基于混沌机制和改进粒子群算法的Web服务组合优化

随着互联网和大数据的迅速发展,如何从大量Web服务中选择合适服务及组合以满足用户需求已成为新的热点。本文提出一种改进的混沌粒子群优化(ICPSO)算法,应用到Web服务组合优化问题。针对传统PSO算法易陷入早熟收敛和局部最优的缺点,该算法引入了混沌扰动机制使粒子易跳出局部极值,增强了种群多样性,从而提高算法寻优能力。最后通过仿真实验验证了ICPSO算法的可行性和有效性。     

基于IRLS的跳频模式下GTD散射参数提取和RCS重构

现代谱估计方法能够反演基于几何绕射理论(geometric theory of diffraction, GTD)的模型参数，但不能处理非均匀不完备的雷达散射截面(radar cross section, RCS)数据。此外，通过暗室测量获取完备的RCS数据也需要较大的时空开销。针对上述问题，提出一种基于迭代加权最小二乘(iteratively reweighed least squares, IRLS)的跳频模式下GTD散射参数提取和RCS重构方法。该方法将稀疏重构理论与GTD散射模型相结合，能够在RCS数据非均匀不完备的条件下反演散射参数和实现RCS重构。仿真数据和电磁计算数据用于验证所提方法的有效性，实验结果表明该方法对降低暗室步进频率RCS的测量成本和扩增雷达RCS数据具有重要意义。     

图像去运动模糊仿真研究

【目的】在多媒体时代，人们对拍照的要求越来越高。图像去模糊一直是一个具有挑战性的问题，有着很高的研究价值。【方法】阐述模糊图像中的运动模糊，使用约束最小二乘法和Richardson-Lucy算法来去除运动模糊，采用峰值信噪比和平均结构相似度两类指标对去模糊图像质量进行分析。【结果】仿真结果表明：采用约束最小二乘法去除运动模糊的数据评价值均大于Richardson-Lucy算法，约束最小二乘法在复原运动模糊方面表现得更加稳定。但在模糊长度和模糊角度增大后，各类算法的性能均会受到不同程度的影响。【结论】去模糊算法有待继续研究，以提高去模糊后的图像质量。     

基于自适应遗传算法的超平面分类及遥感应用

智能分类算法是遥感影像分类研究的热点,遗传算法作为一种智能全局优化技术在遥感影像分类中具有良好应用前景.针对现有多光谱遥感影像分类方法的不足,提出了基于自适应遗传算法的超平面分类方法(hyper plane-adaptive genetic algorithm,HP-AGA)并应用于遥感影像分类,该方法利用神经网络中的神经元激活函数Sigmoid函数,对遗传算法中交叉率、变异率进行非线性自适应性调整,不再需要反复训练遗传参数,同时利用快速全局寻优特点,确定分类超平面的各个位置参数,从而获取最佳分类超平面集进行分类.多光谱遥感影像分类方法的应用实验表明,基于自适应遗传算法的超平面遥感分类方法能更快、更稳定地收敛到全局最优解,具有更好的效率及鲁棒性,并能取得优于简单遗传超平面分类算法及传统分类方法的分类精度.     

圆周率在中国的发展

关于圆周率的计算是数学界一个经久不衰的话题.中国数学史上,圆周率最早记载于古书《周髀算经》中,这是中国古代劳动人民从实践中测量获取的,西汉刘歆第一个采用几何计算方法改正古率,推出π=3.154 664 5≈3.154 7,东汉张衡第一个从理论上修正圆周率;魏晋刘徽在张衡的基础上加以修正并将圆周率计算到π=3 927/1 250;南朝祖冲之借鉴张衡的计算方法,计算出圆内接正6 144边长和12 288边长的面积,将圆周率精确到小数点后7位.计算机的出现,对圆周率的推算更是起到推进作用,同时,也为社会和日常生活作出了巨大的贡献.     

排序算法演示平台的设计与实现

本文提供了一个面向对象的算法演示平台,该平台充分利用OO技术实现,具有良好的可扩展性。在开发平台的过程中,使用了TDD模式、重构技术,应用了大量的设计模式的思想,为实现面向对象开发做出了有意义的探索。     

云环境下基于EDF和LWF的回填算法

由于云资源有限,如何保证时限和提高资源利用率一直是提高成本效益的关键问题.提出一种基于最早截止时限优先算法(EDF)和最大权重优先算法(LWF)的回填算法.该算法通过使用LWF算法支持等待队列中所有的任务按照时限评分排序,在回填任务时,考虑任务的权重,以提高资源利用率;当检测到回填的任务错过了截止时限,则采用EDF算法,以满足时限保证.仿真结果表明,相比平衡螺旋法回填算法和EASS回填算法,提出的算法具有更短的服务延迟时限和更高的资源利用率.     

模糊耦合神经网络的系统供热预测研究

热流量的准确预测,对于日益庞大的城镇供热系统能效提升起着至关重要的作用。首先对影响热流量的各因素应用数理统计的方法进行分析,然后采用模糊耦合神经网络算法对供热系统建立热流量预测模型,并通过某热源的历史运行数据进行分析,与小波神经网络算法比较,证实了该耦合算法的高准确性。这种将模糊理论与神经网络相结合的预测方法兼顾了二者的优点,使其既具有模糊逻辑的不确定信息处理能力,又可以有神经网络的自学习能力。该研究符合城镇供热系统非线性的特性,可以应用于智能热网的热流量预测。     

基于RFID的交通信号灯智能控制系统的研究

为了有效地缓解交通拥堵,提高城市道路的通行能力,提出了基于RFID的交通信号灯智能控制系统的研究.该系统可以利用RFID技术实现安装RFID标签的道路车辆与安装在道路交叉路口,信号灯上游的RFID阅读器之间的通信及车辆流量的实时监控;同时,系统还可以利用信号灯智能控制算法实现不同时段、不同交通流量下信号灯的智能自动转换,从而缓解交通堵塞、减少交通事故、改善交通环境.实验结果表明,该系统的运用能够有效地提高整个路网的运行效率,减少车辆等待时间.     

基于能力约束的多车种空车动态调整方法

引入空车时空服务网络来描述铁路运输动态变化特性,同时考虑到实际运输生产中的能力约束,并据此建立了基于能力约束的动态规划模型.模型的目标函数考虑了与时间因素相关的空车滞留费用和需求未满足时的惩罚费用等相关费用,同时考虑了多个车种之间的替代费用.模型的能力约束条件考虑了网络弧段的通过能力、空车提供站的发送空车能力和空车需求站的接收空车能力.考虑网络径路绕行的情况,设计了融合K短路算法的模拟退火算法,并采用了两步法的优化策略进行求解.最后对一个简单的路网进行了验证,结果表明融合K短路算法可以在能力约束条件下得到较好的收益.