分布式并行BOD系统资源管理算法研究

研究分布式并行宽带点播服务系统中资源的优化存储,以充分发挥系统性能;提出了最大化访问成功率的资源放置算法,以均衡分布式并行服务器系统负荷;提出了动态阈值预测机制的副本自适应放置算法,以提高系统吞吐量。通过实用系统,验证了它们在宽带点播服务系统中提高访问成功率及系统性能方面优于其他算法的良好特性。     

OptorSim在安全数据网格复制策略中的应用

数据网格环境下,复制策略的优劣直接影响到整个网格资源的使用性能,鉴于复制策略对整个网格系统的重要性,该文利用OptorSim网格模拟器,通过构建仿真环境,根据仿真性能评估标准对不同的访问模式,不同数据网格复制策略的仿真数据进行了分析研究。具体研究了仿真软件的数据网格结构、复制策略、作业调度策略、访问模式以及它们对整个数据网格性能的影响。仿真结果表明该复制策略可以减小单个作业的系统开销和最大的利用计算单元。     

基于OGSA的网格工作负载监测系统研究

为对网络系统进行实时管理并适应其动态变化,需要对其工作负载进行监测,因此提出网格工作负载监测体系结构。该体系结构以端到端的方式对基于OGSA的网格构件的工作负载进行监测,以便进行分类和确立相互关系。通过设计的监测点算法,建立Petri网模型,该模型能自动收集工作单元的数据,为网格用户提供监控数据信息浏览,有利于用户对系统性能进行有效管理。在建立上述体系结构的基础上,提出了未来扩展系统功能方面的思路,以适应网格环境的复杂性,减少通信延迟和通信代价,为用户更好地监测网格系统提供方便。     

节点附着多数据场的四面体网格的简化算法

为了提高三维数据网格的渲染效率,在综合了国内外学者的四面体网格简化研究成果的基础上,提出基于节点邻接笼模型的节点兼并算法作为网格简化的基本模式,同时解决了算法运行时产生几何错误的问题。文章在网格简化算法中引入统计学的基本方法,将网格的外形信息和标量场、矢量场都处理成数据场,并为各节点数据场定义参量和相应的阈值,通过优化阈值组合来获得保留所需的节点信息的简化结果。最后给出了算法的主要流程。算法实例表明,该算法对网格质量、网格形状的复杂度比较敏感;同时,该算法存在对网格简化路径的依赖;在优化阈值比的条件下可以获得良好的简化效果。     

基于邻域密度的K-means初始聚类中心优选方法

传统K-means算法初始聚类中心的选择具有随机性且对离群点敏感,导致聚类结果不稳定、准确率低等问题。针对上述问题,提出基于邻域密度的NDK-means算法。首先,通过多维网格划分得到样本的网格分布特性;然后,通过定义网格密度和网格邻域密度,确定多个局部高密度网格,同时引入迭代因子合并相邻高密度网格中心得到初始聚类中心候选集;最后,结合网格密度和距离,利用最大最小距离算法得到K个初始聚类中心。在UCI数据集上进行实验,实验结果表明:相对于其他局部邻域算法,新算法提高了聚类结果的准确率,具有较好的稳定性。     

一种基于经济模型的数据复制收入预测函数

提出了新的基于齐普夫分布和二项式分布相结合的预测函数,同时考虑了文件的序列相关性和地理位置相关性(基于二项式和齐普夫分布)。实验数据显示该方法能有效地提高网格环境下,网格任务访问数据的效率和最大吞吐量,预测效果优于文献[2]中的预测函数。     

改进蚁群算法在合肥市包河区果蔬配送中的应用研究

路径优化是运输过程中必须考虑的问题。合理的路径既节省时间成本,又提高工作效率。文章引入蚁群算法和改进蚁群算法,利用算法的优越性,解决合肥市包河区处于快速发展状态下居民对果蔬需求的现实性,进而需要研究果蔬配送过程的路径问题,基于找出最优路径解,运用蚁群算法与改进蚁群算法解决果蔬配送,并对两种算法求出的解进行对比分析,找出最短路径,结果说明解决包河区果蔬配送路径的必要性,也说明算法在新环境中的适应性。     

基于改进蚁群算法的装配线VRPTD问题研究

用改进蚁群算法求解了装配线物料配送的VRPTD问题(带最后期限时间窗的车辆路径问题)。通过信息素动态更新设计,使改进蚁群算法具有自适应性,克服了传统蚁群算法在遍历寻优过程中容易出现停滞和陷入局部最优解的缺点。通过进一步对启发函数可见度进行改进设计,提高了算法的全局搜索能力。仿真结果表明,改进蚁群算法可以很好地求解装配线VRPTD问题,这对实际应用有一定的参考价值。     

逆向工程特征参数提取技术研究

逆向工程是从已有实物的测量数据点中提取其特征参数进行模型重建的过程,特征参数的提取是逆向工程的关键技术之一。该文提出了一种新的回转面特征参数提取算法,将蚁群算法应用在逆向工程的特征参数优化过程中,首先建立回转面特征参数提取数学模型,然后运用蚁群算法实现过程优化,从而提取出特征参数,实现回转面图形重建,最后通过实例验证了该算法的有效性,该算法提高了特征参数提取精度和效率,适用于空间任意位置回转面的特征参数提取。     

基于改进蚁群算法的高校图书馆书目检索策略研究

针对传统的基于关键字查询的信息检索系统存在的不足,提出了一种基于改进蚁群算法的高校图书馆书目检索策略。针对蚁群算法随机优化方法的聚类结果不稳定性问题,提出了基于改进蚁群算法的图书智能检索系统的基础模型,实验证明,改进后的蚁群算法智能检索系统能够检索到与关键字语义相关的信息,如同义、近义等关系,提高了传统图书检索系统的检索效率。     

基于混合蚁群粒子群算法的立体库堆垛机路径优化

针对自动化立体仓库中的堆垛机路径优化问题，课题组通过分析立体仓库中堆垛机的工作特点与运行情况，提出了基于混合蚁群粒子群算法的路径优化方法，在传统的蚁群算法中结合粒子群算法思想，使算法同时具备蚁群算法的正反馈与粒子群的多样性。通过对实例进行MATLAB仿真分析表明：混合算法路径优化速度较快，且比以往的路径更短。研究使堆垛机的运行效率得到提高。     

基于蚁群BP神经网路算法的六维力传感器解耦研究

针对传统BP神经网络在六维力传感器解耦训练过程中,由于其初始参数的选取不确定性导致神经网络出现震 荡、收敛速度缓慢和陷入局部极值等问题,提出一种基于蚁群BP神经网络算法并应用于六维力传感器解耦研究。该算 法利用蚁群算法在种群寻优方面的优越性,通过局部和全局信息素更新相结合的方式更新信息素,提高蚁群算法搜索的 效率,为BP神经网络提供一组最优的训练初始参数,网络收敛速度得到很大地提高,同时局部极值和震荡等缺点也有一 定的改善。实验仿真结果表明,在六维力传感器神经网络模型训练过程中,达到同样的目标误差,基于蚁群BP神经网络 算法的迭代次数Ⅳ比传统算法少50%,运行时间r快60%。这说明蚁群BP种经网络算法在六维力传感器解耦研究中 有着很好的应用效果。     

蚁群算法在QoS单播路由中的应用研究

QoS路由问题被证明是一个NP-C问题,而传统的路由算法很难有效地解决NP-C问题。该文提出了一种基于蚁群算法、用于解决带宽和时延约束问题的QoS单播路由算法,利用蚁群算法中蚂蚁通过信息素寻找最优路径的机制,并以网络吞吐量和数据报的平均时延等性能为最优的准则,来定义蚂蚁的转移概率、路由表和信息素更新方式,实现基于蚁群算法的路由选择算法.这种算法具有较强全局最优解搜索能力,较强的灵活性,以及潜在的并行性。     

基于能耗均衡的无线传感网络自适应数据存取算法

提出了一种能耗均衡的自适应数据存储算法,将数据尽量存储在适合查询的位置。首先建立基于网格的网络模型,然后分析采集节点与初始存储节点、查询节点之间的位置关系,存储模式可在集中存储和分布存储之间切换。算法引入了虚拟扩展网格和能量分级消耗的机制,可有效均衡网络能耗。实验结果表明,该算法的节点能耗、生命周期和丢包率相比于GHT算法有一定的改善。     

3-状态串并联设备网络单目标-单约束可靠性优化蚁群算法

3-状态设备网络系统单目标-单约束可靠性优化问题是NP-难问题,本文研究这类优化模型的快速算法。在对已有3-状态设备网络系统可靠性优化模型进行分类的基础上,以蚁群算法为工具,给出了一个求解3-状态设备网络单目标-单约束串并联网络系统可靠性优化问题最优解的蚁群算法框架。合理选择算法参数,进行计算机仿真。模拟仿真结果表明,在随机运行一定次数算法后,算法都能够有效的给出模型的近似最优解。合理选择算法参数,蚁群算法能够成为有效求解3-状态设备网络可靠性优化问题的有力工具。     

基于多速率采样系统的网络预测控制算法

针对网络控制系统(NCS)中存在的网络延迟和数据丢包问题,利用提升技术,将预测控制器和网络延迟补偿器相结合,提出了一种基于多速率采样系统的网络预测控制算法.仿真试验表明,该算法对网络延迟和数据丢包具有一定的补偿作用,不仅提高了网络资源利用率,且能保证闭环网络控制系统是渐近稳定的.     

基于改进的蚁群算法的复杂制造系统物流配送路径优化

为了对复杂系统中物流网络进行规划,在分析复杂制造系统物流网络特点的基础上,用多级有向图来对物流配 送问题进行建模。针对物流路径的流量和时间限制,以寻找满足约束条件的最小成本的路径为目标,利用改进的蚁群算 法对配送路径进行规划,最后运用MATLAB语言编程仿真。改进后的蚁群算法克服了一般蚁群算法的不足,提高了算 法的性能,可以解决复杂制造系统的物流网络配送路径优化问题。     

ADO.NET中数据库访问技术的研究

剖析了ADO.NET编程模型的体系结构、类、接口及其数据访问机制,研究了如何运用ADO.NET实现数据库访问的技术,并对通用数据库访问层的接口编程算法进行了探讨。     

基于动态蚁群算法的集装箱国际多式联运路径优化研究

集装箱国际多式联运由于涉及多方式的运输过程和节点上的方式转换,相较于一般运输网络具有更高的复杂性。针对多式联运的特殊网络结构进行模型设计,并通过动态蚁群算法的设计提高模型的寻优能力,以天津港到墨西哥城的实际数据为算例进行实证分析,从而为多式联运网络问题提供可操作的优化方法。     

混合型P2P网络中的基于Gossip的动态自适应算法

为了提高搜索的性能,出现了混合P2P网络搜索方法。在混合P2P网络中,关键的问题在于确定资源的流行程度。针对该问题,该文提出了一种基于Gossip的动态自适应算法(DAHG),通过抛硬币操作估计节点加入和离开P2P网络时所带入和带走的文档副本数;并通过Gossips传递估计值,获得资源的流行程度。仿真结果表明,该算法具有良好的适应性,能够反映P2P网络中节点和资源的动态性,从而选择出正确的资源搜索方法,减少搜索响应时间和提高资源的命中率。