基于注意力机制的GRU神经网络安全态势预测方法

传统的网络安全态势预测方法依赖于历史态势值的准确性,并且各种网络安全因素之间存在相关性和重要程度差异性。针对以上问题,提出一种基于注意力机制的循环门控单元(recurrent gate unit, GRU)编码预测方法,该方法利用GRU神经网络挖掘网络安全态势数据之间的时间相关性;引入注意力机制计算安全指标的分配权重并将其编码为网络安全态势值;利用改进的粒子群优化(particle swarm optimization, PSO)算法进行超参数寻优,以加速GRU神经网络的训练。仿真分析表明,所提方法具有更快的收敛速度和较低的复杂度,并且在不同的预测时长下具有较小的均方误差和平均绝对误差。     

基于多尺度投入-产出表的中国对外贸易产业结构调整多目标优化

出口贸易引发的资源流失风险是当今研究的热点. 本文动态地分析了出口贸易引起的资源流出变动及其影响因素, 并对2018-2022年中国地区出口贸易进行优化调整. 首先, 本文利用行业间投入-产出表和资源消耗数据计算中国各行业的直接和完全资源消耗系数; 其次, 利用结构分解模型挖掘出口导向的隐含资源流出量变动的主要原因; 随即, 将45个行业进行聚类分析, 探讨未来各行业的节约资源潜力和调整路径; 最后基于情景分析和多目标优化理论, 从出口贸易结构, 贸易额和技术发展视角对中国未来出口贸易进行模拟分析. 实证分析结果表明: (1) 直接消耗强度, 技术进步, 出口总量和出口结构等4个影响因素中, 出口额对资源流失风险的贡献率最大. 直接能源消耗强度有助于降低因出口导致的能源流出, 而完全消耗水资源强度的降低大大减少了资源流失风险, 符合现实； (2) 以2017 年为基准年, 利用多目标优化模型求解2018-2022年出口结构和出口量, 结果表明优化结果有利于降低资源流出量. 通过调整未来各行业资源消耗强度, 优化结果发现技术提升带来的资源节约优势逐渐增强, 本文认为, 为技术改善的资金(人员)投入的边际产出呈现逐渐增强效应.     

高校网站推广与 SEO 技术的融合

随着互联网技术的高速发展，信息量的飞速增长，搜索引擎得到越来越广泛的应用。使用搜索引擎寻找信息已经成为人们获取信息最主要、最快捷的途径，常用的搜索引擎营销方式包括关键字广告、竞价排名及搜索引擎优化（SEO）。针对SEO 技术在网络营销中的作用日渐显现的事实，给出高校网站使用SEO技术有效实现网站推广的策略与网站优化的方式。     

基于高效差分敏度分析的谐响应形状优化

基于谐响应组合近似重分析方法,提出了近似-差分敏度求解策略.数值算例表明,在结构小扰动下,近似-差分结果具有足够的精度反映敏度信息,并克服了差分敏度求解计算量大的缺点.以结构体积最小为目标,自由度振幅为约束,建立了谐响应下的连续体形状优化模型,实现了结构形状优化设计;通过数值算例对不同结构参数和激励下的优化结果进行了对比分析,结果验证了方法和模型的可行性和有效性.     

基于在线归档技术的多目标粒子群算法

提出一种基于在线归档技术的新型多目标粒子群优化算法. 使用外部集归档,在归档粒子中采用适应值共享技术选出全局最优位置,使得种群多样性得以维持;在粒子群的进化过程中,使用在线归档策略,将归档的粒子合理地引入下一代的种群,淘汰原种群中的不良粒子,从而保证进化过程中种群的优良性. 用Zitzler的两个多目标测试函数评价算法的性能. 结果表明,该算法能快速收敛到Pareto非劣最优目标域,并且解集沿着Pareto非劣最优目标域有很好的扩展性.     

基于执行器能量消耗的并联机器人优化

并联机器人在执行任务过程中的能量消耗特别严重,为此本文以其3个主动执行器的电能消耗最小化为目标对3-RRR平面并联机器人进行尺度优化。在3-RRR机构运动学分析的基础上推导出机构的逆运动学方程,分析了3-RRR机构常见的4种工作模式。采用粒子群算法确定3-RRR机构的连杆和平台质量的最优值。根据优化结果进行仿真和对比分析,结果表明,在4种工作模式下,优化后执行器的力矩值均较小,消耗的电能得以降低,其中工作模式2的性能最佳,在执行相同的轨迹跟踪任务时,其执行器跟踪误差收敛较快,消耗的能量最少。     

受石油污染的滨海盐渍土强度特性研究

以受石油污染的滨海盐渍土为研究对象,借助稠度、无侧限抗压强度及抗剪强度指标,量化石油污染对滨海盐渍土的影响程度。结果表明：随着石油污染水平的加剧,石油污染盐渍土的液限和塑限缓慢下降,塑性指数缓慢增大,但整体影响均较小;无侧限条件下,污染土的抗压强度随石油污染水平加剧而不断下降,污染土的破坏面呈自下向上发展的（45°＋φ／2）态势。含油量越多,破坏面越大,在25％污染水平下,无侧限抗压强度较未污染的下降了70％,破坏面贯通整个试样;围压条件下,污染土的黏聚力和内摩擦角随污染水平加剧呈波动式反向变化,破坏形态体现为塑性,呈中部“鼓胀”应变硬化型。     

一种基于 Pareto 云隶属度的 MOPSO 算法

为定量解决非支配解排序问题,并兼顾多目标粒子群优化算法（multi-objective particle swarm optimization,MOPSO）的收敛性和多样性,提出了一种基于 Pareto 云隶属度的 MOPSO 算法。利用 Logistic 混沌映射优化种群的初始空间分布并融合布谷鸟搜索（cuckoo search,CS）指导粒子跳出局部陷阱,以增强算法的全局寻优能力。首次提出云向量评价 Pareto 最优解集方法,采用云隶属度评价准则对粒子适应度值进行量化评价。依据云隶属度选取个体最优和群体最优,平衡全局开发与开采,进而实现外部档案维护。测试函数集 ZDT 的实验结果表明,改进算法在收敛性和多样性方面较 MOPSO 和 NSGA-Ⅱ有一定优势。     

高炉铸铁冷却壁结构优化

采用正交试验和数值模拟方法对高炉炉身下部冷却壁主要结构参数进行优化,对优化前后的冷却壁温度场进行计算。结果表明,冷却壁热面最高温度的影响因素中影响程度从大到小依次为:水管直径、水管间距、水管中心线距冷却壁热面距离、壁体厚度,其中水管直径、水管间距和水管中心线距冷却壁热面距离为显著因素;最优冷却壁结构参数组合为:水管直径60mm、水管间距180mm、水管中心线距冷却壁热面距离120mm、壁体厚度220mm,优化后的冷却壁较优化前的冷却壁冷却性能有较大幅度的改善。     

GM(1,1)模型初始条件和初始点的优化

在对GM(1,1)模型的初始条件进行优化时,由于优化的目标函数为误差平方和最小,而模型的检验标准为平均相对误差最小,两个准则的不一致性导致优化效果不理想.本文以相对误差平方和最小为目标优化GM(1,1)模型,分别对初始条件和初始点进行优化,给出优化的计算公式,并证明在原始序列相对误差平方和最小的准则下,初始条件优化和初始点优化是统一的.实例表明运用优化公式与数值最优解计算得到的模型平均相对误差非常接近,且运用优化公式比数值解求解更方便.