深入研究了人脸图像预处理技术，比较不同的图像预处理算法的处理效果与适用性，根据其预处理效果与适用性选择报到场景适用的算法，经过人脸对齐，高斯、奇异值分解降噪后，将近似对称人脸预处理技术和多尺度Weber-face技术相结合，合成出的人脸图像具有更好的光照不敏感特性，使人脸识别具有更好的光线适应性，在识别准确性与稳定性上均有提升。在此基础上，根据研究生报到的工作需求，设计并实现了完整的报到系统，将改进的图像预处理方法应用于报到系统的人脸识别中。系统实现了硕博学号编码、报表导出、报到人数统计、身份验证、信息采集。系统由服务端、客户端与人脸比对子系统构成，服务端由php的Zend Framwork 2 框架实现了服务端MVC子系统，客户端采用Qt框架实现GUI程序客户端图像采集与预处理子系统，人脸比对子系统采用第三方1：1人脸识别微服务。

1.针对多智能体决策的研究，本文选取计算机兵棋平台君尚，设计了强化学习并结合规则的决策模型。其中蓝方是以强化学习为主的多智能体决策方，红方是以专家知识为主的规则方，通过红蓝方奖励的对比，证明以强化学习为主的蓝方决策模型的有效性。 2.针对动作空间过大，导致强化学习算法收敛慢的问题，本文首先对GTrXL模型进行改进、优化和调整，然后和Kubernetes集群两种方式一起来加快奖励的收敛。为了验证本文提出的改进后神经网络模型GTrXL的加速性能，本文在OpenAI Gym框架中的StatelessCarPole上进行实验。通过实验，改进后的神经网络模型GTrXL比LSTM(长短期记忆网络)约快20%，证明了改进模型的优越性。最后用Kubernetes集群和改进后GTrXL共同加速了实验进程。

本系统有单选、多选、填空、判断、问答，支持人工组卷、随机组卷、防作弊、织考试、阅卷、统计、邮件通知、试题模拟、试题评论、发布公告、自动备份、系统错误发邮件、企业名称、LOGO、备份目录、密码策略