小于威胁源半径r,则穿过该威胁区,如图 6(a)所示。
图 6 威胁区穿越判断 Fig. 6 Judgment of crossing the threat zone
图选项




3) D1D2均大于威胁源半径r,则计算威胁源心和两航迹点连线距离为D3
4) 情况2:若D3r,则不穿过该威胁区,如图 6(b)所示。若D3 < r,则计算威胁源圆心到相邻航迹点连线段中点距离为D4
5) 情况3:D4r,则穿过威胁区,如图 6(c)所示。

3.4.4 最大转弯角约束 由于UAV性能限制,实际飞行的最大转弯角不能无限制[24],同时在转弯过程中,UAV会稍微偏离规划的航迹,此时航迹曲率就要被考虑,为确保规划出的航迹可以被UAV有效跟随,所以要求生成的相邻航迹段间的夹角不能超过最大转弯角。在本文,规定最大转弯角为60°。

3.4.5 最大俯仰角约束 UAV在三维空间飞行时,其爬升或下降的角度同最大转弯角类似,不能超过最大俯仰角,本文设定相邻航迹段间爬升角不能超过60°。

3.4.6 最大航程约束 假设UAV执行任务后需要原路安全返回基地,那么UAV携带燃油要能够进行往返飞行。本文设定最大航程为550 km。
综上,本文使用代价函数为
(25)

(26)

式中:ω1+ω2=1;ζ为威胁惩罚系数,通过引入惩罚函数系数将约束优化问题转化为无约束优化问题,本文设ζ为105
4 仿真与验证 4.1 算法测试 为验证本文所提改进算法的有效性与优越性,选择WOA与改进算法IWOA[18]、PSO[25]、BSO[26]、SSA[27]、VCS[28]和GSA[29]进行对比分析。为保证公平,在相同的实验平台基础上,所有算法迭代次数相同,均设置为500次,种群规模设为30,各算法参数与原文献保持一致。所有算法均使用MATLAB R2016b编程,计算机操作系统为Windows10,处理器为AMD R7 4800U 16 GB RAM。对表 1所示测试函数连续独立运行30次,记录30次实验中各测试函数的最优值、平均值、标准差和时间,测试结果如表 2~表 4所示,对其中最好的结果加粗显示。
表 1 测试函数 Table 1 Test functions
函数分类 测试函数 维度 范围 最优值
单峰
测试
函数
30 [-100, 100] 0
30 [-10, 10] 0
30 [-100, 100] 0
30 [-100, 100] 0
30 [-30, 30] 0
30 [-100, 100] 0
30 [-1.28, 1.28] 0
多峰
测试
函数
30 [-5.12, 5.12] 0
30 [-32, 32] 0
30 [-600, 600] 0
30 [-50, 50] 0
30 [-50, 50] 0
固定
维度
测试
函数
2 [-65, 65] 0.998
4 [-5, 5] 0.000 3
2 [-5, 5] -1.031 6
2 [-2, 2] 3
3 [1, 3] -3.86
6 [0, 1] -3.32
4 [0, 10] -10.153 2
4 [0, 10] -10.536 3


表选项






表 2 F1~F7算法测试结果比较 Table 2 Results comparison among test functions F1-F7 of algorithms
测试函数 统计值 WOA IWOA VCS BSO PSO SSA GSA CML-WOA
F1 最优值 4.01×10-116 1.30×10-118 7.21×10-121 1.65×10-53 2.73×10-26 0 2.57×10-19 0
平均值 2.56×10-99 2.19×10-106 2.93×10-106 1.11×10-25 1.60×10-39 9.94×10-100 1.31×10-18 0
标准差 1.37×10-98 8.11×10-106 1.37×10-105 5.19×10-25 3.17×10-39 5.32×10-99 6.82×10-19 0
耗时/s 0.788 1 0.779 3 3.336 5 3.837 1 2.662 3 4.377 1 8.332 5 3.013 5
F2 最优值 1.38×10-72 1.25×10-76 3.22×10-59 8.71×10-11 2.07×10-22 2.50×10-76 1.16×10-9 5.90×10-294
平均值 5.92×10-65 1.50×10-69 1.02×10-52 7.58×10-3 2.86×10-21 6.25×10-53 2.36×10-9 2.60×10-160
标准差 1.84×10-64 8.38×10-69 5.12×10-52 1.17×10-2 3.43×10-21 3.40×10-52 7.60×10-10 0
耗时/s 1.063 2 1.061 5 3.645 4 4.700 3 2.868 0 4.773 7 8.296 9 3.305 5
F3 最优值 1.04×10-44 4.01×10-28 4.42×10-111 7.70×10-54 3.98×10-33 0 3.02×10-19 0
平均值 2.22×10-4 1.33×10-4 8.68×10-97 2.98×10-8 2.47×10-30 2.99×10-58 1.76×10-18 3.55×10-297
标准差 8.10×10-4 5.71×10-4 3.67×10-96 1.63×10-7 3.92×10-30 9.64×10-58 1.31×10-18 0
耗时/s 1.898 1 1.980 2 4.532 4 7.302 0 3.707 5 6.210 0 9.224 7 4.354 4
F4 最优值 6.60×10-2 5.77×10-8 1.09×10-57 8.95×10-16 3.07×10-20 3.24×10-242 3.81×10-10 0
平均值 2.13×101 8.78 1.10×10-51 3.54×10-2 8.17×10-19 1.75×10-43 8.45×10-10 0
标准差 1.31×101 9.07 5.31×10-51 1.44×10-1 6.12×10-19 6.69×10-43 2.59×10-10 0
耗时/s 0.784 8 0.772 6 3.434 0 3.774 7 2.624 0 4.318 3 8.101 3 3.204 7
F5 最优值 9.96×10-1 9.76×10-1 1.94×10-13 0 4.58×10-5 1.70×10-11 1.01 9.53×10-4
平均值 2.04×101 5.49×101 8.86×10-9 1.91 2.22 1.51×10-5 7.43 2.93×10-1
标准差 9.19×101 2.78×102 2.74×10-8 2.02 4.91 3.90×10-5 3.21×101 1.02
耗时/s 1.176 1 1.170 9 3.809 7 5.174 9 2.982 4 4.910 2 8.335 2 5.534 0
F6 最优值 2.26×10-3 4.5×10-3 3.89×10-25 0 0 0 4.50×1019 1.84×10-32
平均值 3.38×10-3 1.16×10-1 4.18×10-16 8.32×10-21 0 0 1.15×10-18 8.60×10-3
标准差 4.00×10-2 1.14×10-1 2.13×10-15 4.42×10-20 0 0 6.32×10-19 1.89×10-2
耗时/s 0.794 4 0.776 5 3.312 0 3.932 3 2.619 2 4.354 3 8.082 8 3.476 1
F7 最优值 5.12×10-5 1.09×10-5 1.19×10-5 1.98×10-4 9.60×10-5 3.50×10-5 3.62×10-4 4.63×10-6
平均值 2.42×10-3 2.04×10-3 3.42×10-4 1.27×10-3 7.21×10-4 6.46×10-4 5.38×10-3 2.47×10-4
标准差 2.82×10-3 3.27×10-3 2.69×10-4 1.11×10-3 5.28×10-4 3.57×10-4 3.44×10-3 1.93×10-4
耗时/s 1.130 0 1.180 0 3.691 2 4.844 1 2.927 3 4.906 7 8.551 8 3.478 1


表选项






表 3 F8~F12算法测试结果比较 Table 3 Results comparison among test functions F8-F12 of algorithms
测试函数 统计值 WOA IWOA VCS BSO PSO SSA GSA CML-WOA
F8 最优值 0 0 0 0 0 0 0 0
平均值 0 2.36×10-16 0 5.67 4.64×10-1 0 2.08 0
标准差 0 1.29×10-15 0 4.34 5.04×10-1 0 1.59 0
耗时/s 0.824 4 0.812 5 3.379 4 4.112 4 2.686 8 4.472 2 7.798 9 3.097 1
F9 最优值 8.88×10-16 8.88×10-16 8.88×10-16 4.44×10-15 8.88×10-16 8.88×10-16 1.09×10-9 8.88×10-16
平均值 3.84×10-15 3.37×10-15 8.88×10-16 6.80×10-1 3.01×10-15 8.88×10-16 2.29×10-9 8.88×10-16
标准差 2.30×10-15 2.31×10-15 0 8.56×10-1 1.77×10-15 8.88×10-16 6.82×10-10 0
耗时/s 1.139 8 1.118 9 3.660 8 5.039 3 2.990 2 4.954 5 8.690 0 3.366 7
F10 最优值 0 0 0 2.71×10-2 0 0 9.36×10-2 0
平均值 4.13×10-2 4.47×10-2 0 1.75×10-1 3.88×10-2 0 9.05×10-1 0
标准差 9.08×10-2 1.12×10-1 0 1.03×10-1 2.67×10-2 0 6.32×10-1 0
耗时/s 1.396 5 1.374 9 4.066 0 5.773 5 3.227 2 5.491 3 8.750 0 3.699 0
F11 最优值 2.41×10-3 5.57×10-3 1.61×10-24 9.42×10-32 9.42×10-32 9.42×10-32 1.07×10-20 9.42×10-32
平均值 1.61×10-1 2.27×10-1 4.91×10-18 2.44×10-1 9.42×10-32 9.42×10-32 5.29×10-20 4.25×10-5
标准差 3.86×10-1 4.19×10-1 2.14×10-17 1.02 3.34×10-47 3.53×10-34 3.56×10-20 2.97×10-4
耗时/s 3.155 6 3.140 2 5.822 1 10.999 5 4.959 2 8.483 5 10.533 0 6.326 9
F12 最优值 3.35×10-3 2.29×10-2 3.02×10-23 1.34×10-32 3.44×10-32 1.34×10-32 2.74×10-20 1.34×10-32
平均值 9.82×10-2 1.71×10-1 1.48×10-17 3.84×10-3 2.21×10-3 1.38×10-32 1.57×10-19 1.34×10-32
标准差 6.99×10-2 1.11×10-1 4.88×10-17 1.04×10-2 4.20×10-3 1.25×10-33 1.05×10-19 5.56×10-48
耗时/s 3.149 3 3.145 4 5.768 7 11.117 3 4.993 7 8.603 5 10.547 6 6.234 5


表选项






表 4 F13~F20算法测试结果比较 Table 4 Results comparison among test functions F13-F20 of algorithms
测试函数 统计值 WOA IWOA VCS BSO PSO SSA GSA CML-WOA
F13 最优值 9.98×10-1 9.98×10-1 9.98×10-1 9.98×10-1 9.98×10-1 9.98×10-1 9.98×10-1 9.98×10-1
平均值 5.89 5.09 1.42 3.35 9.98×10-1 5.22 5.2 6.01
标准差 4.93 3.95 2.13 3.45 5.82×10-17 5.49 3.79 5.12
耗时/s 15.793 1 15.603 5 19.221 3 48.949 5 17.548 9 30.023 6 22.608 2 16.261 7
F14 最优值 3.49×10-4 4.58×10-4 3.07×10-4 3.07×10-4 3.07×10-4 3.07×10-4 1.88×10-3 3.11×10-4
平均值 3.59×10-3 5.08×10-3 5.65×10-4 7.71×10-3 5.95×10-4 3.37×10-4 5.51×10-3 4.08×10-4
标准差 4.70×10-3 3.07×10-4 3.45×10-4 1.92×10-2 3.88×10-4 8.26×10-5 3.97×10-3 3.31×10-4
耗时/s 0.974 8 0.953 1 3.491 5 4.506 8 2.796 9 4.593 2 8.054 0 3.124 3
F15 最优值 -1.03 -1.03 -1.03 -1.03 -1.03 -1.03 -1.03 -1.03
平均值 -1.03 -1.03 -1.03 -1.03 -1.03 -1.03 -1.03 -1.03
标准差 3.70×10-9 7.35×10-10 6.04×10-16 5.92×10-16 6.45×10-16 5.04×10-16 4.72×10-16 3.06×10-16
耗时/s 0.651 0 0.573 5 3.118 7 3.270 6 2.408 0 4.057 0 6.912 4 3.552 3
F16 最优值 3.00 3.00 3.00 3.00 3.00 3.00 3.00 3.00
平均值 1.21×101 1.28×101 3.00 3.00 3.00 3.00 3.00 3.00
标准差 1.93×101 1.77×101 1.716×10-15 2.28×10-15 1.56×10-15 1.37×10-15 3.94×10-15 1.06×10-15
耗时/s 0.443 3 0.428 9 2.929 4 2.821 0 2.297 8 3.679 1 6.846 8 2.344 8
F17 最优值 -3.86 -3.86 -3.86 -3.71 -3.86 -3.86 -3.86 -3.86
平均值 -3.75 -3.76 -3.86 -3.18 -3.86 -3.86 -3.86 -3.86
标准差 1.02×10-1 1.54×10-1 2.69×10-15 4.20×10-1 2.68×10-15 2.32×10-15 2.31×10-15 2.17×10-15
耗时/s 1.716 9 1.714 9 4.247 6 6.941 1 3.571 1 6.145 1 8.411 6 3.473 2
F18 最优值 -3.27 -3.14 -3.32 -2.73 -3.32 -3.32 -3.32 -3.32
平均值 -3.01 -2.70 -3.29 -1.35 -3.27 -3.27 -3.31 -3.30
标准差 1.77×10-1 4.83×10-1 5.34×10-2 7.33×10-1 5.83×10-2 5.92×10-2 2.22×10-2 5.79×10-2
耗时/s 1.773 1 1.170 8 4.322 7 6.934 4 3.630 3 6.176 7 9.296 6 4.463 4
F19 最优值 -9.81 -10.12 -10.15 -1.72 -10.15 -10.15 -10.15 -10.15
平均值 -5.86 -4.71 -10.15 -6.8×10-1 -5.97 -8.18 -6.94 -10.15
标准差 2.30 2.42 6.56×10-15 3.38×10-1 3.55 2.49 3.72 6.35×10-15
耗时/s 3.210 0 3.190 9 5.737 1 11.526 2 5.126 5 8.617 4 10.264 8 5.079 3
F20 最优值 -10.11 -10.42 -10.53 -4.57 -10.53 -10.53 -10.53 -10.53
平均值 -4.17 -3.68 -10.53 -1.00 -7.79 -8.88 -9.68 -10.53
标准差 2.37 2.19 2.91×10-15 8.32×10-1 3.71 2.65 2.34 2.51×10-15
耗时/s 6.000 4 6.001 4 8.826 4 19.921 0 7.758 9 13.714 2 12.980 1 12.753 2


表选项






其中F1~F7为单峰测试函数,主要用于测试算法的开发能力,根据表 2可知,CML-WOA在求解F1~F4F7时,寻优效果最佳,均能稳定得到全局最优解;在求解F5F6时,虽然效果不是最好,但寻优能力仍居于2个测试函数的第3位,且明显优于WOA和IWOA算法。从整体上看,对于单峰测试函数,CML-WOA收敛效果优于其他算法,且稳定性较好。
F8~F20为多峰测试函数,该类测试函数有多个局部最优解,智能优化算法在求解时易于陷入局部最优。因此多峰测试函数主要用于测试算法的探索能力。由表 3表 4可知,在求解F8F10时,CML-WOA优于4种算法,在性能相近的3种算法中,耗时最短;在求解F9时,VCS优于其他对比算法,在耗时上优于VCS算法;在求解F11时,CML-WOA效果不佳,但仍明显优于WOA及其改进算法;在求解F12时,CML-WOA明显优于其他对比算法,且耗时较短。在求解F13~F14F18时,CML-WOA均优于6种对比算法;在求解F15~F17时,除WOA和IWOA外,另外6种算法性能相近,但CML-WOA稳定性最强。在求解F20时,CML-WOA优于其他对比算法。因此,提出的CML-WOA在求解20个基准测试函数时,在14个测试函数中,收敛精度最佳,且在所有函数中,均优于WOA和IWOA,证明CML-WOA有较强的局部最优规避能力。
为进一步分析8种算法的寻优能力,根据表 2~表 4的均值对算法在各个测试函数中的结果进行比较排序,若相等则比较标准差,表 5展示了各算法的平均排序结果。CML-WOA排序第1,寻优性能在8个算法中最强,且明显优于WOA。其余算法按照性能由好到差排序为:SSA、VCS、PSO、GSA、BSO、IWOA和WOA。为更加直观显示8种算法在不同测试函数上的排序结果,采用雷达图将各算法进行绘图,如图 7所示。图中算法性能曲线所围面积越小,表明算法的排序越靠前,其性能就越好。黑色加粗曲线即为CML-WOA算法排序结果曲线,可以直观地看到,CML-WOA在F6F11F12上性能相对较差,在其他测试函数中均表现较好,且其所围面积最小,说明CML-WOA整体上具有最好的寻优性能。
表 5 算法性能排序结果 Table 5 Results of sort of algorithm performance
算法 平均排序 算法 平均排序
WOA 5.9 PSO 4.35
IWOA 6.4 SSA 3.1
VCS 3.2 GSA 5
BSO 6.2 CML-WOA 1.85


表选项






图 7 算法排序雷达图 Fig. 7 Radar chart of sort of algorithms
图选项




图 8为8种算法独立求解9个具有代表性的基准测试函数30次所得结果的箱式图,从图中可以得知,在求解F4F8F10F11F17时,均无异常点出现,说明CML-WOA在求解这些函数时性能较稳定;在求解其余函数时,有个别异常点出现,但均少于对比算法,且在求解所有测试函数时,收敛值的分布相比其他对比算法整体上更为集中,明显优于其他对比算法,说明改进的CML-WOA算法具有较强的鲁棒性。
图 8 8种算法在9个基准测试函数上的收敛箱式图 Fig. 8 Convergence box diagram of eight algorithms on nine benchmark test functions
图选项




通过对30次独立运行求解测试函数结果的平均值和标准差进行分析比较,并不能精确分析每次运行的结果,且在运行过程中仍有一定概率出现偶然,致使算法在均值上具有较好表现。因此在统计学层面上来判断不同算法整体结果的显著性区别,采用Wilcoxon统计检验。将8种算法独立求解20个测试函数30次得到的结果作为样本,在置信度为0.05的条件下进行检验,判断7个对比算法所得结果与CML-WOA所得结果的显著性区别。Wilcoxon统计检验结果如表 6所示,最后一行为检验结果的统计数量。
表 6 Wilcoxon统计检验结果 Table 6 Results of statistical tests of Wilcoxon
算法 WOA IWOA VCS BSO PSO SSA GSA
F1 - - - - - - -
F2 - - - - - - -
F3 - - - - - - -
F4 - - - - - - -
F5 - - + - = = -
F6 - - = + + + =
F7 - - - - - - -
F8 = = = - - - -
F9 - - = - = - -
F10 = = - - - = -
F11 - - - - + + -
F12 - - - = = - =
F13 = = = = + = =
F14 - - = = = = -
F15 - - - = - - -
F16 - - - - - - -
F17 - - = - = - -
F18 = = + = + + +
F19 - - = - - - -
F20 - - = - - - -
(-/=/+)
16/4/0 16/4/0 10/8/2 14/5/1 11/5/4 13/4/3 16/3/1
注:表中“+”表示该算法性能明显优于CML-WOA;“=”表明该算法性能与CML-WOA无明显差别;“-”表示该算法性能明显劣于CML-WOA。


表选项






Wilcoxon统计检验结果表明:在20个基准测试函数中,CML-WOA的性能在16个测试函数上优于WOA、IWOA和GSA,在10个测试函数上优于VCS,在14个测试函数上优于BSO,在11个测试函数上优于PSO,在13个测试函数上优于SSA。综上,CML-WOA在求解20个测试函数时,至少在一半以上的函数优于另外7个对比算法,仅在个别测试函数中劣于个别函数。因此基于统计学理论分析,在收敛精度方面,CML-WOA的寻优性能明显优于7种对比算法。
为了进一步阐述CML-WOA的收敛性能,8种算法独立求解F1F3F4F8F10F14F16F19F20各30次的平均收敛曲线如图 9所示。
图 9 算法收敛曲线 Fig. 9 Algorithm convergence curves
图选项




在求解前6个算法时,CML-WOA有更快的收敛速度和更好的收敛精度,在求解F16时,CML-WOA在前期收敛速度慢于GSA,但后期收敛速度超过所有对比算法,先收敛到最优值;在求解F19F20时,在前期收敛速度较慢,但后期收敛速度同样超过对比算法,且比对比算法收敛精度更好。因此CML-WOA相比WOA和IWOA,其寻优性能具有明显提升,具有较强局部最优规避能力和更高的收敛精度与收敛速度。
4.2 航迹规划问题实验 本次仿真实验环境为:AMD R7 4800U 16 GB RAM,Windows10 64位。航迹规划模型参数设置如下:战场空间为xmax=100 km, ymax=100 km, 航迹节点数Num为20, 最大转弯角为60°,最大航程为550 km,UAV起点为(10,10)km,目标点为(95,90)km,威胁源参数如表 7所示。
表 7 威胁源参数 Table 7 Parameters of threat source
威胁源 威胁类型 位置/km 作用半径/km 高度/km
Threat 1 探测雷达 (25,20) 9.8 2.8
Threat 2 地空导弹 (55,50) 11.7 2.9
Threat 3 防空高炮 (85,45) 8.9 3.0
Threat 4 地空导弹 (45,70) 8.0 3.0
Threat 5 探测雷达 (24.5,50) 10.0 2.8
Threat 6 防空高炮 (75,80) 12.0 3.1


表选项






分别使用WOA、IWOA、PSO、GWO以及CML-WOA对静态航迹规划模型进行求解,算法种群规模设置为100,最大迭代数量为200,进行30次仿真实验。结果如表 8所示。图 10~图 14为4种算法求解航迹节点数为20的问题结果。
表 8 20维下的规划代价值 Table 8 Planning cost in 20 dimensions
航迹节点数 结果 WOA IWOA PSO GWO CML-WOA
20 平均适应值 2.31×104 2.22×104 2.00×104 2.01×104 8.32×101
标准差 8.84×103 7.35×103 6.35×103 8.21×103 2.92
最大适应值 5.29×104 5.16×104 5.58×104 6.08×104 86.237 8
最小适应值 80.709 8 79.061 2 76.668 6 75.486 7 73.773 7
成功率 0.65 0.60 0.55 0.60 1.00
耗时/s 10.477 7 11.153 1 10.606 1 11.082 9 13.256 1


表选项






图 10 三维航迹图 Fig. 10 Three-dimensional path map
图选项




图 11 二维等高线航迹图 Fig. 11 Two-dimensional contour path map
图选项




图 12 转弯角的变化率 Fig. 12 Change rate of turning angle
图选项




图 13 爬升角的变化率 Fig. 13 Change rate of climbing angle
图选项




图 14 航迹代价收敛曲线 Fig. 14 Convergence curves of path cost
图选项




表 8可以得知,在20维的情况下求解航迹规划模型,本文提出的CML-WOA结果中的平均适应值、最小适应值、最大适应值以及标准差均是5种算法中最小的,说明本文算法性能明显优于对比算法,虽然耗时不是最少,但通过改进策略增加了算法的收敛精度,使得该改进算法在求解航迹规划问题时,成功率达到了百分之百。如图 10图 11所示,CML-WOA生成航迹优于对比算法生成航迹,能够尽可能选择地形高度较低的区域前进,从而实现低空突防,而其他算法求得的飞行航迹都会通过一个小山坡,不利于UAV隐蔽飞行。如图 12图 13所示,各算法在整个规划航迹中,转弯角和俯仰角均远离阈值,说明规划的航迹有利于UAV飞行,降低UAV飞行条件。图 14是各算法求解航迹模型代价值的平均收敛曲线图,如图 14所示,CML-WOA能够迅速收敛至较优解,且收敛精度优于对比算法。在无人机航迹规划问题中,计算耗时是一个需要考虑的重要因素。表 8显示CML-WOA的时间成本较高, 但总的来说, CML-WOA的运行时间和其他算法差异并不大, 并且,多花费的时间既提高了求解精度,又保证了求解质量,同时,本文中涉及的无人机航迹规划问题为静态航迹规划问题,对于实时性的要求没有动态航迹规划要求高,本文工程运用的主要目的是获得最优或近似最优的飞行航迹。因此,虽然CML-WOA的计算耗时有所增加,但其求解精度和成功率得到了明显提高,表明了本文提出改进策略的有效性,证明了本文提出的基于CML-WOA的UAV航迹规划方法的有效性与优越性。
5 结论 1) CML-WOA寻优性能明显提升,在20个基准测试函数性能测试中,CML-WOA的性能在16个测试函数上优于WOA、IWOA和GSA,在10个测试函数上优于VCS,在14个测试函数上优于BSO,在11个测试函数上优于PSO,在13个测试函数上优于SSA。
2) CML-WOA寻优精度高,引入立方映射和自适应正余弦策略,丰富种群多样性,利用多精英搜索策略,有效跳出局部最优,增强算法全局搜索能力。
3) CML-WOA具有较强的稳定性,由测试函数标准差和箱式图可知,收敛值的分布更为集中,寻优结果稳定。
4) CML-WOA收敛速度较快,从各算法收敛曲线图可知,CML-WOA的收敛效果优于其他对比算法。
5) CML-WOA能够求解出安全可行的飞行航迹。

参考文献
[1] 胡中华, 赵敏, 姚敏, 等. 无人机航迹规划技术研究及发展趋势[J]. 航空电子技术, 2009, 40(2): 24-29.
HU Z H, ZHAO M, YAO M, et al. Research and development trend of path planning for unmanned air vehicle[J]. Avionics Technology, 2009, 40(2): 24-29. DOI:10.3969/j.issn.1006-141X.2009.02.006 (in Chinese)
[2] 符小卫, 高晓光. 一种无人机路径规划算法研究[J]. 系统仿真学报, 2004, 16(1): 20-21.
FU X W, GAO X G. Study on a kind of path planning algorithm for UAV[J]. Acta Simulata Systematica Sinica, 2004, 16(1): 20-21. DOI:10.3969/j.issn.1004-731X.2004.01.007 (in Chinese)
[3] 谌海云, 陈华胄, 刘强. 基于改进人工势场法的多无人机三维编队路径规划[J]. 系统仿真学报, 2020, 32(3): 414-420.
CHEN H Y, CHEN H Z, LIU Q. Multi-UAV 3D formation path planning based on improved artificial potential field[J]. Journal of System Simulation, 2020, 32(3): 414-420. (in Chinese)
[4] 单文昭, 崔乃刚, 黄蓓, 等. 基于PSO-HJ算法的多无人机协同航迹规划方法[J]. 中国惯性技术学报, 2020, 28(1): 122-128.
SHAN W Z, CUI N G, HUANG B, et al. Multiple UAV cooperative path planning based on PSO-HJ method[J]. Journal of Chinese Inertial Technology, 2020, 28(1): 122-128. (in Chinese)
[5] 李文广, 胡永江, 庞强伟, 等. 基于改进遗传算法的多无人机协同侦察航迹规划[J]. 中国惯性技术学报, 2020, 28(2): 248-255.
LI W G, HU Y J, PANG Q W, et al. Track planning of multi-UAV cooperative reconnaissance based on improved genetic algorithm[J]. Journal of Chinese Inertial Technology, 2020, 28(2): 248-255. (in Chinese)
[6] YU X B, LI C L, ZHOU J F. A constrained differential evolution algorithm to solve UAV path planning in disaster scenarios[J]. Knowledge-Based Systems, 2020, 204: 106209. DOI:10.1016/j.knosys.2020.106209
[7] WANG X F, ZHAO H, HAN T, et al. A grey wolf optimizer using Gaussian estimation of distribution and its application in the multi-UAV multi-target urban tracking problem[J]. Applied Soft Computing, 2019, 78: 240-260. DOI:10.1016/j.asoc.2019.02.037
[8] 钱洲元, 雷明. 面向无人机航迹规划的自适应乌贼算法[J]. 哈尔滨工业大学学报, 2019, 51(10): 37-46.
QIAN Z Y, LEI M. Adaptive cuttlefish algorithm for UAV path planning[J]. Journal of Harbin Institute of Technology, 2019, 51(10): 37-46. DOI:10.11918/j.issn.0367-6234.201805004 (in Chinese)
[9] 魏江, 王建军, 王健, 等. 基于改进蚁群算法的三维航迹规划[J]. 计算机工程与应用, 2020, 56(17): 217-223.
WEI J, WANG J J, WANG J, et al. 3D path planning based on improved ant colony algorithm[J]. Computer Engineering and Applications, 2020, 56(17): 217-223. (in Chinese)
[10] MIRJALILI S, LEWIS A. The whale optimization algorithm[J]. Advances in Engineering Software, 2016, 95: 51-67. DOI:10.1016/j.advengsoft.2016.01.008
[11] 崔东文. 鲸鱼优化算法在水库优化调度中的应用[J]. 水利水电科技进展, 2017, 37(3): 72-76.
CUI D W. Application of whale optimization algorithm in reservoir optimal operation[J]. Advances in Science and Technology of Water Resources, 2017, 37(3): 72-76. (in Chinese)
[12] BHASKAR N, KUMAR P M. Optimal processing of nearest-neighbor user queries in crowdsourcing based on the whale optimization algorithm[J]. Soft Computing, 2020, 24(17): 13037-13050. DOI:10.1007/s00500-020-04722-0
[13] AGRAWAL R K, KAUR B, SHARMA S. Quantum based whale optimization algorithm for wrapper feature selection[J]. Applied Soft Computing, 2020, 89: 106092. DOI:10.1016/j.asoc.2020.106092
[14] MOHANAKRISHNAN U, RAMAKRISHNAN B. MCTRP: An energy efficient tree routing protocol for vehicular ad hoc network using genetic whale optimization algorithm[J]. Wireless Personal Communications, 2020, 110(1): 185-206. DOI:10.1007/s11277-019-06720-4
[15] LONG W, WU T B, JIAO J J, et al. Refraction-learning-based whale optimization algorithm for high-dimensional problems and parameter estimation of PV model[J]. Engineering Applications of Artificial Intelligence, 2020, 89: 103457. DOI:10.1016/j.engappai.2019.103457
[16] PHAM Q V, MIRJALILI S, KUMAR N, et al. Whale optimization algorithm with applications to resource allocation in wireless networks[J]. IEEE Transactions on Vehicular Technology, 2020, 69(4): 4285-4297. DOI:10.1109/TVT.2020.2973294
[17] ZHANG H P, WANG H L, LI N, et al. Time-optimal memetic whale optimization algorithm for hypersonic vehicle reentry trajectory optimization with no-fly zones[J]. Neural Computing and Applications, 2020, 32(7): 2735-2749. DOI:10.1007/s00521-018-3764-y
[18] 吴坤, 谭劭昌. 基于改进鲸鱼优化算法的无人机航路规划[J]. 航空学报, 2020, 41(S2): 724286.
WU K, TAN S C. Path planning of UAVs based on improved whale optimization algorithm[J]. Acta Aeronautica et Astronautica Sinica, 2020, 41(S2): 724286. (in Chinese)
[19] ABDEL-BASSET M, CHANG V, MOHAMED R. HSMA_WOA: A hybrid novel slime mould algorithm with whale optimization algorithm for tackling the image segmentation problem of chest X-ray images[J]. Applied Soft Computing, 2020, 95: 106642. DOI:10.1016/j.asoc.2020.106642
[20] 覃溪, 龙文. 基于随机差分变异的改进鲸鱼优化算法[J]. 中国科技论文, 2018, 13(8): 937-942.
QIN X, LONG W. An improved whale optimization algorithm based on stochastic differential mutation[J]. China Sciencepaper, 2018, 13(8): 937-942. DOI:10.3969/j.issn.2095-2783.2018.08.016 (in Chinese)
[21] 孔芝, 杨青峰, 赵杰, 等. 基于自适应调整权重和搜索策略的鲸鱼优化算法[J]. 东北大学学报(自然科学版), 2020, 41(1): 35-43.
KONG Z, YANG Q F, ZHAO J, et al. Adaptive adjustment of weights and search strategies-based whale optimization algorithm[J]. Journal of Northeastern University (Natural Science), 2020, 41(1): 35-43. (in Chinese)
[22] MIRJALILI S. SCA: A sine cosine algorithm for solving optimization problems[J]. Knowledge-Based Systems, 2016, 96: 120-133.
[23] LIU Z Z, WANG Y, YANG S X, et al. An adaptive framework to tune the coordinate systems in nature-inspired optimization algorithms[J]. IEEE Transactions on Cybernetics, 2019, 49(4): 1403-1416.
[24] 郑昌文. 飞行器航迹规划方法研究[D]. 武汉: 华中科技大学, 2003: 99-102.
ZHENG C W. Research on route planning for air vehicles[D]. Wuhan: Huazhong University of Science and Technology, 2003: 99-102(in Chinese).
[25] POLI R, KENNEDY J, BLACKWELL T. Particle swarm optimization[J]. Swarm Intelligence, 2007, 1(1): 33-57.
[26] WANG T T, YANG L, LIU Q. Beetle swarm optimization algorithm: theory and application[EB/OL]. (2018-08-01)[2020-10-14]. https://arxiv.org/abs/1808.00206.
[27] XUE J K, SHEN B. A novel swarm intelligence optimization approach: sparrow search algorithm[J]. Systems Science & Control Engineering, 2020, 8(1): 22-34.
[28] LI M D, ZHAO H, WENG X W, et al. A novel nature-inspired algorithm for optimization: Virus colony search[J]. Advances in Engineering Software, 2016, 92: 65-88.
[29] RASHEDI E, NEZAMABADI-POUR H, SARYAZDI S. GSA: A gravitational search algorithm[J]. Information Sciences, 2009, 179(13): 2232-2248.


闂傚倸鍊搁崐鎼佸磹閹间礁纾归柟闂寸绾惧綊鏌熼梻瀵割槮缁炬儳缍婇弻锝夊箣閿濆憛鎾绘煕閵堝懎顏柡灞剧洴楠炴﹢鎳犻澶嬓滈梻浣规偠閸斿秶鎹㈤崘顔嘉﹂柛鏇ㄥ灠閸愨偓濡炪倖鍔﹀鈧紒顔煎缁辨挻鎷呴幓鎺嶅濠电姰鍨煎▔娑㈩敄閸曨厽宕查柛鈩冪⊕閻撳繘鏌涢锝囩畺闁革絾妞介弻娑㈡晲閸涱喛纭€缂備浇椴哥敮锟犲箖閳哄懏顥堟繛鎴炲笚閻庝即姊绘担鍛婃儓闁活剙銈稿畷浼村冀椤撶姴绁﹂梺纭呮彧缁犳垹绮诲☉銏♀拻闁割偆鍠撻埊鏇熴亜閺傚灝顏慨濠勭帛閹峰懘宕ㄦ繝鍌涙畼濠电儑绲藉ú锕€顪冩禒瀣櫜闁绘劖娼欑欢鐐烘煙闁箑鍔﹂柨鏇炲€归悡鏇㈡煛閸ャ儱濡奸柣蹇曞У娣囧﹪顢曢敐蹇氣偓鍧楁煛鐏炲墽娲撮柍銉畵楠炲鈹戦崶鈺€绨梻鍌欑濠€杈ㄧ仚闂佸摜鍠愬ḿ娆擄綖韫囨拋娲敂閸曨偆鐛╁┑鐘垫暩婵鈧稈鏅犻幃楣冩倻閼恒儱鈧敻鏌涜箛鎿冩Ц濞存粓绠栧楦裤亹閹烘搫绱电紓浣插亾濞达綀娅f稉宥夋煛瀹ュ啫濡虹紒璇叉閺屾洟宕煎┑鍥ф闂侀潻绲惧浠嬪蓟閿熺姴宸濇い鏃€鍎冲銊ノ旈悩闈涗沪闁绘绮撻崺鈧い鎺嶈兌閳洖鐣濋敐鍫熺《缂侇喛顕ч~婊堝焵椤掑嫬钃熼柨婵嗩槸閻撴稑霉閿濆牜娼愮€规洖纾槐鎾存媴娴犲鎽甸梺鍦归…鐑界嵁韫囨稑宸濇い鏇炴噺鏁堥梺鐟板悑閻n亪宕愬Δ鍛仒闁靛鏅滈埛鎺戙€掑锝呬壕濠电偠澹堝畷鐢垫閻愬搫鐐婇柍鍝勫暟椤︻垱绻涙潏鍓у埌濠㈢懓锕畷鐢稿即閻愨晜鏂€闂佺粯锚绾绢參銆傞弻銉︾厱閻庯綆浜滈顓㈡煛瀹€瀣М妤犵偞锕㈤幖褰掝敃閿濆懘妫峰┑锛勫亼娴煎懏鎷呴崨濠傤槱闂佹娊鏀遍崹鍧楀蓟濞戞粎鐤€婵﹩鍏涘Ч妤呮⒑闂堟稓澧涢柟鍛婂▕瀵鏁撻悩鎻掔獩濡炪倖鏌ㄦ晶浠嬫偪閸曨垱鈷戦悹鍥b偓铏彲缂備胶绮换鍌炴偩閻戣棄绠虫俊銈勭閳ь剟顥撶槐鎺楊敊濞嗙偓缍堥柣搴亢閸嬫劗妲愰幘璇茬<婵炲棙鍩堝Σ顔碱渻閵堝棗鐏ラ柣妤€妫濋崺銏ゅ籍閸繂宓嗛梺闈涚箚閳ь剚鏋奸崑鎾诲锤濡や胶鍘遍悷婊冮叄閵嗗啴宕卞☉娆忎簵濠电偛妫欓幐濠氭偂閺囥垺鐓欓悗娑欋缚閹冲啴鏌嶈閸撴岸鎮у⿰鍫濈劦妞ゆ帊鑳堕崯鏌ユ煙閸戙倖瀚�2婵犵數濮烽弫鍛婃叏閻戣棄鏋侀柛娑橈攻閸欏繘鏌i幋锝嗩棄闁哄绶氶弻鐔兼⒒鐎靛壊妲紒鐐劤椤兘寮婚敐澶婄疀妞ゆ帊鐒﹂崕鎾绘⒑閹肩偛濡奸柛濠傛健瀵鈽夐姀鈺傛櫇闂佹寧绻傚Λ娑⑺囬妷褏纾藉ù锝呮惈鏍℃繝銏㈡嚀濡稑危閹版澘绠抽柡鍌氭惈娴滈箖鏌ㄥ┑鍡涱€楀ù婊冨⒔缁辨帡骞嶆担瑙勭彆缂備胶绮粙鎴︻敊韫囨侗鏁婇柤濮愬€楀▔鍧楁⒑鐠団€崇仯闁哥姵鐗曢~蹇撁洪鍕槰闂佸憡鐟ラˇ浼村磿閹炬剚娓婚柕鍫濇閻忋儲绻涚仦鍌氬闁告帗甯掗埢搴ㄥ箳閺冨倹婢戞繝鐢靛仦閸ㄥ爼鎮烽姀銈呯婵炲樊浜濋埛鎴︽⒒閸碍娅呴柣锔界矒閺屾稑螣閹帒浠悗瑙勬礃缁诲嫰鍩€椤掑﹦绉甸柛瀣╃劍缁傚秴饪伴崼鐔哄帾婵犵數鍋涢悘婵嬪礉濠婂嫨浜滈柕澶涚到閻忣噣鏌嶈閸撴繈锝炴径濞掑搫饪伴崼婵囩€繝鐢靛У閼归箖寮伴妷鈺傜厓鐟滄粓宕滃璺何﹂柛鏇ㄥ灠缁犳娊鏌熺€涙ḿ绠ュù鐘荤畺濮婃椽骞庨懞銉︽殸闂佹悶鍔屽ḿ鈥愁嚕鐠囨祴妲堟俊顖炴敱椤秴鈹戦绛嬫當闁绘妫欑€靛ジ骞囬鐘电槇濠电偛鐗嗛悘婵嗏枍濞嗘垹纾奸柣妯哄暱閻忓瓨绻濋埀顒佹媴缁洘鏂€闂佺粯枪椤曟粌顔忛妷鈺傜厵闁告劖褰冮銏㈢磼閸屾稑绗氭繛鐓庣箻閸╃偤骞嗚婢规洟鏌i悢鍝ユ噧閻庢凹鍘剧划鍫ュ礃閳衡偓缁诲棝鏌i幇顓烆棆闁活厽鐟ч埀顒侇問閸n噣宕戞繝鍥╁祦婵☆垵鍋愮壕鍏间繆椤栨繃銆冩慨瑙勵殜閺岋絾鎯旈妶搴㈢秷濠电偛寮堕悧鏇犲弲闂侀潧鐗嗛ˇ鍗炵暤娴i€涚箚闁靛牆鎳忛崳娲煃闁垮绗掗柕鍡樺笒椤繈鏁愰崨顒€顥氬┑鐘垫暩閸嬫﹢宕犻悩璇插窛妞ゆ梻鍘х花銉╂⒒娴gǹ顥忛柛瀣╃窔瀹曟洘娼忛埡渚囨閻熸粎澧楃敮妤呮偂濞戞埃鍋撶憴鍕儎闁哥姵甯″畷鎴﹀箻缂堢姷绠氶梺鍦帛鐢偞鏅堕姀銈嗙厵闁告瑥顦伴崐鎰偓娈垮櫘閸o絽鐣烽悡搴樻斀濠电姴鍟崯娲⒒閸屾瑧鍔嶉悗绗涘懏宕查柛宀€鍊涢崶顒夋晬闁绘劖娼欓埀顒佸缁绘稑顔忛鑽ゅ嚬闂佺粯鎸诲ú鐔煎蓟閻旂厧绾ч柛顭戝枟閸婂海绱撴担闈涘闁靛牊鎮傚璇测槈閵忊剝娅滈梺鍛婃处閸嬪嫮绮婇灏栨斀妞ゆ梻銆嬫Λ姘箾閸滃啰绉鐐茬箻閹晝鎷犻懠顑跨礈闂備焦鍎冲ù姘跺磻閸涙惌鏁婇柛鏇ㄥ灡閳锋帒霉閿濆牜娼愰柛瀣█閺屾稒鎯旈姀銏㈢厜閻庤娲橀崕濂杆囬幎鑺ョ厸闁糕檧鏅欓柇顖涙叏婵犲偆鐓肩€规洘甯掗埢搴ㄥ箣濠靛棭鐎撮梻浣筋嚙濞寸兘鎮烽幎钘夊窛妞ゆ梻鍘х花銉╂⒒娴e懙褰掑嫉椤掑嫷鏁嬮柕蹇曞Υ濞差亶鏁傞柛鏇炵仛缂嶅倿姊绘笟鈧ḿ褔鎮ч崱娑樼疇闁规壆澧楅弲顒佺箾閹存瑥鐏柍閿嬪灴閺屾盯鏁傜拠鎻掔闂佸憡鏌ㄩ鍡涘Φ閸曨垰惟闁靛瀵屽Λ锕傛⒑缁洘娅嗛柣鈺婂灦閻涱喚鈧綆鍠楅弲婊堟煟閿濆懓瀚版鐐茬墛缁绘繈鎮介棃娑掓瀰濠电偘鍖犻崗鐐☉铻栭柛婊€鐒﹂弲婊堟⒑閸愬弶鎯堥柟鍐茬箻閹繝宕橀鍛瀾濠电姴锕ら悧鍡欑矆閸喓绠鹃柛鈩兠悘鈺冪磼閳ь剚绻濋崒妤佹杸闂佺粯锚瀵爼骞栭幇顔剧<闁绘ê纾晶鍨叏婵犲啯銇濈€规洖缍婇、姘跺川椤撶偛顥庣紓鍌氬€搁崐鍝ョ矓閺夋嚚娲敇閵忕姾鎽曢悗骞垮劚椤︻垱瀵奸悩缁樼厱闁哄洢鍔屾禍妤冪磼閵娿劍顥夐柍瑙勫灴閹瑧鎹勬潪鐗堢潖闂備礁鎽滄慨鐢告偋閺囶澁缍栭煫鍥ㄧ⊕閹偤鎮峰▎蹇擃仼缁剧虎鍨跺娲濞淬劌缍婂畷鏇㈠蓟閵夛箑浠ч梺闈涚箞閸婃牠鍩涢幋锔界厽闁绘柨鎲$欢鍙夌箾閸碍娅婇柡宀€鍠栧畷娆撳Χ閸℃浼�
婵犵數濮烽弫鍛婃叏閻戣棄鏋侀柛娑橈攻閸欏繘鏌i幋锝嗩棄闁哄绶氶弻娑樷槈濮楀牊鏁鹃梺鍛婄懃缁绘劙婀侀梺绋跨箰閸氬绱為幋锔界厱闁靛ǹ鍎遍埀顒€顭烽獮澶愬箹娴g懓浜遍梺鍓插亝缁诲嫰鎮烽弻銉︹拺缂佸顑欓崕蹇斻亜閿旂偓鏆€殿喖顭峰鎾晬閸曨厽婢戦梺璇插嚱缂嶅棙绂嶉弽顓炵;闁规崘顕ч崡鎶芥煏韫囧ň鍋撻弬銉ヤ壕鐎瑰嫭澹嬮弨浠嬫煟濡绲绘い蹇d邯閺屾盯鎮╅崘鎻掝潕闂侀€炲苯澧紒鐘茬Ч瀹曟洟宕¢悙宥嗙☉閳诲酣骞樺畷鍥╁幀闂傚⿴鍋勫ú锔剧矙閹烘鍋傞煫鍥ㄧ⊕閻撴洘銇勯幇鍓佹偧缂佺姰鍎叉穱濠囧箵閹烘梻楔闂佸搫鑻粔褰掑蓟閵娧€鍋撻敐搴濈敖濞寸厧鐭傚娲传閸曨剚鎷辩紓浣割儐閸ㄥ潡宕洪妷锕€绶炲┑鐘插瀵ゆ椽姊洪崜鎻掍簼缂佺儵鍋撶紓浣瑰敾缁茶法妲愰幘璇茬<婵炲棙鍨垫俊钘夘渻閵堝啫濡兼俊顐g洴瀵偊顢欓崲澶嬫⒐閹峰懐鎮伴埄鍐╂殼婵犵數濮烽弫鍛婃叏閺夋嚚褰掑磼閻愬弶鐎梺鍛婂姦閸犳鎮¢妷锔剧瘈闂傚牊绋掗ˉ鐐差熆鐠哄搫顏柡灞剧洴楠炴帡骞橀崹娑欘潔婵$偑鍊ゆ禍婊堝疮鐎涙ü绻嗛柛顐f礀缁€鍐煏婵炑冨€诲Λ顖氣攽閻樻鏆俊鎻掓嚇瀹曟垿宕熼姘辨焾濡炪倖鐗滈崑娑氱不閻愮儤鐓忓┑鐐靛亾濞呭懘鏌i幒鎴犱粵闁靛洤瀚伴獮鎺楀箣濠垫劒鐥梻浣虹帛閹稿摜鎹㈠鈧璇测槈閵忊晜鏅濋梺鎸庣箓濞层劑鎮惧ú顏呪拺闁圭ǹ娴烽埥澶岀磼婢跺﹦浠涚紒宀冮哺缁绘繈宕堕懜鍨珖闂備線娼х换鎺撳垔椤撶喎顕遍柛鎰靛枟閳锋垿鏌涘┑鍡楊伀闁绘帟娉曠槐鎺楀蓟閵壯呮毇濡ょ姷鍋涘Λ婵嗩嚕椤曗偓瀹曞ジ顢曢敐鍡樼彨濠电姷鏁告慨鎾晝閵堝绠熸繛鎴欏灪閺呮彃顭跨捄渚剬闁归攱妞藉娲川婵犲嫮绱伴梺绋挎唉妞存悂鎮ф惔銊︹拻濞达綀娅g敮娑欍亜閵娿儳澧涢柟渚垮姂楠炴﹢顢欓挊澶夋偅闂備胶绮崹鐓幬涢崟顖ょ稏闁告稑鐡ㄩ悡蹇涙煕椤愶絿绠栭柛锝堝Г閵囧嫰寮埀顒傛暜閹烘せ鈧棃宕橀鍢壯囨煕閳╁叇姘跺箯婵犳碍鈷戦柛婵嗗婵ジ鏌涚€n亷宸ラ柣锝囧厴婵偓闁靛牆鎳愰鎰箾鏉堝墽鍒伴柛妯荤矒楠炲繐煤椤忓應鎷洪梺鍛婄☉閿曪箓鍩ユ径鎰叆闁哄洦锚閸斻倗绱掗鑲╁ⅱ闁逞屽墾缂嶅棝宕戦崱娆戜笉闁诡垼鐏愯ぐ鎺撴櫜闁告侗鍘藉В鎰攽閻愰鍤嬬紒鐘虫尭閻g兘骞囬弶鍧楀敹闂佸搫娲ㄩ崰鎾诲矗閸℃せ鏀介柣妯肩帛濞懷勪繆椤愶絿鎳囬挊鐔兼煙閹规劗袦闁荤喐澹嬮崼顏堟煕閺囥劌骞橀柣鎾愁樀濮婃椽宕崟顓犱紘闂佸摜濮甸幑鍥春閳ь剚銇勯幒宥堝厡闁愁垱娲栭悾婵嬫晲閸喓銆婄紓渚囧枛椤嘲顕i崐鐕佹闂佺粯鏌ㄥΛ婵嬪箖瑜版帒浼犻柛鏇ㄥ墯閸庢挸顪冮妶鍛闁稿妫涘Σ鎰板箳閹惧绉堕梺闈浨归崕鎶筋敄閸岀偞鈷戦梺顐ゅ仜閼活垱鏅堕崜褏纾界€广儱鎳忛ˉ鐐电磼閸屾氨肖闁圭懓瀚幏鍛村即閻樺弶鐏堥梺绯曟杹閸嬫挸顪冮妶鍡楃瑨閻庢凹鍙冮崺娑㈠箣閻樼數锛滃銈嗙墬缁嬫帞绮堥崘顔界厸濠㈣泛锕︾粔娲煛鐏炲墽銆掗柍褜鍓ㄧ紞鍡涘磻閸涱垯鐒婃い鎾跺枂娴滄粍銇勮箛鎾愁仼闁哄棴绲介埞鎴﹀灳瀹曞洤鐓熼悗瑙勬礀瀹曨剝鐏冮梺閫炲苯澧畝锝呮健楠炲鏁傜憴锝嗗缂傚倷绀侀鍡涱敄濞嗘挸纾块柟鎵閻撴瑩鏌i悢鍝勵暭闁哥姵岣块埀顒侇問閸犳盯顢氳椤㈡ɑ绺界粙璺ㄥ€為梺闈浨归崕瀹犮亹閹绢喗鈷掑ù锝呮啞閹牓鎮跺鐓庝喊鐎规洘娲熷畷锟犳倻閸℃顓块梻浣告惈椤︻垳鑺遍柆宥呯哗濞寸姴顑嗛悡銉╂煟閺傛寧鎯堥崯鎼佹⒑娴兼瑧鍒伴柟纰卞亰濠€浣糕攽閻樿宸ラ柛鐔跺嵆瀹曟椽鏁愰崶锝呬壕婵炲牆鐏濋弸锔姐亜閺囧棗娴傞弫鍥р攽閸屾簱褰掓煁閸ャ劊浜滈柟鏉垮缁夌敻鏌嶈閸撴瑥煤椤撶儐娼栫紓浣股戞刊鎾煕濞戞﹫宸ラ柡鍡楃墦濮婃椽宕烽鈧ぐ鎺嗏偓锕傛倻閽樺鐣洪梺缁樺灱濡嫰鎮″☉妯忓綊鏁愰崶褍濡哄┑鐐茬墛閸庢娊鈥旈崘顔嘉ч柛鈩冪懃椤呯磽娴e壊鍎愰柛銊ユ健閵嗕礁顫濋懜鐢靛姸閻庡箍鍎卞Λ妤呭焵椤掆偓閻忔氨鎹㈠☉銏犵闁绘垵妫旈惀顏勵渻閵堝懐绠伴柟铏姍閵嗗懘宕f径鍫滅盎闂佸搫绉查崝宀勬倿瑜版帗鐓涢柍褜鍓氱粋鎺斺偓锝庡亞閸樹粙姊鸿ぐ鎺戜喊闁告挻鐟ч惀顏囶樄闁哄苯绉剁槐鎺懳熼懡銈庢К闂傚倸娲らˇ鎵崲濠靛洨绡€闁稿本鍑规导鈧紓鍌欒兌婵兘宕戦悢鐓庣劦妞ゆ帊绶¢崯蹇涙煕閻樻剚娈滈柟顕嗙節閺佹捇鎮╅鐟颁壕濞达綀鍊介弮鍫濆窛妞ゆ挾濯Σ瑙勪繆閻愵亜鈧牕顔忔繝姘;闁瑰墽绮悡鍐喐濠婂牆绀堟繛鍡樻尰閸嬪鈹戦崒婧撳綊鎷戦悢鍏肩叆婵犻潧妫Σ鍝ョ磼閻樺磭鈯曢柕鍥у瀵噣宕堕‖顔芥尰閹便劑鏁愰崨顓т純濠殿喖锕ㄥ▍锝呪槈閻㈢ǹ宸濇い鏇炴噺椤ュ姊绘担鍛靛綊鏁冮妶鍛╃細闁炽儲鍓氶崵鏇㈡偣閸ャ劎銈存俊鎻掔墦閺屾洝绠涢弴鐑嗘綌閻熸粍妫冨璇测槈閵忕姈銊︺亜閺傚灝缍栭柧蹇撻叄濮婃椽妫冨☉姘辩杽闂佺ǹ锕ラ悧鐘烘"闂佺硶鍓濋〃蹇涙偄閸℃稒鍋i弶鐐村椤掔喖鏌涙惔銏犵仼缂佽鲸甯¢崺锕傚焵椤掑嫬纾婚柟鐐灱閺€浠嬫煟濡櫣浠涢柡鍡忔櫅閳规垿顢欓懞銉ュ攭閻庤娲橀崝娆撶嵁閺嶃劍濯撮柛娑橈龚缁躲垽姊绘担鐟邦嚋缂佽鍊歌灋閹兼番鍨婚々鍙夌節婵犲倻澧曠紒鐘侯潐缁绘盯鏁愭惔鈥愁潻闂佺粯甯為崕銈囨崲濞戙垹閱囬柣鏂挎憸椤︿即姊洪崫鍕拱婵炶尙鍠庨悾鐑藉箚闁附些婵$偑鍊曞ù姘跺矗閸愵喖钃熸繛鎴欏灩閻撴盯鏌涢幇鈺佸婵″弶鍔曢—鍐Χ閸愩劎浠鹃梺鎸庢磸閸ㄤ粙鐛崘銊㈡瀻闊浄绲介弲鐘差渻閵堝棙顥嗙€规洟娼ц灋妞ゆ牗绋撶弧鈧梺姹囧灲濞佳勭墡婵$偑鍊栧褰掓偋閻樿尙鏆︾憸鐗堝笚閻掕偐鈧箍鍎遍幊鎰邦敊閸ヮ剚鈷戦悷娆忓閸旇埖淇婇銏狀伃闁归攱鍨块幃銏ゅ礂閼测晛寮抽梻浣虹帛閺屻劑骞栭銏㈡懃闂傚倷鑳剁划顖炲礉閺囥垺鏅濇い蹇撶墕閽冪喓鈧箍鍎卞Λ娆愭叏濠婂牊鐓欐繛鍫濈仢閺嬫稑鈹戦垾鑼煓婵﹨娅i幏鐘绘嚑椤掑偆鍚呯紓鍌欐祰閸╂牠鎳濇ィ鍐跨稏闊洦鎷嬪ú顏嶆晜闁告洦鍋嗛悰鈺佲攽閻樺灚鏆╁┑顔碱嚟閳ь剚鍑归崣鍐ㄧ暦閺夊簱妲堥柕蹇婃閹疯櫣绱撴担鍓插剱妞ゆ垶鐟╁畷鏇㈠箛閻楀牏鍘甸梺鑽ゅ枔婢ф骞栭幇顓滀簻妞ゆ劑鍨荤粻宕囩磼鏉堛劌绗掗摶锝夋偣閸パ勨枙闁逞屽墯閹瑰洤顫忓ú顏勫窛濠电姴瀚槐浼存⒑缁嬫寧鍞夋繛鍛礋閵嗗啫鈻庤箛濠冩杸闂佺粯锚閻忔岸寮抽埡鍛厱閻庯綆鍋撻懓璺ㄢ偓瑙勬礈婵炩偓闁诡喒鏅濋幏鐘诲箵閹烘洍鍋撻崸妤佲拺鐟滅増甯掓禍鏉棵瑰⿰鍕疄闁诡垰鐗愮粻娑樷槈濞嗗本瀚藉┑鐐舵彧缂嶁偓婵炲拑绲块弫顔尖槈閵忥紕鍘遍梺鍝勫暊閸嬫挻銇勯妸銉伐妞ゆ洩缍侀、鏇㈡晝閳ь剚瀵奸悩缁樼厪濠㈣鍨伴崐濠氭偡濠靛鈷掑ù锝呮啞閹牓鏌涢悤浣镐喊闁诡啫鍕瘈闁搞儯鍔屾禍妤€鈹戦悙鍙夘棡闁圭ǹ顭烽幃鈥斥枎閹扳晙绨婚梺鍝勮癁閸曞灚顥i梻浣稿悑濡炲潡宕规导鏉戠厺闁规崘顕ч柋鍥煛閸モ晛鏆遍柟閿嬫そ閹鎲撮崟顒傤槬濠电偛鐪伴崝搴ㄥ极椤斿皷妲堟繛鍡樺姇瀵寧绻濋悽闈浶㈤柛濠呭吹缁棃鎮滃鍡橆啍闂佺粯鍔樼亸娆愭櫠閿曗偓閳规垿鍩勯崘鈺佲偓鎰攽閿熺姵鏁遍柟顖涙閺佹劙宕ㄩ鍙ョ按闂傚倷绀佺紞濠囁夐幘瀵哥闁逞屽墯椤ㄣ儵鎮欑€涙ê纾冲Δ鐘靛仦鐢帡鍩為幋锕€鐐婇柕濞т礁浠掗梻鍌氬€搁崐鎼佸磹閹间礁纾归柣鎴eГ閸婂潡鏌ㄩ弴鐐测偓鍝ョ不閺嶎厽鐓曟い鎰剁稻缁€鈧紒鐐劤濠€閬嶅箟濮濆瞼鐤€闁哄洨鍋涢悘濠冪節閻㈤潧校闁肩懓澧界划缁樼節濮橆厼浠梺鎼炲労娴滄粓鎷曟總鍛婄厵闁兼亽鍎茬粈瀣叏婵犲懏顏犵紒杈ㄥ笒铻f繛鑼帛閳锋牗绻濋悽闈涗粶闁归攱鍨圭槐鐐寸瑹閳ь剟鐛崱娆庢勃閻熸瑱绲鹃悗濠氭⒑鐟欏嫬鍔ゆい鏇ㄥ弮瀹曘垽鎮介悽鐢碉紳婵炶揪绲芥竟濠囧磿韫囨稒鐓熼煫鍥ㄦ⒒缁犵偞銇勯姀鈽嗘疁濠殿喒鍋撻梺闈涚墕濡盯宕㈤棃娑辨富闁靛牆妫欓埛鎺楁煛閸滀礁浜版鐐诧躬瀹曞爼濡搁敃鈧鎸庣節閻㈤潧孝閻庢凹鍓熷畷婵堚偓锝庡枟閸婄敻鏌i姀銈嗘锭閻㈩垰鐖奸弻宥囨嫚閺屻儱寮板Δ鐘靛仜椤戝骞冮埡浣勭喖鎳¢妶鍥╁帓缂傚倷娴囨ご鎼佸箰婵犳艾绠柛娑欐綑娴肩娀鏌涢弴鐔风厐缂傚秳绶氬濠氭晲閸涘倹姊归幏鍛村捶椤撗勑у┑锛勫亼閸婃垿宕归崫鍕殕闁归棿绀侀弸渚€鏌熼柇锕€骞栫紒鍓佸仦娣囧﹪顢涘⿰鍛濠电偛鎳庡ú顓烆潖缂佹ɑ濯寸紒瀣濮f劙姊虹拠鑼闁绘鎸搁锝夊箵閹哄棗鐗氶梺鍓插亞閸犲酣鍩€椤掑嫭娑ч柍瑙勫灴閹晛鐣烽崶鑸垫闂備焦濞婇弨閬嶅垂瑜版帒绠熼柟闂寸劍閸嬪鏌涢锝囩畼闁荤喆鍔嶇换娑氣偓娑欋缚閻棝鏌涘Δ浣糕枙鐎殿喛顕ч埥澶娢熷⿰鍛灈鐎规洦鍋婂畷鐔煎Ω閿曗偓閻﹁京绱撻崒姘偓椋庢閿熺姴绐楁俊銈呮噺閸嬶繝鏌嶆潪鎷屽厡闁哄棴绠撻弻锝夊籍閸屾瀚涢梺杞扮缁夌數鎹㈠☉銏犵闁绘劘灏欓悷鏌ユ煟鎼淬垼澹橀柕鍫⑶归~蹇曠磼濡顎撻梺鍛婄☉閿曘劎娑甸埀顒勬⒑閸濆嫷鍎涘ù婊勭箘閹广垹鈽夊锝呬壕闁汇垻娅ヨぐ鎺戝偍闁圭虎鍠楅悡鏇㈡煃閻熸壆浠㈤柛鏃€绮庨埀顒€鐏氬妯尖偓姘嵆閻涱噣宕堕澶嬫櫍闂佺粯蓱瑜板啰绮绘导瀛樷拻闁稿本鐟чˇ锕€顭块悷甯含鐎规洘鍨块獮鎺懳旈埀顒傚婵犳碍鐓曢柡鍥ュ妼婢ь垱绻涢崨顖氣枅闁诡喗顨婇幃浠嬫偨閻愬厜鍋撴繝鍥ㄧ厱閻庯綆鍋呯亸鐢告煙閸欏灏︾€规洜鍠栭、妤呭磼閵堝柊姘辩磽閸屾艾鈧悂宕愰崫銉х煋闁圭虎鍠楅弲婵嬫煏婢舵稑顩柍鐟扮Т閳规垿鎮╅幓鎺嶇敖濠电偛鍚嬫竟鍡涘焵椤掆偓閸樻粓宕戦幘鏂ユ斀闁绘ɑ褰冮弫顏呫亜韫囨挸顏ら柡鈧禒瀣厽婵☆垵顕ф晶顖炴煕閻旈绠婚柡灞剧洴婵℃悂濡堕崨顓犮偖濠电姷顣介埀顒€纾崺锝嗩殽閻愬澧柟宄版噹椤垻浠﹂悙顒€鏆繝鐢靛Х閺佹悂宕戦悙鍝勫瀭闁诡垱婢樼紞鏃€绻濈喊妯哄⒉鐟滄澘鍟撮幃褎绻濋崶褏鐤勯梺闈浨归崕娆撳籍閸繄鍔﹀銈嗗笒鐎氼參宕戠€n亖鏀介柣妯哄级閹兼劙鏌$€b晝绐旈柡灞剧洴楠炴ê螖閳ь剟骞婇幇鐗堟櫖婵犻潧娲ㄧ粻楣冨级閸繂鈷旈柛鎺嶅嵆閺岀喓鍠婇崡鐐扮凹闂佺粯顨呴柊锝咁潖閸濆嫅褔宕惰閸旀挳姊洪幖鐐插濠电偛锕ら悾鐑藉箣閿曗偓鍥存繝銏f硾閿曘儱危椤掑嫭鈷戦梺顐ゅ仜閼活垱鏅堕鐐寸厪闁搞儜鍐句純濡ょ姷鍋炵敮鈥崇暦閸楃儐娓婚柟顖嗗本顥¢梻鍌氬€搁崐宄懊归崶顒夋晪鐟滃繘骞戦姀銈呯闁挎棁妫勫▓鐐翠繆閵堝繒鍒伴柛鐔哄█閸┾偓妞ゆ帒锕﹂悾鐢碘偓瑙勬礀缂嶅﹪銆佸璺哄窛妞ゆ棁鍋愮槐锕傛⒒閸屾瑧绐旈柍褜鍓涢崑娑㈡嚐椤栨稒娅犻悗娑欙供濞堜粙鏌i幇顓炵祷闁哄棎鍨洪妵鍕晝閳ь剙锕㈤柆宥呯劦妞ゆ帒鍠氬ḿ鎰箾閸欏澧柣锝囧厴椤㈡宕熼鍌滄殺闂傚倸鍊风粈渚€骞栭位鍥箥椤旂懓浜剧紒妤佺☉濞层倗绮eΔ浣风箚妞ゆ牗姘ㄥВ鐐烘煕鐎n偅灏甸柟鍙夋尦瀹曠喖顢楅崒銈喰ら梻浣告惈椤戞劖绂嶉鍫濈闁割偅娲栭崘鈧銈庡厴閳ь剙纾粔娲煛娴g懓濮堢€垫澘瀚埀顒婄秵閸嬪棜銇愰幖浣光拻濞达絽婀卞﹢浠嬫煕鎼达絽鍔嬬紒鍌氱Ч椤㈡棃宕熼崹顐ょ▉缂傚倸鍊烽悞锕佹懌婵犳鍨卞ḿ娆撳Υ閹烘埈娼╅柣鎾虫捣娴狀參姊烘潪鎵窗闁搞劏娉涢~蹇涙惞鐟欏嫬鏋傞梺鍛婃处閸忔瑦绂掕缁绘稓鈧稒岣块惌銈吤瑰⿰鍕煉闁挎繄鍋犵粻娑㈠籍閸屻倖绁梺璇插嚱缂嶅棙绂嶉悙鏍稿洭寮跺▎鐐瘜闂侀潧鐗嗗Λ娑欐櫠椤掑倻纾奸悗锝庡亜缁楁帡鏌嶇拠鑼х€殿喕绮欓、姗€鎮㈤崣澶婎伖闂傚倷绀侀幉锛勬崲閸屾壕鍋撳鐓庢珝闁糕斂鍨哄鍕箛椤撶姴骞堟繝纰樻閸ㄦ澘锕㈤柆宥嗗剹婵炲棙鎸婚悡娆愩亜閺冣偓閻燂綁宕愬Δ鍛仾闁逞屽墮閳规垿鎮欓弶鎴犱桓闂佽崵鍟欓崶褍鍋嶉梻渚囧墮缁夌敻鍩涢幋锔界厸闁稿本锚閸旀粍绻涢崨顓熷殗闁哄本鐩幃銈嗘媴閸濄儰鍖栫紓鍌欑贰閸犳牠鎮ч幘璇叉槬闁逞屽墯閵囧嫰骞掗崱妞惧婵$偑鍊ゆ禍婊堝疮鐎涙ü绻嗛柟顖涘閻も偓闂佸搫娲ㄩ崑鐔兼偂濡ゅ懏鈷掑ù锝呮啞閹牊淇婇锝囨噮缂侇喒鏅濋崠鏍级閹存梹鏂€闂佺粯锚閻忔岸寮抽埡浣叉斀妞ゆ梹鍎抽崢瀵糕偓娈垮櫘閸嬪﹤鐣烽妸锔剧瘈闁告劑鍔屾导搴♀攽閻愬瓨缍戦柛姘儏宀e灝鈻庨幘鍐茬€梺绋跨灱閸嬬偤鎮¢弴銏$叆闁哄啫娴傞崵娆愵殽閻愮榿缂氱紒杈ㄥ浮閸┾偓妞ゆ帊鑳剁弧鈧梺绋挎湰椤ㄥ棝寮埀顒勬⒒娴h櫣甯涢柨姘扁偓娈垮枛閻栧ジ鐛弽顓炵疀闁绘鐗忛崢浠嬫⒑閸︻厼鍔嬮柛銊潐缁傛帒鈽夐姀锛勫帾闂佹悶鍎滈崘鍙ョ磾婵°倗濮烽崑鐐垫暜閹烘鏁囧┑鍌溓归柋鍥ㄧ節闂堟稒顥滈柤鍨姍濮婂宕掑▎鎴濆闂佸憡鎸诲畝绋跨暦瑜版帒纭€闁诲繒绮浠嬪箖閵忋倖鍋傞幖娣€栭幉浼存⒒娴e憡鎯堟繛灞傚灲瀹曠銇愰幒鏂跨ウ闂侀潧绻嗛埀顒冨皺缁犳岸姊洪棃娑氬闁稿﹤鎲$粋宥嗐偅閸愨斁鎷洪梺鍛婄箓鐎氼參鏁嶉弮鍌滅=鐎广儱瀚粣鏃傗偓娈垮枛椤兘寮澶婄妞ゅ繐鎳庢刊浼存⒒娴e憡鍟為柟绋挎瀹曠喖顢曢姀顫敾濠电姴鐥夐弶搴撳亾濡や焦鍙忛柣鎴f绾惧鏌i幇顒備粵闁哄棙绮撻弻銊╂偄閸濆嫅銉р偓瑙勬尫缁舵岸骞冨Δ鍛櫜閹肩补鍓濋悘宥夋⒑缁嬪尅宸ユい顓犲厴瀵鈽夐姀鐘靛姶闂佸憡鍔曢妵妯兼闂堟稈鏀介柍钘夋閳ь兙鍊濆畷姗€鏁愰崱妯绘緫闂傚倷鐒︾€笛呯矙閹寸姭鍋撳鐓庡缂佸倸绉电缓浠嬪川婵犲嫬骞堝┑鐘垫暩婵挳宕悧鍫熸珷闂侇剙绉甸悡娑樸€掑顒佹悙婵炲懎绉归弻鐔碱敊閻e本鍣伴悗瑙勬处閸嬪﹤鐣烽悢纰辨晣闁绘ǹ灏欓崐鐐烘⒒閸屾艾鈧绮堟担铏圭濠电姴娲ょ壕璇测攽閻樺弶鎼愮紒鎰殕閹便劌螣閸喚鍘梺绋垮椤ㄥ棛鎹㈠☉銏犲耿婵°倕鍟伴悾楣冩⒑鐞涒€充壕婵炲濮撮鍡涙偂閻旈晲绻嗘い鏍ㄧ閹牏绱掗悪娆忓枤閻斿棝鎮归崫鍕儓妞ゅ浚鍙冮弻锛勪沪閸撗佲偓鎺楁煃瑜滈崜銊х礊閸℃稑纾婚柛鏇ㄥ墯閸欏繒鈧箍鍎遍ˇ浼存偂濞戞埃鍋撻崗澶婁壕闁诲函缍嗛崜娑溾叺婵犵數濮甸鏍窗閹烘纾婚柟鍓х帛閳锋垿姊婚崼鐔恒€掔紒鐘冲哺閺屾盯骞樼€靛摜鐣甸悶姘懇閺屾盯寮撮妸銉т画闂佺粯鎸荤粙鎴︽箒闂佹寧绻傞幊蹇涘箟缁嬫鐔嗙憸婵嬫⒔閸曨垰绠為柕濠忓缁♀偓闂佸憡娲﹂崢鑲╃箔閿熺姵鈷戦柣鐔告緲濡插鏌熼搹顐㈠闁告帗甯掗埢搴ㄥ箻瀹曞浂鍞堕梺纭呭亹鐞涖儱顬婅瀹曟垿骞樺ú缁樻櫖濠殿喗锕徊楣冨棘閳ь剟姊绘担铏瑰笡闁挎洍鏅犲畷浼村冀椤撶喎鈧埖銇勮箛鎾跺闁绘挶鍎甸弻锟犲炊椤浜幃姗€鍩¢崨顔惧幗闂佹寧绻傚ú銈夊储鐎涙ǜ浜滈柕蹇ョ磿閳藉鏌嶉挊澶樻Ц妞ゎ偅绮撳畷鍗炍旀笟鍥ф櫕闂傚倸鍊峰ù鍥敋瑜忛埀顒佺▓閺呮繄鍒掑▎鎾崇婵°倓鐒﹀▍鏃€绻濋悽闈涗粶闁宦板妿閸掓帡鎮╃拠鎻掔€柣鐘烘〃鐠€锕€岣块弽銊х鐎瑰壊鍠曠花鑽も偓鐟版啞缁诲倿鍩為幋锔藉亹闁圭粯甯╂导鈧梻浣风串缁蹭粙鎮樺杈ㄥ床婵犻潧妫岄弸鏃堟煕椤垵鏋ゅù鐘茬摠娣囧﹪鎮欓懠顒佹喖闂佽鍠栭崐鍧楁偘椤曗偓瀹曞崬鈽夊Ο鑲╂綁闂備礁澹婇崑鍛崲瀹ュ懇缂氬┑鐘叉处閳锋垿鏌熺粙鎸庢崳闁宠棄顦甸幃妤€顫濋悡搴㈢仌闂佺ǹ锕ら悺銊ф崲濠靛牆鏋堝璺虹灱閿涚喖姊虹粙娆惧剱闁搞劌鐏濋悾鐑藉箛閺夊灝鍞ㄥ銈嗘尵閸嬬喖藝椤斿皷鏀介幒鎶藉磹閺囥垹绠犻幖杈剧悼閻滅粯淇婇妶鍛櫣缂佺姾顫夌换娑㈡晲鎼粹€愁潻闂佽娴氶崰妤呭Φ閸曨垰鐓涢柛灞炬皑缁佺兘鏌х紒妯煎⒌闁哄被鍔岄埞鎴﹀幢濡儤顏犻梻浣告惈濡盯宕戦妶澶婅摕闁挎繂顦粻濠氭倵闂堟稒鍟為柛鎺撶洴濮婃椽宕崟顒佹嫳闂佺儵鏅╅崹杈ㄧ┍婵犲洦鍊婚柤鎭掑劜濞呮粓姊洪崨濠佺繁闁告瑥閰i幃妤呭箻椤旇В鎷绘繛杈剧到濠€鍗烇耿娴犲鐓曢柡鍌濇硶鏁堥悗瑙勬礀缂嶅﹤鐣风粙璇炬棃鍩€椤掑嫭瀚呴柣鏂垮悑閻撱儲绻濋棃娑欙紞婵℃彃缍婇弻娑氣偓锝庝簻椤忣參鏌$仦鍓р槈闁宠姘︾粻娑㈡晲閸犳妸鍥ㄢ拺缂備焦岣跨粻鏍ㄤ繆椤愩垹鏆欐い顐㈢箻閹煎綊宕楁径濠佸闂侀潻瀵岄崢鍏肩墡婵$偑鍊戦崕閬嵥囨导鏉懳﹂柛鏇ㄥ灡閺呮粓鏌i幇闈涘婵絽鐗撳铏圭磼濡湱绻侀梺鍝ュУ閻楃偤鎮橀幒妤佲拺闁稿繗鍋愰妶鎾煛閸涱喚绠為挊婵嬫煃閸濆嫭鍣洪柍閿嬪灩缁辨挻鎷呴崗澶嬶紙濡炪倕绻愮€氼噣寮抽敂濮愪簻闁圭儤鍨甸鎾煛娴e憡顥㈤柡灞炬礉缁犳稒绻涢幆褌澹曢梺鑲┾拡閸撴盯鎮炬ィ鍐┾拻濞达綀娅g敮娑㈡煕閺冩捇妾紒鍌氱Т楗即宕煎┑鍫濆Е婵$偑鍊栫敮濠囨嚄閼稿灚娅犳い蹇撶墛閸嬪倿鏌曢崼婵囶棤缂佲檧鍋撻梻鍌氬€搁悧濠勭矙閹烘澶愬箣閿旂晫鍘搁柣搴秵娴滅偞鏅ラ梻浣告惈閻鎹㈠┑鍡欐殾闁割偅娲栭悡娑樏归敐澶嬫暠闁哥姵姘ㄧ槐鎾诲磼濮橆兘鍋撻幖浣哥9闁荤喐澹嗛弳鍡涙煙闂傚鍔嶉柛瀣€归妵鍕箛閸撲胶鏆犻梺缁樺姇閿曨亪寮婚弴鐔虹鐟滃宕戦幘缈犵箚闁圭粯甯炴晶锕傛煙椤旂瓔娈滈柟顔惧厴閹囧醇濠靛洦鐣肩紓鍌氬€峰ù鍥敋瑜斿畷顖溾偓娑櫭肩换鍡涙煟閵忊懚鍦矆鐎n偁浜滈柡宥冨妽閻ㄦ垶銇勯弮鈧敮鎺楀煘閹寸偛绠犻梺绋匡攻閸旀瑥鐣烽幋锕€绠荤紓浣贯缚閸橀亶姊虹紒妯荤;缂佲偓娓氣偓閹﹢鏁傛慨鎰盎闂侀潧楠忕槐鏇㈠箠閸ヮ剚鐓涘ù锝堫潐瀹曞矂鏌℃担瑙勫磳闁轰焦鎹囬弫鎾绘晸閿燂拷20濠电姷鏁告慨鐑藉极閸涘﹥鍙忛柟缁㈠枟閸庡顭块懜闈涘缂佺嫏鍥х閻庢稒蓱鐏忣厼霉濠婂懎浜惧ǎ鍥э躬婵″爼宕熼鐐差瀴闂備礁鎲¢悷銉ф崲濮椻偓瀵鏁愭径濠勵吅闂佹寧绻傚Λ顓炍涢崟顓犵<闁绘劦鍓欓崝銈嗐亜椤撶姴鍘寸€殿喖顭烽弫鎰板川閸屾粌鏋庨柍璇查叄楠炲棜顦虫い鏂垮缁辨捇宕掑▎鎺戝帯婵犳鍠楅幐鎶藉箖濡警娼╅悹杞扮秿閿曞倹鐓曢柡鍥ュ妼閺嬨倝鏌i妶鍌氫壕闂傚倷绀佸﹢閬嶅磻閹捐绠氶悘鐐跺▏濞戙垹鐏抽柟棰佺劍鐎靛矂姊洪棃娑氬濡ょ姴鎲$粋宥呪攽閸モ晝顔曢梺鍛婄懃椤︻亞绱撳鑸电厵妤犵偛鐏濋悘鈺呮煃鐟欏嫬鐏╅柍褜鍓ㄧ紞鍡涘磻閹烘嚦娑㈠礃閵娿垺鏂€闂佺粯鍔栧ḿ娆撴倶閵壯€鍋撶憴鍕闁告挾鍠庨悾宄扳堪閸繄顓煎銈嗘煥婢т粙鏁嶅┑鍥╃閺夊牆澧介崚浼存煙绾板崬浜濋柣妤€閰e缁樻媴鐟欏嫬浠╅梺鍛婃煥閼活垰鐜婚崸妤€鐏抽柟棰佺濞堛劍绻濋悽闈浶i柤瑙勫劤濞插潡姊绘担铏广€婇柛鎾寸箞閺佸鎮楀▓鍨灈婵炲皷鈧剚娼栧Δ锕侊骏娴滃綊鏌熼悜妯虹仯闁哥姴锕铏圭矙鐠恒劎顔夐梺鎸庢磸閸ㄥ綊鎮鹃悜钘夌闁挎洍鍋撶紒鐘电帛缁绘繈濮€閻樺樊浠惧┑鈽嗗亜閸熸潙鐣峰ú顏勭劦妞ゆ帊闄嶆禍婊堟煙閻戞ê鐏ユい蹇婃櫊閺岋綁骞樼€靛摜鐤勯梺鍝勭焿缁绘繂鐣峰鈧俊姝岊槻妞わ絽鎼—鍐Χ鎼粹€茬盎闂佺娅曢敃銏狀嚕婵犳碍鏅查柛娑樺€婚崰鏍箖濠婂喚娼ㄩ柛鈩冿公妤犲繘姊婚崒娆掑厡妞ゃ垹锕ら埢宥夊即閵忕姷顔夐梺鎼炲労閸撴瑥娲挎俊鐐€曠换鎰板箠鎼搭煈鏁嬮梺顒€绉甸悡娑橆熆鐠轰警鍎忛柣蹇婃櫆閵囧嫰鏁傞崫鍕潎濠殿喖锕ュ钘夌暦濮椻偓瀹曪絾寰勭€n亜澹嶉梻鍌欑劍鐎笛兠鸿箛娑樼?闁汇垻枪閺嬩胶鈧箍鍎遍ˇ顖氼啅濠靛洢浜滈柡宥冨妿閻矂鏌ㄥ☉娆戠疄婵﹨娅g划娆撳箰鎼淬垺瀚抽梻浣藉吹閸熸瑩宕舵担鍛婂枠闁轰礁鍊归幈銊╁箛椤忓棛娉块梻鍌欑劍鐎笛兾涙笟鈧、姘愁樄闁诡喗锕㈤弫鍌涙叏閹邦亞鐩庨梻渚€娼х换鍡涘焵椤掆偓閸熷潡骞楅棃娑辨富闁靛牆鍟悘顏堟煥閺囨ê鐏柟渚垮姂閸┾偓妞ゆ帒瀚悡鐔告叏濡炶浜惧┑鐐板尃閸曨剙寮块梺鎸庢⒐閸ㄦ繄鎹㈤崱娑欑厽闁规澘鍚€缁ㄥ鏌嶈閸撴岸鎮ч弴銏╂晩闊洦姊荤弧鈧┑顔斤供閸撴盯鏁嶅☉銏♀拺閻熸瑥瀚崝銈嗐亜閺囥劌骞樼€殿啫鍥х劦妞ゆ帒瀚埛鎴︽⒑椤愩倕浠滈柤娲诲灡閺呭爼骞橀鐣屽幐闁诲繒鍋犳慨銈壦夊⿰鍕╀簻闁瑰墽鍋ㄩ崑銏⑩偓瑙勬磸閸旀垿銆佸☉銏犖ч柛銉戝棌鍋撻崸妤佲拻闁稿本鑹鹃埀顒傚厴閹虫宕滄担绋跨亰濡炪倖鐗楅崙鐟搬缚閺嵮€鏀介柣妯虹枃婢规﹢鏌涚仦璇插闁瑰弶鎮傚顒€鈻庨幆褎顓块梻浣告啞缁嬫垿鏁冮敃鍌涘仭鐟滅増甯楅悡鍐喐濠婂牆绀堥柣鏂款殠閸ゆ洖鈹戦悩瀹犲闁告濞婇弻鏇$疀閺囩偐鏋呴梺鍝ュ仩濞夋盯鍩為幋锔藉亹闁肩⒈鍏涚划鐢告⒑閸涘﹥鈷愰柣妤侇殜瀵煡濡烽埡鍌楁嫽闂佺ǹ鏈悷銊╁礂瀹€鍕嚑妞ゅ繐瀚€閺冨牊鍋愰柛娆忣槹閸犳劗绱撴笟鍥ф灍婵☆偂绶氭俊鐢稿箛閺夎法顔婇梺纭呮彧缁查箖骞夐悧鍫㈢瘈闁汇垽娼ф禒锕傛煕椤垵鐏︾€规洜顢婇妵鎰板箳閹寸媭鏀ㄩ梻浣筋潐閸庡吋鎱ㄩ妶澶嬪亗闊洦鎸撮弨浠嬫煟閹邦垰鐨哄ù鐘灲閺屾盯寮埀顒傚枈瀹ュ桅闁告洦鍨奸弫鍐煟閺傛寧鍟為柣婵囪壘閳规垿顢欑涵宄板闂佺ǹ绨洪崐妤呭焵椤掑倹鏆╅柛妯犲洤鐓濋幖娣妼缁狅綁鏌eΟ鎸庣彧妞ゆ柨绻掔槐鎾诲磼濮橆兘鍋撻幖浣哥9闁告縿鍎抽惌鎾绘煙缂併垹鏋熼柡鍛箖閵囧嫯绠涢幘璺衡叡閻庤鎸风欢姘跺蓟濞戙垹绠涢柍杞扮椤ュ姊洪崫鍕殭闁绘妫涚划鍫ュ礃椤旂晫鍘撻柡澶屽仦婢瑰棝宕濆澶嬬厽閹兼惌鍠栧顔芥叏婵犲嫮甯涢柟宄版嚇瀹曘劍绻濋崒娑欑暭濠电姷鏁搁崑鐘活敋濠婂懐涓嶉柟鎯х-閺嗭箓鏌ㄥ┑鍡橆棡闁稿海鍠栭弻鏇熺箾閸喖濮曢柡澶婄墕閻楁挸顫忛搹瑙勫磯闁靛ǹ鍎查悘浣圭節濞堝灝鏋ら柡浣割煼瀹曞搫鈽夐姀鐘殿吅闂佹寧姊婚弲顐﹀储閸楃偐鏀介柣妯肩帛濞懷勪繆椤愶綆娈滄い銏℃椤㈡棃宕ㄩ锛勭泿闂備線娼ч¨鈧紒鐘冲灴閹﹢骞橀鐣屽幐闁诲繒鍋涙晶浠嬪Υ閹烘鐓冪憸婊堝礈閵娧呯闁糕剝绋戠壕濠氭煕濞戝崬骞橀柡鍡畵閹﹢鎮欓棃娑楀闂佸憡鐟ョ换鎰板煘閹达附鍋愰柟缁樺笚濞堟煡姊洪棃娑欏缂佽瀚伴崺鈧い鎺戝枤濞兼劖绻涚拠褏鐣电€规洘鍨剁换婵嬪磼濠婂嫭顔曢梻浣虹帛濮婂宕㈣瀹曞綊宕掑☉鏍︾盎闂佸綊鍋婇崜婵嬫儌娓氣偓閺屾盯濡烽敐鍛ㄩ梺褰掓敱濡炶棄顫忓ú顏勫窛濠电姴瀚уΣ鍫ユ⒑閹稿孩纾搁柛搴f暬瀹曞搫鈽夐姀鐘电杸闂佺粯顨呴悧蹇涘储閽樺鏀介幒鎶藉磹閺囥垹鐤い鎰剁畱閻撴繈鏌涢銈呮珡婵炲牅绮欓弻锝夊箛椤撶偟绁烽梺鍝勬4缂嶄線寮婚埄鍐╁閻熸瑥瀚壕鎶芥⒑鐠団€虫灀闁哄懐濞€楠炴牞銇愰幒婵囨櫇闂佹寧绻傚ú銈咁嚈濞差亝鈷掗柛灞捐壘閳ь剟顥撶划鍫熺瑹閳ь剟鐛径鎰伋閻℃帊鐒﹀浠嬪极閸愵喖纾兼慨姗€纭稿Σ鑸电節閻㈤潧浠滄俊顐g懇楠炴劖绻濆顒傦紱闂佺粯妫侀鏍亹閹烘挸浜楅柟鑹版彧缁查箖骞夋總鍛娾拺闁规儼濮ら弫閬嶆煕閵娿儳浠㈡い顐㈢箲缁绘繂顫濋鍕暪闂備胶绮瑙勭娴犲鐒垫い鎺嶇缁椦呯磼鏉堛劌娴柟顔规櫊瀹曟﹢骞撻幒鎾村殘闂傚倷绀侀幖顐﹀嫉椤掑嫭鍎庢い鏍仧瀹撲焦淇婇姘辨癁闁稿鎹囧Λ鍐ㄢ槈濞嗘劕鏋戦梻浣圭湽閸婃洜鈧碍婢橀~蹇涙惞鐟欏嫬鐝伴梺鐐藉劥濞呮洟鎮橀埀顒勬⒒娓氣偓閳ь剛鍋涢懟顖涙櫠椤栫偞鐓涢悗锝庝簵閸嬨垻鈧鍠栭幉锟犲箚閺冨牆惟闁挎梹鍎抽獮宥夋⒒閸屾瑧璐伴柛娆忕箳缁骞嬮敃鈧崙鐘绘煏閸繃顥撳ù婊勭矒閺岋繝宕橀敐鍛婵犵數鍋涘璺虹幓閸ф绠查柕蹇曞Л閺€浠嬫倵閿濆簼鎲炬繛鐓庯躬濮婃椽骞愭惔锝囩暤濠碘槅鍋呴惄顖涗繆閹绢喖绠涙い鎺戭槹鐎靛矂姊洪棃娑氬婵☆偅顨婇幃姗€濡烽敂璺ㄧ畾濡炪倖鍔х徊鍧楀Υ閹烘鐓曢柟鐑樻尭濞搭喚鈧娲栭妶鍛婁繆閻戣棄唯鐟滃秵鎱ㄩ敂鎴掔箚闁绘劦浜滈埀顒佺墱閺侇噣骞掗弬鍝勪壕婵ḿ鍘у顔锯偓瑙勬礃閸旀瑥鐣疯ぐ鎺濇晝闁靛牆娴傞崯搴ㄦ⒒娴gǹ顥忛柛瀣噽閹广垽宕熼鍌ゆ祫闂侀潧楠忕槐鏇犵不妤e啯鐓曟繛鎴濆船楠炴﹢寮崼銉︹拺闁告繂瀚悞璺ㄧ磼缂佹ḿ绠炵€规洘妞介崺鈧い鎺嶉檷娴滄粓鏌熼悜妯虹仴妞ゅ繆鏅濋惀顏堫敇濞戞ü澹曢梻鍌氬€烽懗鍓佸垝椤栫偛鍨傞梻鍫熷厷濞戞鏃堝焵椤掑嫬鐓濋柟鐐た閺佸啴鏌ㄩ弮鍥嗘帡骞忓ú顏呪拺闁告稑锕﹂埥澶愭煥閺囨ê鍔滅€垫澘瀚板畷鐔碱敍濞戞艾骞堥梺璇插嚱缂嶅棝宕戦崟顐€褰掝敊闁款垰浜鹃悷娆忓绾炬悂鏌涙惔銏犫枙闁糕斁鍋撳銈嗗笒閿曪妇绮旈悽鍛婄厱闁绘ɑ鍓氬▓婊堟煙椤曞棛绡€鐎殿喗鎸虫慨鈧柨娑樺楠炴劙姊绘担瑙勫仩闁稿寒鍨跺畷鏇熸綇閵娿倗绠氶梺绋跨箳閳峰牆鈻撴禒瀣厽闁归偊鍠楅幊鏍煙鐎电ǹ浠ч柍鐟扮Т閳规垿鎮╅崣澶嬫倷闂佹椿鍘介〃鍛粹€︾捄銊﹀磯闁绘碍娼欐慨娑欑箾鐎电ǹ甯堕柤娲诲灦閸╃偤骞嬮敂缁樻櫓缂佺虎鍙冮弨閬嶅极閹€鏀介柨娑樺娴犫晜淇婇銏狀伃闁诡噣绠栭幃婊呯驳鐎n偅娅囬梻浣瑰濞插秹宕戦幘鍓佺<闁逞屽墰閳ь剨缍嗛崑浣圭濠婂牊鐓欓梺顓ㄧ畱閺嬫盯鏌$€n亪顎楅棁澶嬬節婵犲倸顏╅柛鏂诲€濆Λ浣瑰緞閹邦厾鍘藉┑鈽嗗灣閸庛倝鍩㈤弴銏$厱閹兼番鍨婚惌宀€绱掓潏銊﹀碍妞ゆ挸銈稿畷鍗炩枎韫囧﹤鎮呭┑锛勫亼閸娿倝宕i埀顒佺箾婢跺绀嬫鐐村灴瀹曠喖顢涘☉妯峰亾缂佹ü绻嗘い鏍ㄧ矌鐢盯鎮楀顓炩枙婵﹦绮幏鍛村川闂堟稒璐¢柟骞垮灲楠炲鎮╅幓鎺斾喊闂備浇顫夊畷姗€顢氳閹锋垿鎮㈤崫銉ь啎闂佺懓鐡ㄩ悷銉╂倿濞差亝鐓涘ù锝嚽归弳锝夋煛鐏炶濡奸柍瑙勫灴瀹曞崬顫滈崱姗堥獜濠碉紕鍋戦崐褏鎷归悢鐓庣闁瑰瓨绻嶅ḿ鏍ㄧ箾瀹割喕绨诲ù鑲╁█閺屾盯寮撮妸銉ヮ潻濡炪倕瀛╅惄顖氼潖濞差亜宸濆┑鐘插暙閺嗘姊洪崫銉バi柣妤冨█閹即顢氶埀顒€鐣峰鈧垾锕傚箣閻愯尙绱﹂梻鍌欑窔閳ь剛鍋涢懟顖涙櫠鐎涙﹩娈介柣鎰絻閺嗘瑩鏌嶇拠鏌ュ弰妤犵偞锕㈤獮鏍敇閻曚焦顥堟繝鐢靛Х閺佹悂宕戦悙鍝勫瀭闁割偅娲忛埀顒€鍟村畷銊ヮ潰閵堝拋妲告い顐g箖濞煎繘鍩¢崘璺ㄩ棷闂傚倷鑳舵灙闁哄牜鍓熼幃鐑藉Ω閳轰胶顦ч柣蹇曞仩琚欓柡鈧懞銉d簻闁哄啫鍊告禍楣冩煛閸″繑娅婇柡灞稿墲缁楃喖宕惰閻濇繈姊洪幖鐐插缂佺姵鐗犻悰顕€宕堕妸锕€顎撻梺闈╁瘜閸橀箖鍩㈡径瀣瘈闁汇垽娼у暩闂佽桨绀侀幉锟犲箞閵娾晜鍋ㄩ柛娑橈工濞堢偞淇婇妶蹇曞埌闁哥噥鍨跺畷鎰暋閹佃櫕鏂€闂佺粯锚瀵埖寰勯崟顖涚厽闁规儳宕崝婊呯磼缂佹ḿ绠炴俊顐㈠暙閳藉鈻庡Ο浼欑磼闂傚倷绶氬ḿ鑽ゅ緤閹稿海浠氭俊鐐€ら崣鈧繛澶嬫礋楠炲骞橀鑲╊槹濡炪倖甯掗崑鍡椢g憴鍕瘈婵炲牆鐏濋弸娑㈡煥閺囨ê鍔氭い顏勫暞缁傛帞鈧綆浜為悿鍥⒑鐠恒劌鏋斿┑顔芥綑濞插潡姊绘担鍛婂暈濞撴碍顨婂畷鏉款潩鐠鸿櫣鍔﹀銈嗗笂缁€渚€宕濋妶澶嬬厓閻熸瑥瀚悘鎾煙椤旂晫鎳囨鐐存崌楠炴帡寮崼銏犵闂傚倸鍊烽悞锕傚箖閸洖绀夐悘鐐电波缂傛岸鏌ㄩ悢鍝勑ョ€规挷绀侀埞鎴︽偐闊叀鎶楅梺鍝勫暙閻楀棛绮堥崘顔界厓閺夌偞濯介崗宀勬煥濞戞ḿ绠绘慨濠冩そ閹筹繝濡堕崨顒佸媰缂傚倷绀侀鍛存偋閹惧磭鏆︽繝濠傚暊閺€浠嬫倵閿濆骸浜滈柍褜鍓濆▔娑㈠Υ閹烘埈娼╅柨婵嗘噸婢规洘绻濆▓鍨灈闁挎洏鍔岄埢宥夋晲閸涱亝顫嶉梺姹囧灮鏋€瑰憡绻冮妵鍕棘閸喗鍊梻浣诡儥閸欏啫顫忔繝姘<婵﹩鍏橀崑鎾诲传閵夈垹浜炬慨妯煎帶婢т即鏌嶈閸撴氨鍠婂鍜佺唵婵せ鍋撻柟顕€绠栭幃婊堟寠婢跺﹤绁梻渚€娼х换鎺撴叏閻戠瓔鏁囨繛宸簼閳锋垿鏌熺粙鍨劉妞ゃ儱妫欐穱濠囶敃閵忕媭浼冮梺绯曟杹閸嬫挸顪冮妶鍡楃瑨闁稿﹤缍婂鎶筋敆閸曨剛鍘搁柣蹇曞仩椤曆勪繆婵傚憡鐓冮悷娆忓閻忓鈧娲栧畷顒勫煡婢舵劕绠ュù锝夋櫜婢规洖鈹戞幊閸婃挾娆㈤垾鏂ユ灁濞寸姴顑嗛悡鐔兼煙闁箑鏋熸い顒€顑囩槐鎾诲磼濞戞瑧娈ょ紓浣介哺鐢岣胯箛娑樜╅柕澶涚畳閻т線姊绘担绛嬪殐闁哥姵甯″鎻掆槈閵忊€充患闂佺粯鍨煎Λ鍕倷婵犲嫭鍠愬鑸靛姇缁狀垰霉閻撳海鎽犻柍閿嬪笒闇夐柨婵嗘噺閸熺偤鏌熼姘卞妞ゎ叀娉曢幑鍕倻濡儤鐏庨柣搴ゎ潐濞叉ḿ鍒掑畝鍕厴闁硅揪绠戦獮銏ゆ煃鏉炴壆鍔嶆い鏂垮€垮缁樻媴閸涘﹤鏆堝┑鐐额嚋缁犳挸鐣烽幋锕€鐒垫い鎺嶆缁诲棝鏌熺紒妯虹濠⒀勭〒缁辨帞绱掑Ο鍏煎垱閻庤娲栧畷顒冪亙婵炶揪绲肩拃锕€煤鐠鸿 鏀介柣鎰▕閸ょ喖鏌曢崱妤婂剶妤犵偛绻橀弫鎾绘晸閿燂拷
相关话题/测试 规划 优化 计算 智能

  • 领限时大额优惠券,享本站正版考研考试资料!
    大额优惠券
    优惠券领取后72小时内有效,10万种最新考研考试考证类电子打印资料任你选。涵盖全国500余所院校考研专业课、200多种职业资格考试、1100多种经典教材,产品类型包含电子书、题库、全套资料以及视频,无论您是考研复习、考证刷题,还是考前冲刺等,不同类型的产品可满足您学习上的不同需求。 ...
    本站小编 Free壹佰分学习网 2022-09-19
  • 系留无人机平台搭载的蜂窝通信基站吞吐量优化*
    近年来随着无人机技术的发展,无人机被广泛地应用在军事和民用领域的各个方面。因其具备部署迅速、成本较小等优势,将无人机作为空中通信基站提高地面无线通信网络的服务质量和覆盖范围受到了广泛的关注,并应用于移动通信系统的诸多研究[1-4]。然而现有4G或者正在部署的5G基站系统复杂度高,将其部署在无人机平台 ...
    本站小编 Free考研考试 2021-12-25
  • 软件定义时间触发网络的调度算法优化*
    在具有时间、任务和安全等多关键性需求下的航空电子系统中,网络一直是体系架构的核心技术之一。时间触发以太网(Time-TriggeredEthernet,TTE)是一种基于802.3以太网的确定性组网方案,增加了时间触发(Time-Trigger,TT)机制,提高了高关键级别任务的消息传输确定性[1- ...
    本站小编 Free考研考试 2021-12-25
  • 基于Frenet和改进人工势场的在轨规避路径自主规划*
    随着人类探索和利用太空能力的逐渐增强,在轨航天器近地轨道间的机动任务频发。超过1886颗在轨目标以及数量已超14357的空间碎片[1],随时都将可能成为转移轨道上的绊脚石。轨道间的机动主要是借助航天器从初始轨道到目标轨道中间所经过的转移轨道实现,通常根据所采取的变轨策略(如霍曼、双椭圆、半切等)提前 ...
    本站小编 Free考研考试 2021-12-25
  • 垂直起降固定翼无人机串联混电系统优化设计*
    垂直起降固定翼无人机是一种结合了多旋翼无人机和固定翼飞机优势的新型无人飞行器[1]。这类无人机具有较高的巡航效率、较快的飞行速度,以及非常便捷的起降能力,因而可以应付较为复杂的应用场景,是近年来无人机领域的研究热点之一。目前正在开发的垂直起降固定翼无人机有很多,典型的代表有GL-10[2]、Song ...
    本站小编 Free考研考试 2021-12-25
  • 不可靠测试条件下基于NSGA-Ⅱ的多目标测试优化选择*
    各类装备中都存在错综复杂的电子系统,利用普通的测试与诊断方法,会造成漏检率高、准确率低与虚警率高等问题。为了解决不足,在对装备进行测试性设计时,就需要对建模后得到的测试进行优化选择,从而找出满足系统需求的最优测试组合。测试的优化选择在装备的测试性设计过程中充当着一个至关重要的角色,其目的是为了得到满 ...
    本站小编 Free考研考试 2021-12-25
  • 基于噪声柯西分布的社交图像标签优化与标注*
    近年来随着社交网络的蓬勃发展,海量的社交网络图像在被网络用户共享和浏览。海量的图像数据使得精确检索变得困难,故现在迫切需要有效的图像检索技术。基于标签的图像检索是通过建立图像和标签之间的语义关系来进行的。图像标注对图像检索十分重要。目前,用户提供的标签虽然可以在一定程度上描述视觉内容信息,但是这些标 ...
    本站小编 Free考研考试 2021-12-25
  • 基于CGAPIO的航天器编队重构路径规划方法*
    微小航天器具有体积小、质量轻、成本低、灵活性高及研制周期短等显著优点。多个微小航天器编队飞行,可以实现一些复杂的功能,且能够大幅度降低开发成本和风险[1],在对地观测、航天器物联网、海运和天气监测等方面有着广阔应用前景。队形重构是航天器编队飞行任务的重要组成部分,在编队重构进行路径规划时,首先应该考 ...
    本站小编 Free考研考试 2021-12-25
  • 时空约束条件下多旋翼机动轨迹优化方法*
    飞行器的航迹规划指在给定的规划空间内,寻找飞行器从起始点到达目标点,且满足某些约束条件,并使某项性能指标达到最优的轨迹[1]。航迹规划可分为轨迹规划和路径规划两大类。轨迹规划是一种考虑了飞行器的动力学约束,从控制的角度进行飞行轨迹的优化,生成基于时间描述的空间曲线的规划方法[2-5]。近年来,多旋翼 ...
    本站小编 Free考研考试 2021-12-25
  • 基于多约束因子图优化的无人车定位与建图方法*
    无人车沿着特定路线行驶,实现如机场摆渡车、观光车,在工厂或封闭园区巡逻、货物搬运[1]、卫生清扫以及安保监测[2]等功能,已经成为未来的发展趋势。定位问题是无人驾驶中的关键问题[3]。最常见的定位方法是基于全球导航卫星系统(GlobalNavigationSatelliteSystem,GNSS), ...
    本站小编 Free考研考试 2021-12-25
  • 基于鸽群优化算法的实时避障算法*
    路径规划是指在有障碍物的环境下向机器人提供有关达到特定目标信息的任务[1]。对于移动机器人,路径规划与避障十分重要,不合适路径可能会产生碰撞导致机器人的损坏,或大量时间的浪费[2]。一般来说,路径规划问题分为全局避障和实时避障(或称局部路径规划)。全局避障是指在障碍物完全已知的环境中,寻找可行路径。 ...
    本站小编 Free考研考试 2021-12-25