普适计算应用的结构模型

普适计算随着分布式计算和移动计算的发展而出现．分析了普适计算的特征和需求,提出了一个针对普适计算系统应用的包含上下文感知和服务发现机制的框架设计模型,并进行了深入讨论．     

池化分布式计算网络系统的设计与实现

通过连接众多计算资源,搭建分布式计算环境来进行分布式计算已成为一种重要趋势。本文明确了搭建分布式网络系统和目前网络结构之间的矛盾,通过分析目前分布式计算系统结构的本质特征,提出了池化分布式并行计算网络连接结构并讨论了其中关键难点问题。     

Web服务与CORBA、DCOM三种分布式计算模型的互操作性

分布式对象系统一般存在CORBA与DCOM两种计算模型，但用这两种模型实现的分布式系统间存在互操作性问题。分析了这两种分布式计算模型，说明了影响其系统互操作性的原因，并在此基础上提出了一种新的分布式计算模型－Web服务分布式计算模型。阐述了该模型的体系架构，以及实现时需要的技术组件，经改进后的这一新计算模型，支持了跨平台及跨编程语言的互操作性，成为建立在真正支持互操作性的开放标准基础上的解决方案。     

移动Agent与分布式计算模式

移动agent作为一种全新的分布式计算模型,其优越的性能受到越来越多的重视。文章回顾了分布式计算模式的发展衍进过程,对移动agent计算模式与其他分布式计算模式作了比较,并系统阐述了移动agent模式的特征、优点。     

面向服务架构的电力分布式计算系统模型

基于进程通信的电力分布式计算模型满足了电力企业利用电力分布式计算理论对电网安全经济运行情况做出实时监测和分析计算的实际需求,但存在公有基础功能开发复杂性高、系统可扩展性不足等问题。设计并实现了一种基于面向服务架构的电力分布式计算系统模型。运用软件设计模式设计了低耦合、可扩展的系统框架,设计使用Windows通信基础(Windows Communication Foundation,WCF)技术实现面向服务的分布式数据通信,使用Windows工作流基础(Windows Workflow Foundation,WWF)技术可视化地实现电力分布式计算中的各种业务逻辑和计算流程,并结合ADO.NET数据库访问技术实现异构数据的集成。面向服务的系统模型架构提高了系统的可集成性和可扩展性,WCF和WWF技术的使用降低了分布式计算系统开发的复杂性。     

皇后问题的分布式计算

皇后问题是一个经典的算法问题,随着皇后数的增加,计算时间快速延长。对这个问题采用多台PC机进行分布式计算,得出了较好的结果。同时对分布式计算模型进行探讨,提出一些建议。     

国家“九五”攀登计划资助项目 (PD9521903).

论述了计算力学实施分布式计算的必要性,概述了两种主要的分布式结构,并与力学计算的并行性进行了比较,提出了分布式力学计算的模型,为进一步研究分布式力学计算方法奠定了基础.     

分布式并行计算的力学计算模型

论述了计算力学实施分布式计算的必要性 ,概述了两种主要的分布式结构 ,并与力学计算的并行性进行了比较 ,提出了分布式力学计算的模型 ,为进一步研究分布式力学计算方法奠定了基础     

网格任务调度中的信任值计算算法研究

通过对网格环境中实体之间的信任关系进行分析,提出了一种信任值计算模型.该模型能根据用户和资源间已有执行经验计算节点的信任值,实现了网格环境下信任值的分布式计算,有效解决了网格动态性引起的信任值计算开销问题.     

BBK信任计算模型的分析和改进

信任模型在分布式安全系统中起着非常重要的作用。基于对BBK信任计算模型的分析,在引入信誉报告系统的基础上结合本地计算和分布式计算提出了改进的BBK信任计算模型iBBK,该模型可减少恶意推荐现象和偏心现象对信任系统的危害。同时,面向PKI安全服务系统,给出了iBBK信任计算引擎在系统中的应用实例,对系统中实体之间的信任进行了有效的计算和管理。     

一种量子神经计算网络模型

量子计算以其独特的计算性能引起广泛瞩目,人们越来越多地探讨它与传统计算模式的结合．研究以通用量子逻辑门组(即相移门和受控非门)作为计算基函数,构造新的量子神经计算网络模型．仿真结果显示,就算例而言,该量子神经计算网络的性能优于传统的神经网络．     

基于空间域分解的交通网络仿真并行化方法

为了提高交通网络微观仿真的速度,节省仿真运算时间,将并行计算技术应用于微观交通仿真中,建立了交通网络并行仿真模型并在工作站集群上实现.模型中采用了基于空间域分解的并行方法,该方法可以将不同地理位置的交通子网分配到集群中的每台结点机进行仿真运算.通过在5个不同规模路网上的并行仿真实验,对提出的交通并行仿真模型进行了测试.实验结果表明,该并行仿真模型可大大减少交通网络仿真计算时间,与单机仿真相比,并行仿真平均可节省62.9%的运行时间.同时由于随着结点机数量的增加,并行仿真中的通信开销也会相应增加,因此对于特定的交通网络方案及仿真逻辑,存在最优的结点机数量使得仿真运算时间最少.     

B 样条曲面在防毒面具中的应用

本文选用双三次均匀基 B 样条曲面为数学漠型,着重讨论了 B 样条曲面在不同边界条件下顶点反算和曲面拼合问题.根据所推导的算法特点对面具口罩芯模和矿用面罩密合框进行划分,采样型值点,构造出其定量化模型,在计算机屏幕上显示其三维图形(透视图),取得较满意的效果.     

量子神经计算

量子计算与神经计算的结合是当前人工神经网络理论发展的一个前沿课题 ,由此而产生的量子神经计算新范式具有很高的理论价值和应用潜力。文章在介绍量子计算基本原理的基础上 ,讨论了将它引入神经计算领域的可能性和可行性 ,从理论上分析了量子神经计算所具有的性能 ,并给出量子神经计算模型的几种可能形式。     

基于Elman神经网络的PMV参数预测建模

传统PMV指标计算方法具有复杂度高、延时大的缺陷.根据PMV参数的时变特征,利用Elman神经网络建立PMV参数预测模型,实现对热舒适度的在线监测.模型以温度、相对湿度、风速和平均辐射温度为输入,以PMV指标为预测输出,具有良好的泛化能力.仿真结果表明该方法的预测结果与数值计算的结果相近,同时训练后神经网络的计算时间优于传统方法的计算时间.     

基于结构元理论的模糊网络分析

针对模糊网络分析中模糊数运算的复杂性以及模糊数比较大小的困难,引入基于结构元理论的模糊数运算,提出新的模糊数比较大小定义以及基于加法运算的计算模糊网络最迟时间参数和工序总时差,得到了更有意义的计算结果,为工程项目提供决策分析依据。     

基于径向基神经网络的风电场无功补偿优化算法

 针对风电场无功补偿容量计算工作量大、计算过程复杂的问题,提出了应用径向基神经网络优化风电场无功补偿容量计算的方法。首先建立了含风电场的电力系统潮流计算模型,以某风电场实际有功功率作为模型的输入,计算该风电场所需的无功补偿容量;以有功功率作为输入数据,以计算所得的无功补偿容量作为目标输出,建立径向基神经网络,并对该神经网络进行训练。用训练后的径向基神经网络代替潮流计算模型,对该风电场所需无功功率进行计算,结果表明,该方法计算复杂度比潮流计算模型低,计算量少。研究表明可用训练后的径向基神经网络模型代替潮流计算模型,实时计算风电场无功补偿容量。     

支持向量机算法优化铝碳材料工艺参数

采用可限制过拟合及有较强预报能力的支持向量机算法（SVM）对铝碳材料的工艺参数进行优化。通过实验数据处理，建立了金属硅粒度、含量和热处理温度与烧后冷态耐压强度的数学模型。留一法结果表明，支持向量机算法具有比人工神经网络和偏最小二乘法更高的预报精度。     

运河水网水量数学模型的研究和应用

本文分析了运河水网的水文和水力学特性,并针对这些特性建立了运河水网水量计算的混合模型.该模型兼含结点-河道模型和单元划分模型的优点,适用于大型复杂平原河网地区的水量计算.本文还对河网的概化和产流分配计算、用水量计算等问题提出了一系列具体处理措施,保证了水网水量计算的顺利进行.计算结果表明,本文提出的混合模型和相应的处理措施能够很好地适应象运河水网系统这样大型复杂水网的水量计算,计算结果能满足工程实际的要求.