基于改进型脉冲耦合神经网络的关键路径求解

 在脉冲耦合神经网络(PCNN-Pulse Coupled Neural Network)的基础上,提出了改进型脉冲耦合神经网络(mPCNN-modified PCNN)模型,并将其用于AOE-网的关键路径问题的求解.该方法通过快速并行计算,一次正向计算即可求解AOE-网的所有关键路径,与传统方法相比体现了较好的优势.     

PL/SQL在求解最短路径问题中的应用

图论中的一个典型的问题就是最短路径和最小代价问题.本文介绍了一种基于Oracle的表、视图及存储过程求解最短路径(最小代价)的方法,该方法使得解决复杂的有向图问题更加容易,而且不需要很多代码.     

任务计划适应性改造优化建模及方法

针对指挥控制(C2)组织资源层-任务计划的适应性优化问题,提出了一种方案改造代价限制条件下的任务计划适应性优化(AOMPTP)问题模型及求解算法。介绍了国内外学者对任务计划适应性优化及适应性测度的研究成果,在分析方案改造代价的必要性和衡量标准的基础上,给出了方案改造代价的定义和约束条件。在方案改造代价限制条件下,建立了以使命完成时间最短为目标的问题数学模型,设计了求解该模型的多维动态列表规划(MDLS)及循环遗传(CG)算法,使指挥员能够更好地权衡方案改造优化的性能与代价,作出决策。最后通过实验分析,验证了所提方法的有效性和适用性。     

一种改进的求解RACP问题的路径重连方法研究

讨论了在规定时间内以最小资源代价完成一项工程调度的问题(RACP),这是一个NP-Hard问题。现有文献针对RACP问题的研究较少,并且主要的求解方法是将RACP问题转化为若干个资源受限下的项目调度问题(RCPSP)。采用活动列表AL(Activity List)编码方案,引入路径重连方法直接对RACP问题进行优化;并针对路径重连的参考级更新过程进行改进。最后,基于PSPLIB测试用例库设计了算例,并与遗传算法进行了结果比较。实验结果表明基于改进的路径重连算法能够非常有效的求解RACP问题,且运行效果明显优于遗传算法。     

链路优化时延约束组播路由的遗传算法

针对网络的瓶颈路径易造成网络拥塞的现象,分析了链路负载不平衡的原因,重新给出链路代价定义,提出一种遗传算法求解该类组播路由问题.算法从链路代价权值转化开始,以满意的时延树为遗传算法的初始解集,然后在交叉操作过程中不断地用低链路代价的边代替树中高链路代价的边,以求得满足链路代价最优的组播树.仿真结果表明,该算法在考虑网络的负载均衡情况下,选择链路代价较低的空闲路径,快速、有效地构建满足时延要求,链路代价最小的组播树.     

基于免疫拉马克的道路洒水车路径问题优化

高效节能地完成道路洒水作业对改善城市环境、节约资源有着非常重要的意义.将道路洒水车路径问题转化为带容量约束的弧路径优化问题,并建立相应的数学模型.根据问题的NP难特性,提出了一种拉马克免疫算法进行求解.算法有效利用了免疫算法全局优化和拉马克学习局部搜索的优势;设计了适合问题求解的锦标赛选择法、顺序交叉法、自适应变异等免疫算子,并设计了拉马克局部搜索策略,避免算法陷入局部最优.实验结果表明,所提算法能得到代价最小的洒水路径.     

基于量子遗传算法的无线传感网络路由优化

考虑到无线传感网络(WSN)传感器节点的能量有限性,分析了WSN的网络模型和能量模型,提出一种基于改进量子遗传算法的路由优化算法.利用复杂连续函数测试,验证了算法的性能和可行性.经仿真分析,证明该算法应用于WSN路由优化问题时,能更快速和更稳定地求解最小能量代价的数据传输路径,从而减少WSN传感器节点的能量消耗,延长整个WSN网络的使用寿命.     

一个有效的时延约束最小代价多播路由算法

基于时延约束多播路由问题考虑链路代价,提出一种新的时延约束最小代价路径(DCM-CA)算法,作为搜寻节点间最短路径的算法;在此基础上又改进了基于代价-时延比率(CDR)函数的有效中心节点选择算法;基于CBT树,应用上述2种算法提出一种基于中心选择的时延约束最小代价多播路由(CS-DCMCMR)算法,该算法在搜寻路径和中心节点选择的问题上同时考虑路径的时延和代价。仿真证明CS-DCMCMR算法的时间复杂度为O(mlogn),与CSDVC算法和CCLDA算法相比,该算法在没有增加复杂度和满足时延及时延抖动约束的条件下,较大程度地减小了最终多播树的总代价。     

域间路由策略冲突的收敛性分析

边界网关协议(BGP)是一种基于策略的、事件驱动的路径向量协议。以前一般采用静态模型研究BGP收敛问题,不符合BGP事件驱动的特点。针对这个问题,该文基于BGP的简化版本的简单路径向量协议(SPVP),提出稳定路径问题(SPP)的随机高级Petri网模型。模型中使用延时变迁的参数描述BGP消息传播和处理延时的随机性,更加准确地揭示了策略冲突导致路由不收敛的实质。基于该模型提出了冲突定位算法,并证明其正确性。该算法还可以作为SPP的求解算法。     

基于并行量子遗传算法的QoS组播路由方法

通信网络时延受限且满足带宽要求的最小代价组播树问题是NP完全问题,传统方法难以求解,一般采用启发式方法求解.提出了一种基于并行量子遗传算法的服务质量(QoS)组播路由算法,算法中将各个子群体独立地并行进化,并通过相邻子群体间的信息交换实现克服早熟,避免局部收敛的目的,还提出了一种新的动态旋转角调整策略,使算法具有更好的种群多样性和全局寻优能力.仿真实验表明,新算法在求解性能上优于遗传算法(GA)和采用静态旋转角的量子遗传算法(QGA).     

时延脉冲耦合神经网络在最大流问题中的应用

 在时延脉冲耦合神经网络(DPCNN-Delay Pulse Coupled Neural Network)的基础上,提出了mDC-DPCNN(modified Dual Channels DPCNN)模型,并将其成功地用于最大流网络的求解.该方法通过快速并行计算,经过反复迭代有限步后可以得到所求解的网络,与传统的算法相比体现了较好的优势.     

基于DPCNN的无向赋权图的最小生成树的求解

 利用脉冲耦合神经网络(PCNN,Pulse Coupled Neural Network)的脉冲波并行传播特性,在其时延脉冲耦合神经网络(DPCNN,Delay PCNN)的基础上提出了一种求解无向赋权图最小生成树的新算法.算法针对最小生成树的权值总和最小且连通的性质,结合时延脉冲耦合神经网络脉冲波的并行传播,通过求解无向赋权图的最短路径并对其连通性进行判断,采用迭代的方法,成功地求解了无向赋权图的最小生成树.最后给出了仿真实验,证明了该方法的有效性,与传统算法比较有一定的优势.     

神经网络训练的分解重组算法

本文介绍了把线性不可分问题分解为一系列线性可分子问题、对线性不可分问题进行求解的网络分解重组算法．还证明了该算法的收敛性．实例研究表明：该算法不仅可以得到神经网络的隐层空间目标和隐层单元数，而且提高了对线性不可分问题的求解速度，因此是一个非常有效的神经网络训练算法．     

文本处理中基于随机映射的加速LSI方法

首先针对在文本处理的高维矢量环境中Kohonen自组织映射神经网络的计算瓶颈问题和输入矢量空间中存在的问题进行分析，然后对随机映射(RM)和隐含语义索引(LSI)方法分别进行理论分析，提出用于文本处理的基于随机映射的加速LSI方法．试验结果表明，加速LSI方法可以在凸现原有语义联系的基础上，低代价、有效、可控地解决上述问题，极大地降低文本处理环境中Kohonen自组织神经网络的规模和计算代价．     

基于时延Petri网的并行程序的分析

在分析并行程序时,很多问题需要考虑,如通信、同步、数据划分和分配、负载平衡、容错、异构、死锁及竞争等问题,采用一般方法是很困难的.时延Petri网能够很好地描述这些问题,使并行程序的分析变得简单,且有利于并行程序的分割.给出了并行程序的时延Petri网建模方法,并对一个实例进行了分析,得出了并行程序的Petri网模型,对并行程序的分析及验证打下了基础.     

势流问题边界积分方程的几种解法对比

为了求解势流问题边界积分方程,以简单格林函数为基函数建立了势流问题边界积分方程,并对求解积分方程的几种数值方法一直接法,迭代法和多极子方法进行了理论分析和介绍,通过无限静水面下一偶极子作用问题的数值计算,对上述几种方法的运算速度和内存消耗进行了分析对比,结果表明快速多极子方法比另外两种计算方法在计算量和计算机存储量方面更加优越,可以分别降低到近似O（N）数量级,建议将快速多极子方法应用于大型计算问题中。     

利用吴方法求解3自由度并联机器人位置正解

首次利用吴方法求解一种典型的3自由度并联机器人的位置正解,将利用传统方法所得到的32次方程降为一个16次方程,提高了计算效率.在计算过程中,避免了增根的产生.得出对于这一类问题的普遍数学方法,为利用吴方法计算并联结构的正解提供了范例.     

分布式并行编程模型MapReduce及其应用研究

在传统的并行编程模型中,对大量数据如何进行并行计算、如何为每个任务分发数据、如何处理单点故障等问题,都需要大量的程序分析和设计,这些问题的有效处理都需要程序员显式地使用有关技术来解决.对于程序员来说,这是一项具有极大困难的工作,使得原本简单的运算反而变得非常复杂,这些问题的存在也在一定程度上制约了并行程序的普及.而MapReduce计算模型能有效地解决上述问题,阐述了Google的MapReduce计算模型的实现机制,并通过实例描述了该模型的执行过程.     

三维快速多极边界元高性能并行计算

该文实现了快速多极边界元法的一种高性能并行计算。其并行求解器基于自适应新版本快速多极边界元算法,采用三维二次等参元和等精度积分格式,并通过实测的任务量进行分布式并行环境下的合理负载划分。数值算例表明,该求解器在保持高次边界元高精度优点的基础上,对于几何形状不规则的结构仍能保持较好的并行效率,和传统边界元法相比使解题规模有了数量级的提高。这种并行计算为边界元法在大规模复杂工程问题中的应用提供了有效方案。