协同异构多机器人系统:综述

2023-10-27

研究背景

我们所生活的世界的动态和不可预测的本质使得很难设计出一个能够有效地适应所有环境的自主机器人。因此,各种形状、大小和能力的机器人,如无人机、无人地面车辆、类人机器人等机器人。随着物联网(物联网)的出现,进行合作将大大增加自动化任务的范围。将这些设备集成在以下领域,如医疗保健、交通系统、应急响应系统、家务家务和老年人护理等,将使智能城市变得更加聪明

本文贡献

  • 简要概述了更通用的多智能体系统(MAS)领域
  • 讨论了关于使用异构多机器人系统实现复杂任务自动化的文献
  • 展示了多机器人系统(MRS)的一个工作流的主要组件:任务分解、联盟形成、任务分配、感知和MAS规划和控制,调查每个领域中现有的工作,并确定一些剩余的挑战和未来可能的研究方向。

相关工作

  • 与我们工作最近的两项调查:
    • 其中一个涵盖了机器人的协调,包括任务分配、分解和资源分配。然而,它关注基于市场的方法,并不包括关于联盟形成和决策模式的工作
    • 最近的一项调查讨论了现有的MRS架构、通信方案、群体机器人、任务分配和学习,如觅食、编队控制、协同对象操作和位移、路径规划和足球等应用。
  • 其他调查的范围比我们的工作范围更窄,重点集中在一个特定的研究领域,如合作的MAS规划和控制模型和算法,以及MAS中的分布式共识。一些调查集中在机器人及其分配的任务上;

展开思路

  • 定义了MAS中的关键术语,并介绍MRS的工作流
  • 实施的调查
  • 介绍MRS工作流每个部分的现有工作
  • 剩余挑战
  • 总结展望

多智能体系统(MAS)

智能体(Intelligent Agents)

  • 智能体是一种物理(机器人)或虚拟(软件程序)实体,它可以在感知该环境的同时自动对环境执行操作,以实现目标。
  • 认知体系结构是“智能体的基础基础设施”:智能体的大脑。它包括感知、推理、学习、决策、解决问题、互动和沟通。
  • 评估标准是基于特定领域的性能度量、通用性、通用性、多功能性、合理性、最优性、效率、可伸缩性、自主性和可改进性的。

多智能体系统( Multi-agent Systems)

  • MAS由多个自主的、相互作用的智能体组成,它们具有共同的或相互冲突的目标和感觉信息。它们的特征是分散的和不完整的信息、异步计算和分散的控制。然而,集中式系统或混合式系统也被认为是MAS。MRS将智能体限制在物理机器人上。
  • 评估标准是特定的或者不变的。特定于领域的标准量化性能。如对于搜救,性能措施包括获救人员或灭火人数。不变标准包括解决方案最优性、算法时间和空间复杂度、负载平衡、公平性、资源利用率和重新分配速度、通信开销、对噪声和智能体故障的鲁棒性,以及可伸缩性。

异构MRS体系结构的三层层次结构。

异构MRS的层次结构

  • 云连接MRS:关于所有机器人和复杂任务的信息都可以在云中获得。机器人可以通过云进行通信,并利用云中可用的任何计算资源和信息。
  • 本地连接MRS:从各种机器人的传感器中收集信息,并在它们之间进行交换。包含具有分配子任务的机器人子集。
  • 智能体:它可以进入它的感官输入和控制它的执行器。它可以与联盟内部的其他机器人进行通信,并可以连接到云上。

任务分类法( Task Taxonomy)

  • 任务的复杂度决定了任务的难度,这会影响完成任务所需的机器人的数量和类型,并且可能由多个更简单的子任务组成。
  • 单机器人的任务可以由一个机器人完成。多机器人任务可以根据成功完成所需的合作水平来进一步区分,从松散到紧密协调。松散协调的任务可以分解为子任务,可以通过机器人之间最小的交互独立执行。紧密耦合的任务是不可分解的,需要在机器人之间具有重要交互的协调执行

多机器人系统工作流程( Multi-robot System Workflow)

  • (1)任务分解,将复杂任务划分为简单的子任务;
  • (2)联盟组成,即智能体团队;
  • (3)任务分配,将子任务分配给智能体团队进行执行;
    (4)任务执行/规划和控制,即通过对环境执行一系列操作完成任务。

人类设计人员根据可用机器人的能力将复杂的任务分解为更简单的子任务,并从一组智能体组成联盟。然后由机器人团队自主执行任务分配、机器人规划和控制。

在这里插入图片描述

应用

结合机器人智能体、软件智能体和其他计算和传感设备的MAS在智能城市有许多应用,包括医疗保健、国内服务和智能交通系统。监视、导航和目标跟踪等军事应用程序也开发了MAS框架来有效地自动化这些复杂的任务。

现有MRS

  • 异构的MRS系统:根据它们执行的合作任务的复杂性以及从大多数自动化程度分类
    • 第一级(最不自动化),只有任务执行是自动化,
    • 第二级自动化任务分配或联盟的形成,但不是两者都自动化
    • 第三级自动化联盟的形成和任务分配,但不自动化任务分解
    • 第四级可使整个系统实现自动化。

据我们所知,没有发现任何参考资料能使整个过程自动化(第四级自动化)

在自动化级别和任务复杂性中现有工作的分布
总结了关于MRS及其任务的文献,仅提到了那些具有第二个或更高自动化级别的参考文献。“N/A”表示不适用。

任务分解

  • 复杂任务自动化的MAS工作流中的第一步:它将复杂任务分为一组更简单或更原始的子任务,彼此独立或顺序依赖。任务分解问题的规划者可以是一般的或特定于某一领域的(如足球机器人)。
  • 任务分解的过程可以分为三类:分解然后分配、分配然后分解以及同时分解和分配
  • 分解然后分配算法,首先以集中的方式将一个复杂的任务分解为一个子任务列表,然后将各种子任务分配给可用的智能体。任务树分解基于现场中的逻辑关系来划分任务。
  • 分配然后分解的算法,首先将一个任务列表分配给智能体,然后每个智能体将这个任务划分为更原始的子任务。这种方法允许智能体根据智能体的特定技能集来分解任务,从而允许他们有效地执行任务。
  • 同时进行的任务分解和分配算法,提出了一种基于任务树和拍卖的解决方案。这种方法通过提供反馈来改进基于智能体能力的任务分解,从而产生更多特定于系统的分解。但是,由于子任务的微调,它可能会更耗时。

联盟的组建和任务分配

联盟

  • 在这项工作中,我们专注于合作联盟的形成。联盟的形成可以离线执行,形成静态联盟,或者在线形成可以适应环境的动态团队。
    • 许多搜索算法包括蚁群优化、粒子群优化和进化算法。搜索算法是一种简单的方法,不需要重要的智能体建模。
    • 贝叶斯强化学习(RL)允许智能体通过他们的交互来学习其他智能体的能力,并将联盟问题转化为一个顺序的决策问题。
    • 利用加权投票游戏和Q-学习建模了区域覆盖问题的动态机器人联盟形成,并扩展到基于编队的导航问题。
    • 使用沙普利值和边际贡献来修剪联盟结构,智能体从一个联盟到另一个联盟的过渡过程表示。
  • 这些方法的好处包括提高对环境随机性的鲁棒性和由系统设计人员对智能体建模不同的弹性。不幸的是,必须容忍一个学习阶段,以允许算法通过试验和不同来学习智能体模型。

根据智能体能力的不确定性到实现分布式系统或考虑机器人智能体联盟形成算法的分类

任务分配

  • 任务分配将任务分配给一个智能体或一组智能体,它的目的是在智能体和任务之间找到一个最优的或接近最优的映射。
  • MRS特定的任务分配算法:例如群智能、无人机军事、图论粒子群优化、K-means聚类算法、基于效用的任务分配、语义映射等。许多方法主要集中于尽量减少机器人完成任务的旅行距离,然而,一些工作旨在确保机器人和之间的工作负载平衡。
  • 拍卖算法是在任务分配问题中广泛采用的另一种算法,能够处理任务优先级和异构任务或机器人、多机器人旅行、以及巡逻任务。
    任务分配的一些工作。它比较了他们所做的各种假设,比如假设异构智能体、虚拟智能体或机器人智能体

同时组建联盟和完成任务分配

  • 文献中还提出了同时执行联合形成和任务分配,以使用MRS解决更广泛的复杂任务。结合任务优先级排序和资源约束,改进了无人机的联盟形成。结合基于机器人、任务和环境信息的动态蚂蚁联盟形成和模因局部搜索任务分配算法,在无人机搜索任务中的多机器人任务分配。
  • 虽然这些方法收敛于更好的联合和任务分配,但它们在计算上更昂贵,需要更多的迭代来收敛到一个分配。然而,他们的任务随着经验的提高而改进,并导致更有效的MAS和MRS任务执行。

MAS的规划和控制

MAS规划和控制,也称为决策,是MAS的主要模块。它决定了智能体为完成分配的任务来执行的操作序列或策略。决策算法通常基于策略最优性及其时间和空间复杂度进行评估。已经提出了多个框架来建模和解决决策问题,包括强化学习(RL)、博弈论、群智能和图论模型。
在这里插入图片描述
根据上表我们可以看到,一个决策模型,当通信需求较低,它具有最高的可扩展性能力,但不允许在智能体间存在显著的差异。此外,异构性的增加会导致对通信的需求的增加,从而降低了系统的良好扩展能力。

感知

  • 感知是成功的MRS部署的一个关键组成部分,它使机器人可以从感觉信息中建模他们的环境,并了解他们的行为如何影响环境,以及他们是否成功地完成任务;如果没有这种功能,在现实环境中几乎不可能执行任务。传感器测量环境中的变量,允许机器人观察他们的行为是如何影响环境的,从而导致更有效的任务执行。
  • SLAM允许机器人同时生成一个环境地图,并在该地图中定位自己,这是任何涉及导航的任务的一个重要方面。许多计算复杂度的算法,使用广泛的传感器,包括相机、声学传感器、结构化光和电磁信号。SLAM还采用了传感器融合,受益于各种信号,如激光测距探测器、WiFi、蓝牙、LTE等磁信号。
  • 场景理解允许机器人从视觉线索中提取一般原则。它包括图像分割、对象识别、事件识别、人类活动和行为识别、语义注释等计算机视觉问题。场景理解已被应用于行人、交通、城市、视频监控和水下场景。多智能体或分布式计算机视觉算法已经被开发出来,以提高在MAS应用程序中的场景理解。
  • 对象运动跟踪是场景理解的另一个重要方面,它通过跟踪感兴趣的对象来帮助机器人实现目标。开发的系统是基于无线链路[228]和基于卡尔曼滤波器的SLAM,基于激光的占用网格[98]等等。利用粒子滤波器、RL和最小二乘最小化,开发了多机器人来跟踪行人和其他对象。更多的信息可以在最近的MRSMRS目标检测和跟踪的调查中找到。
  • 自动语音识别在人机交互中很重要。方法包括隐藏MRS模型、深度神经网络和支持向量机。虽然深度神经网络到目前为止性能最好,但它们计算昂贵,需要许多数据点来实现良好的性能,这使得与机器人系统集成于实时应用成为一个挑战。
  • 许多系统已经将上述两个或两个以上的功能结合成机器人系统。总而言之,复杂的多模态感知模块在过去几十年里已经有了显著的改进,这将有助于智能体在现实环境中做出更好的决策

挑战和见解

大数据

  • 问题:
    • 云端数据的可访问性在一些机器人应用中可能是一个问题,而部署在机器人平台上的感知算法没有计算资源来利用这些进步和改进机器人的模型在环境中。
    • 决策模型的计算对机器人应用程序很昂贵,即使它们是离线训练的;
  • 方向:深度学习压缩、深度学习软件和硬件加速器,IBM的TrueNorth芯片等神经突触处理器。

物联网

  • 问题:仍然有大量的信息可以从环境中提取,特别是在这个物联网的时代。
  • 方向:传感器融合和来自异构源的分布式感知是两个领域,可以帮助提高机器人应用的感知。分布式深度神经网络是传感器融合和影响机器人决策的一种可能的解决方案。

任务的复杂性

  • 问题:随着任务变得更加复杂
  • 方向:任务分解步骤应该是自动化,以允许随着条件的变化而重新规划。此外,自动化的任务分解可以在自然语言处理中利用现有的本体和领域特定的字典将任务分解为子任务。

自主机器学习

  • 问题:许多机器学习算法仍然依赖于人工干预来手动调整算法参数。
  • 方向:自主机器学习(AutoML)是一个机器学习的子领域开发不需要人类专家来选择学习算法、手动调整参数或选择用来训练的数据的学习算法。将AutoML合并到MRS中将导致能够更好地处理动态环境的通用智能体。

可扩展性和异构性的平衡

  • 问题:在智能城市有效运作,智能体们需要可扩展、适应性和可推广,以应对动态环境和任务的复杂性。
  • 方向:开发有效的规划算法,在可扩展性和异质性之间达到任务适当的平衡,将使MRS在智能城市中更加普遍存在。局部交互密集、全局交互稀疏的层次方法可以用来提高可扩展性,同时允许智能体的异质性。

联盟的组建和任务分配

  • 方向:联盟的形成和任务分配可以导致更最优的映射,应该进一步研究,因为只有少数研究考虑了这种方法,但得到了有希望的结果。此外,联盟和任务分配应该是动态的和时间变量,以更好地处理任务的复杂性和环境的变异性。

人循环

方向:人循环指的是需要机器人或智能体与人类交互的系统架构。这些系统的好处包括扩大MRS在不实现完全自主权的情况下可以执行的任务范围,补充MRS与人类的技能,以有效地执行某些任务,赋予人类加强系统控制,提高系统适应性和抗环境随机性。在给定的场景中,确定循环中的人是正向还是负向,是选择能够导致成功完成任务的正确系统架构的关键。

转移学习

  • 问题:MRS将会遇到许多类似的情况。
  • 方向:利用以往的经验来改进当前的决策,将显著提高智能体的性能、适应性和鲁棒性。转移学习是一种学习范式,它允许智能体通过将知识从以前的经验转移到当前的强化学习问题来跳头开始学习,而不是在每个新场景中从头开始学习。

统一的框架

  • 问题:对于MRS的工作流,大部分工作主要是将这些研究领域视为更大的领域独立处理这些模块的。采取更全面的方法。不同模块之间的反馈连接应被纳入工作流中,以进一步提高其有效性。所以模块之间的反馈会使他们进行相互作用。

其他挑战

  • 问题:通信约束和连通性的不确定性进一步使合作智能体的事情变得更加复杂,特别是对于紧密协调的问题。虽然将MRS连接到云上也允许我们减少这些移动设备上的计算负载,并提高它们的性能,但这种连接的存在性和稳定性是不确定的,有时可能会崩溃提高系统,而不是提高其性能。某些任务的时间敏感性和机器人有限的硬件资源需要开发有效的决策、感知、联盟形成和任务分解和分配算法。

任务分解和任务分配的区别

  • 任务分解,即将复杂的任务分成更简单的子任务;
  • 任务分配,将子任务分配给智能体团队执行;
  • 举例:足球任务分解,其中根据球和球员的相对位置在机器人之间划分覆盖场地。球被视为一个引力源,在它周围产生一个引力场,并影响子任务的分配。比如球在不同的位置会有不同的处理方式,这一步是任务分解,在当前的场景下每个机器人该怎么反应,这对应着任务分配
  • 分解然后分配算法:首先以集中的方式将复杂的任务分解成子任务列表,然后将各种子任务分配给可用的智能体。在环境中跟踪人是根据地理上的接近度在机器人之间动态分配的。
  • 分配-然后-分解算法,例如M+算法[28],首先将一个任务列表分配给智能体,然后每个智能体将这个任务分成更原始的子任务。这种方法允许智能体基于其特定的技能集分解任务,从而允许他们高效地执行任务。
本文内容由网友自发贡献,版权归原作者所有,本站不承担相应法律责任。如您发现有涉嫌抄袭侵权的内容,请联系:hwhale#tublm.com(使用前将#替换为@)

协同异构多机器人系统:综述 的相关文章

  • 论文学习

    一 论文搜索 全球最大的预印本系统 https arxiv org 不懂为何有些网络是无法登录该网站 xff0c 有些却可以 sci hub xff08 擅长根据doi号下载文献 xff09 sci hub网址 xff1a https sc
  • SDN 中 DDoS 攻击问题(论文方法总结)

    SDN 中 DDoS 攻击类型 1 数据平面DDoS攻击 数据平面由多个启用OpenFlow的转发设备组成 这些设备被称为OpenFlow交换机 每个交换机都有一个有限的流表大小来存储规则和有限的处理能力来处理不匹配的数据包 因此 它成为缓
  • 协同异构多机器人系统:综述

    研究背景 我们所生活的世界的动态和不可预测的本质使得很难设计出一个能够有效地适应所有环境的自主机器人 因此 各种形状 大小和能力的机器人 如无人机 无人地面车辆 类人机器人等机器人 随着物联网 物联网 的出现 进行合作将大大增加自动化任务的
  • 因果推断dowhy之-探索酒店取消预订的原因分析

    0x01 DoWhy案例分析 本案例依旧是基于微软官方开源的文档进行学习 有想更深入了解的请移步微软官网 背景 取消酒店预订可能有不同的原因 客户可能会要求一些无法提供的东西 例如 停车场 客户可能后来发现酒店没有满足他们的要求 或者客户可
  • 问题1:VS2017:找不到 Windows SDK 版本10.0.17134.0

    我电脑的VS版本 1 问题1 找不到 Windows SDK 版本10 0 17134 0 请安装所需的版本的 Windows SDK 或者在项目属性页中或通过右键单击解决方案并选择 重定解决方案目标 来更改 SDK 版本 2 出现问题的过
  • 目标检测之Dynamic Head: Unifying Object Detection Heads with Attentions

    cvpr2021 论文 https arxiv org pdf 2106 08322v1 pdf 代码 https github com microsoft DynamicHead 1 摘要 作者认为目标检测的头部是由三个部分组成 首先 头
  • 引入助教来提高知识蒸馏效率

    引入教师助理来提高知识蒸馏效率 知识蒸馏简单介绍 摘要 实验数据证明 多层助教 参考论文 Improved Knowledge Distillation via Teacher Assistant 声明 文章的图片均来自以上论文 知识蒸馏简
  • Latex:图片、表格占据双栏排版的两栏时 的位置控制

    目录 1 问题 怎么在双栏排版中 让占据两栏的表格出现在页面顶端 2 解决 在latex中加入 usepackage stfloats 即可 1 图片 占据两栏显示在页面顶端 2 表格 占据两栏显示在页面顶端 1 问题 怎么在双栏排版中 让
  • #3文献学习总结--边缘计算资源分配与任务调度优化

    文献 边缘计算资源分配与任务调度优化综述 1 系统模型 云 边 端 第 1 层是物联网层 传感器 处理器根据应用需求感知 测量和收集原始数据 在本地处理大量数据或将其上传至计算节点 第 2 层是边缘计算层 位于互联网边缘 靠近数据源 边缘计
  • 【论文学习】YOLOv3:An Incremental Improvement

    论文 YOLOv3 源代码 pjreddie com yolo 视频 https youtu be MPU2HistivI 1 Abstract 作者对YOLO进行了进一步的更新 做了一些小设计更改让其表现更好 YOLOv3比YOLOv2相
  • 遥感变化检测综述 Change Detection Based on Artificial Intelligence:State-of-the-Art and Change

    遥感变化检测综述 Change Detection Based on Artificial Intelligence State of the Art and Change 现存的变化检测综述主要专注于在多时态高光谱图像 HSIs 和高空间
  • 论文学习——Tune-A-Video

    Tune A Video One Shot Tuning of Image Diffusion Models for Text to Video Generation Abstract 本文提出了一种方法 站在巨人的肩膀上 在大规模图像数据
  • 【论文学习】FD-MonbileNet: IMPROVED MOBILENET WITH A FAST DOWNSAMPLING STRATEGY

    原文链接 https arxiv org abs 1802 03750 作者介绍了一种高效且在有限运算量限制上十分准确的网络 Fast Downsampling MobileNet FD MobileNet 其中心思想是在MobileNet
  • colmap论文学习

    Structure from Motion Revisited 该文章是colmap对应的稀疏重建论文 主要讲了稀疏重建的几个步骤 特征提取与匹配 colmap利用SIFT算子进行特征提取与匹配 匹配完之后就获得了两两图像之间的匹配对 但是
  • python:多维数组变一维数组

    python 多维数组变一维数组 b a flatten 将多维数组变为1维数组 具体代码如下 import numpy as np 1 随机生成一个4行3列的多维数组a a np random randn 4 3 print a prin
  • 【论文学习】Fast R-CNN

    论文地址 Fast R CNN 1 Abstract Fast R CNN也是主要应用在目标检测的一种方法 它建立在前人工作的基础上 利用深度卷积网络更加高效地对目标进行分类 与之前的工作相比 Fast R CNN采用了一些在提升检测精度的
  • 深度学习(20):nerf论文翻译与学习

    目录 1 Introduction 2 Related Work 3 Neural Radiance Field Scene Representation 4 Volume Rendering with Radiance Fields 5
  • Multi-exit Network

    关键词 Multi exit 动态网络 Anytime prediction budgeted batch classification 参考 https blog csdn net c9Yv2cf9I06K2A9E article det
  • pycharm注释、查看函数用法快捷键

    单行或多行注释 选中代码 ctrl 查询函数用法 ctrl 鼠标左击函数名 便可以直接进入原文件查看此函数的定义 自动填充空格 ctrl alt L 将光标置于需要调整的代码行 或者选择一个区域 按下快捷键后 代码会自动填充空格 自动对齐代
  • 因果推断dowhy之-ihdp数据集上的案例学习

    0x01 案例背景 IHDP Infant Health and Development Program 就是一个半合成的典型数据集 用于研究 专家是否家访 对 婴儿日后认知测验得分 之间的关系 原数据集是基于随机控制实验进行的 因此可以获

随机推荐

  • 学计算机电脑屏幕多大,买电脑显示器的技巧 电脑显示屏多大尺寸好

    购买电脑是时 大多数的商家都会把电脑显示器作为电脑配置中的一个主要卖点 但其实很多时候 商家给与我们的信息都是错误的 所以买电脑显示器前 需要自己掌握一些技巧 而一些用户也会在购买多大尺寸的显示屏上纠结着 接下来小编为大家带来买电脑显示器的
  • pytorch之torch.randn()

    torch randn sizes out None dtype None layout torch strided device None requires grad False gt Tensor Args sizes int a se
  • 进入传奇荣耀显示服务器不存在,传奇荣耀复古版

    传奇荣耀复古版 1区服务器爆满排队15分钟 传奇荣耀复古版是一款复古系列的传奇游戏 玩家能够在游戏中24小时匹配到队友进行副本攻略 更有完善的社交系统 让玩家轻松结识更多的兄弟姐妹 实时语音系统方便玩家更好的进行沟通 让玩家们的作战更加轻松
  • 通过Android Timer来实现3S自动页面跳转

    实现开始页面的跳转 就是打开一个Android手机APP的欢迎界面后跳转到指定界面 启动页面的作用能够打广告 发公告 做缓存处理 更新数据等等 Timer是一种定时器工具 用来在一个后台线程计划执行指定任务 它可以计划执行一个任务一次或反复
  • 基于MATLAB的特征值与特征向量(附完整代码)

    目录 一 一般矩阵的特征值与特征向量 例题1 二 广义特征向量问题 例题2 三 稀疏矩阵的最大特征值 例题3 一 一般矩阵的特征值与特征向量 A为n阶矩阵 若数和向量x满足 那么数称为A的特征值 x称为A对应于特征值的特征向量 如果把式子改
  • 文本聚类(二)—— KMeans 聚类

    目录 二 KMeans 聚类 2 1 加载数据集 2 2 数据清洗 2 3 文本向量化 2 4 文本聚类 2 5 关键词展示 2 6 判定最佳聚类数 参考文档 在第一篇内容中 我们介绍了 LDA 主题模型 这一篇 我们将介绍经典的 KMea
  • 大数据分析利器——clickhouse的简介与应用

    大数据分析利器 clickhouse的简介与应用 背景介绍 公司原有的数仓技术架构是基于传统的Hadoop的数仓体系 使用任务调度 通过不同的hive的任 务调度解决不同的业务主题 传统的数仓架构胜在稳定 依托于Hadoop体系 使用的用户
  • Linux多线程:读写锁

    当有一个线程已经持有互斥锁时 互斥锁将所有试图进入临界区的线程都阻塞住 但是考 虑一种情形 当前持有互斥锁的线程只是要读访问共享资源 而同时有其它几个线程也想 读取这个共享资源 但是由于互斥锁的排它性 所有其它线程都无法获取锁 也就无法读
  • Asp.Net Mvc AutoFac 的简单使用

    http www kungge com kungge 2699 html 转载于 https www cnblogs com zhihang p 11059740 html
  • Windows MongoDB安装

    目录 一 下载 社区版7 0 0 二 安装 三 安装后的问题 四 测试 一 下载 社区版7 0 0 官网 Install MongoDB Community Kubernetes Operator MongoDB 二 安装 下载后双击打开安
  • idea自动生成类注释和方法注释

    一 自动生成类注释 打开Setting 选在Editor 然后是File and Code Templates 最后是Files 中的Class 点击class后 编辑右边的红色边框 里边是模板 将模板设置好 点击ok即可 下边是模板中的示
  • 【SpringBoot高级篇】SpringBoot集成Elasticsearch搜索引擎

    SpringBoot高级篇 SpringBoot集成Elasticsearch搜索引擎 1 什么是Elasticsearch 2 安装并运行Elasticsearch 2 1 拉取镜像 2 2 启动镜像 3 安装kibana 3 1 拉取k
  • BAT数据洞察报告 附下载地址

    BAT B指百度 A指阿里巴巴 T指腾讯 是三大互联网公司百度公司 Baidu 阿里巴巴集团 Alibaba 腾讯公司 Tencent 首字母的缩写 百度总部在北京 阿里巴巴总部在浙江省杭州市 腾讯总部在广东省深圳市 关注公众号 互联互通社
  • iOS App的打包和上架流程

    转载 iOS App的打包和上架流程 掘金 1 创建账号 苹果开发者账号几种开发者账号类型 个人开发者账号 费用 99 美元 年 688 00元 协作人数 仅限开发者自己 不需要填写公司的邓百氏编码 D U N S Number 支持账号下
  • WTL 界面设计篇(CSkinHyperLink)

    头文件声明 CSkinHyperLink h pragma once include SkinManager h class CSkinHyperLink public CWindowImpl
  • UI自动化测试02

    一 浏览器操作 1 设置浏览器缩放大小 from selenium import webdriver import time 打开浏览器 driver webdriver Edge 设置浏览器最大化 driver maximize wind
  • 学习笔记,上传代码到github

    今天对于使用pycharm上传推送代码到github的总结 文章目录 一 github登录 二 github共享本地库 若上传代码有报错情况可以查看 github报错博客 https blog csdn net weixin 6822625
  • Nmap将端口扫描分成六个状态

    1 open 开放的 该端口正在接收TCP连接或者UDP报文 2 closed 关闭的 关闭的端口接收nmap的探测报文并做出响应 3 filtered 被过滤的 探测报文被包过滤阻止无法到达端口 nmap无法 确定端口的开放情况 4 un
  • 优化算法 - 萤火虫算法在订单分批问题中的应用及Matlab实现

    优化算法 萤火虫算法在订单分批问题中的应用及Matlab实现 订单分批问题是指将大量订单分成若干个较小的批次进行处理 以提高生产效率和降低成本 在实际应用中 如何进行订单分批是一个需要考虑多种因素的复杂决策问题 而萤火虫算法是一种能够解决这
  • 协同异构多机器人系统:综述

    研究背景 我们所生活的世界的动态和不可预测的本质使得很难设计出一个能够有效地适应所有环境的自主机器人 因此 各种形状 大小和能力的机器人 如无人机 无人地面车辆 类人机器人等机器人 随着物联网 物联网 的出现 进行合作将大大增加自动化任务的