System deployment optimization in architecture design

Optimization of architecture design has recently drawn research interest. System deployment optimization （SDO） refers to the process of optimizing systems that are being deployed to activi- ties. This paper first formulates a mathematical model to theorize and operationalize the SDO problem and then identifies optimal so- lutions to solve the SDO problem. In the solutions, the success rate of the combat task is maximized, whereas the execution time of the task and the cost of changes in the system structure are mini- mized. The presented optimized algorithm generates an optimal solution without the need to check the entire search space. A novel method is finally proposed based on the combination of heuristic method and genetic algorithm （HGA）, as well as the combination of heuristic method and particle swarm optimization （HPSO）. Experi- ment results show that the HPSO method generates solutions faster than particle swarm optimization （PSO） and genetic algo- rithm （GA） in terms of execution time and performs more efficiently than the heuristic method in terms of determining the best solution.     

协同过滤推荐算法研究: 考虑在线评论情感倾向

协同过滤推荐算法通常是基于兴趣相似的用户行为来实现个性化推荐, 其核心义用户之间的兴趣相似度. 本文在传统的协同过滤推荐算法基础上, 考虑在线评论对用似度识别的影响. 在混合商品推荐中, 粗粒度识别评论情感极性; 而在同类商品推荐中, 细粒别每个商品特征的情感极性. 如果用户对产品的某个特征评价次数大于平均次数, 表明用户对征较关注; 如果对产品的某个特征评价低于平均评价, 表明用户对该特征较挑剔. 进而根据用户评论来建立用户偏好模型, 用户在评论中反映出来的相似度越高, 表明用户之间的偏好越. 实验表明, 同传统的协同过滤算法相比, 基于在线评论情感分析的用户协同过滤算法在率和召回率指标上有显著提升.     

基于矩阵的关联规则增量更新及其改进算法

为了解决大数据环境下如何高效地挖掘关联规则并进行增量更新,在原有的fast updating pruning(FUP)算法基础上,首先提出一种基于矩阵的关联规则增量更新方法(MFUP),该方法将数据集转化成布尔矩阵,减少对数据集的扫描次数以及数据集的存储量;然后将MFUP与Hadoop分布式计算框架结合,提出一种分布式环境下的新算法Cloud MFUP(CMFUP);最后通过设计实验进行对比分析。结果表明,在挖掘相同数据量的关联规则并进行增量更新时,MFUP算法相比FUP算法执行时间更少,且随着数据集的增加,其增速更慢;对比CMFUP与MRFUP算法表明,随着分布式环境下数据集的增加,前者较后者执行时间更短增速更慢。     

基于Map/Reduce的分布式数据排序算法分析

为了解决大规模数据的存储与计算,近年来分布式系统得到了大量的应用.如何在分布式系统中对大规模数据集进行排序是影响许多应用性能的基础问题,其中不仅涉及每个节点上排序算法的选择,更重要的是设计协调各节点的分布式算法.本文总结了分布式系统中常用的分布式排序算法,对每种算法的执行流程、代价模型和适用场景进行了分析,并通过实验对分析结果进行了验证.本文的工作可以帮助开发人员选择和优化分布式环境下大规模数据排序的算法.     

自动驾驶无需高阶道德算法

引入伦理学中的道德两难思想实验后,自动驾驶应植入何种道德算法引起了不少讨论。区分一阶道德算法与高阶道德算法将发现这些讨论建立在一个有待澄清的前提上。植入道德算法的目的是令自动驾驶成为驾驶专家,因而识别交通法规等一阶道德算法是必要的,关乎安全、效率与舒适;但功利主义等高阶道德算法会反噬驾驶专家,既不必要也不可行,况且“自动驾驶两难”在哲学上的思想深度没有超出“电车两难”。     

变分不等式的惯性次梯度外梯度算法

在实Hilbert空间中提出求解单调变分不等式的惯性次梯度外梯度算法，其中变分不等式的可行集是一个光滑凸函数的水平集.新算法应用惯性加速技巧，迭代过程中对映射F赋值一次，并只需向两个半空间作投影两次.在适当的假设下，证明该算法的弱收敛性.新算法改进和推广相关文献中的相应结果.     

基于WPF数字地球的地理空间算法研究

为在数字地球上准确地测量出线条和路径的距离,对传统的基于球面模型的地理空间算法进行了改进.并在WPF数字地球上进行三维路径可视化模拟和计算,取得很好的展示效果和测量精度.重点介绍了虚拟地球模型、瓦片金字塔模型、WPF数字地球技术和地理空间算法的对比分析和改进,最后与Google Earth地理空间测量模块作对比,证明了该改进在不降低精确度的情况下,大幅度地提高了计算性能.     

ID3算法的改进及其在学生综合测评中的应用

为了解决ID3算法运算复杂及效率低的问题,引入高等数学中的泰勒公式,在ID3算法的基础上提出了ID3简化算法,使运算变得简洁,提高算法生成的效率.最后通过使用同一训练集的实例进行具体计算,分别得到其对应的决策树,并运用在学生综合测评中.     

基于量子进化算法的空区激光探测点布局设计

针对地下空区边界不规则并且可能包含多个遗留矿柱,如何布局合适的探测点以便三维激光探头能扫描空区内部全貌的工程难题,提出了在基于空区初步资料获得的水平特征截面图上预先布置待选探测点,设计探测点布局方案评价函数,采用量子进化算法进行探测点布局优化的方案.优化设计中,考虑了采空区边界的凸凹不规则性及内部包含多个边界不规则遗留矿柱,以及激光探测范围等因素,建立了通用优化模型,寻求探测点最少的技术及经济上的最优布局方案.实例运算及统计分析结果表明,和遗传算法相比,本文提出的量子进化算法优化模型可快速得出优化的探测点布局方案,保证三维激光探测法成功实施,为复杂空区三维激光探测提供科学决策依据.