交通控制子区划分方法研究

交通控制子区划分主要将相邻的众多交叉口划分为若干个交通子区进行干线协调控制,可有效缓解交通拥堵现象,但现有方法划分出的交通子区无法满足实际协调控制的准确性与鲁棒性。为解决这一难题,结合当前流行的划分技术,考虑4个影响因素:信号交叉口间距、交通流量、周期、通行能力,建立模糊C均值聚类划分方法,再通过实例,借助Vissim仿真软件,验证方法的适用性与可行性。Vissim仿真结果表明:与传统协调控制方法相比,方法可使系统车均延误时间减少27%,协调相位行车时间减少20%。     

基于混沌-量子粒子群的分簇路由算法

针对粒子群分簇路由优化算法存在的收敛速度慢、 易陷入局部最优等问题, 提出一种混沌-量子粒子群 的双子粒子群分簇路由算法。 该算法以簇头的能量、 簇头与汇聚节点的距离以及与簇内成员节点的距离构造 最优簇头的代价函数, 主粒子群利用混沌粒子群寻优, 辅粒子群利用量子粒子群寻优, 加入量子波动理论, 使 算法具有较好的全局收敛性。 双子粒子群采用收敛速度快的凹函数递减策略优化权重。 仿真结果验证了该算 法可使无线传感网络节点能量消耗均衡化, 显著延长网络生命周期, 与 LEACH(Low-Energy Adaptive Clustering Hierarchy)协议、 PSO-C(Cluster setup using Particle Swarm Optimization algorithm)协议相比生命周期分别延长了 80. 1%和 41. 4%。     

CCN中一种非混合式蚁群路由优化策略

蚁群优化(ant colony optimization,ACO)近年来在信息中心网络(content centric networking,CCN)路由领域的应用逐渐增多,其中,将ACO与其他机制相混合以改善路由性能的策略得到较多研究,但基于蚁群优化的混合式算法通常存在可扩展性低下,动态性差,网络成本高等问题。为此提出一种高效的非混合式蚁群路由算法(irritant ant framework,IAF)。添加一个新维度—一种动态的、仿生物的信息素分层,将传统单级别信息素上升为多级别信息素,增强蚁群对于路径的探索程度,抑制算法过早收敛;并且考虑了节点状态的动态性,实时改变信息素等级以选择最佳转发路径;此外,首次考虑了节点缓存特性对信息素更新策略的影响,构造出全新的信息素更新公式,,减小算法的收敛时间。实验结果表明,该算法能够有效地降低内容请求时延,提升缓存命中率,以较低的开销获得良好的CCN路由性能。     

卫星网络中基于蚁群优化的概率路由算法

为了提高空间信息传输的有效性和可靠性,针对传统蚁群优化(ant colony optimization,ACO)容易造成最优路径负载过重而发生拥塞的问题,提出了一种基于蚁群优化的概率路由算法(ant colony optimization based proba-bilistic routing algorithm,ACO-PRA).根据卫星网络拓扑动态周期时变的固有特点,将拓扑周期均匀分为若干个时间片,形成基于不同时间片的卫星网络拓扑连通图;根据网络拓扑连通图,将星间链路带宽和链路容量引入到目标函数中,建立时延最小的优化模型;根据蚁群算法的节点概率函数选择下一跳节点,进而找到一条能同时满足时延带宽和链路容量要求的最佳信号传输路径.仿真结果表明,提出的基于蚁群优化的概率路由算法不仅能够降低平均端到端时延和丢包率,而且能够有效地提高网络吞吐量、平衡网络负载.     

考虑碳排放和预约机制的送箱集卡多码头调度问题

考虑送箱集卡多码头调度的低碳、高效化要求,及为解决集卡不规律到达导致码头拥挤问题而提出的集卡预约集港机制,以单一外堆场调用送箱集卡数量最小及多集装箱码头调度方案碳排放总量最小为目标,构建了单堆场多码头送箱集卡调度模型.设计了改进的蚁群算法对该模型进行求解,得到按时间段划分的港外堆场多码头集卡低碳送箱方案,通过算例验证了所构建模型和算法的有效性.结果表明,考虑碳排放和预约机制的送箱集卡多码头调度方案所需集卡数量少,工作时间短,兼顾了集装箱码头集卡送箱作业低碳和高效的要求.     

贝叶斯预测蜂群算法在无线传感器网络优化中的应用

针对无线传感器网络(WSN,wireless sensor network)节点分布不合理,存在较多的监测盲区等不足,提出了利用贝叶斯预测人工蜂群算法(BPABC,Bayesian predictive artificial bee colony algorithm)制定节点分布方案。BPABC算法借鉴贝叶斯预测算法的思想对蜂群算法中各蜜源存在最优解的概率进行预测,并以此为依据指导跟随蜂寻优工作。采用BPABC算法对WSN中的节点分布进行优化,与人工蜂群算法、全局人工蜂群算法制定的优化方案进行比较。结果表明,BPABC在平均覆盖率、最差覆盖率等方面均优于其他两种算法,并且BPABC算法在迭代收敛速度方面也有明显的优势。为了进一步验证改进算法的实用性,采用BPABC制定不同监测区域的WSN节点分布方案。WSN的覆盖率均在97%左右,并且标准差不超过0.005%。由此可见,基于BPABC的WSN节点分布优化方案具有较高的覆盖率、良好的适应性和稳定性。     

基于灰色聚类的本科生生源质量评价研究

选取合肥工业大学2018年新生录取数据,确立生源结构、录取成绩以及录取志愿3部分为生源质量评价体系的关键指标.提出了基于灰色聚类的本科生生源质量评价模型,设计并实现了基于白化权函数和不同聚类指标权重的灰色聚类的计算算法,总结归纳了影响高校生源质量的相关因素.研究表明:高校生源质量及招生模式改革面对高考招生制度改革和"双一流"建设目标带来的新挑战和新机遇,合肥工业大学加强学校内涵建设和特色发展,创建一流本科教育,提高人才培养质量是关键.     

云南高原湖泊群的统计学聚类识别 及水质响应模式研究

为探究湖泊群水质变量的响应模式,构建适用于监测数据匮乏的湖泊群聚类和响应模式识别方法体系(PCA-BN),包括4个步骤:数据预处理、PCA降维与湖泊聚类、贝叶斯网络构建及参数学习、湖泊响应关系模拟。以云南高原湖泊群为例开展研究,结果表明:所研究的26个湖泊可分为两类;由于第一类湖泊受到的人为干扰更严重,因而叶绿素a对总氮和总磷的响应比第二类湖泊更敏感;第一类湖泊表层水温高,溶解氧趋近饱和,随叶绿素a变化不显著,第二类湖泊溶解氧随叶绿素a升高而显著升高;两类湖泊的透明度与叶绿素a的关系一致。     

设计模式指导的软件分簇方法

程序理解是一个从计算机程序中获取知识信息的过程,其主要目的是获取软件的各种有关知识以理解开发者的意图,从而支持针对现有或遗产软件系统进行软件评审、错误定位、反向工程、再工程、迁移、维护和复用等软件工程实践.本文提出一种设计模式指导的分簇方法,该方法采用程序中蕴涵的设计模式信息指导开源软件的分簇,运用"分而治之"的策略辅助程序开发者和维护人员快速、方便地理解代码.首先,采用设计模式检测技术从程序代码中抽取设计模式信息;然后,基于设计模式中角色间的相互关系,利用检测出的设计模式信息指导分簇;最后,对分簇结果可视化,以辅助程序理解.基于以上研究工作,开发了原型工具TasteJ并进行了实例研究,设计并实现了以人工为基准的实验来检验本文提出的软件分簇方法,并通过7个软件分簇度量函数,从统计的角度将其与现有主流软件分簇方法进行分析和比较,实验结果显示出本文所提方法的优势.     

网络结构特征与链路预测算法关系研究

以美国航空网络、科学家合作网络和线虫新陈代谢网络等5种实际网络为例进行了综合实验,用结果数据定量化描述了同配系数、集聚系数和网络效率等网络结构特征参数,与基于局部信息和全局信息的两类链路预测方法结果之间的关系。通过对结果的分析,得到了网络同配系数为正且聚集系数大于阈值(约0.1)时适用基于局部信息的预测方法,否则适用基于全局信息的预测方法;以及集聚系数、网络效率与局部信息预测方法的结果成正比,与全局信息预测方法成反比等结论。这些结论为通过网络特征参数进行链路预测方法的选择提供了定量化的参考依据。