调度问题Pm|pj=1,intree|∑Cj的两个启发式算法

介绍了调度问题中常用的level算法并分析其特点.在应用level算法求解调度问题Pm|pj=1,intree|∑Cj所得到的调度结果的基础上,构造出求解该问题的时间复杂度为O(nlogn)的标号level算法.给出了可得到更好的调度结果的时间复杂度为O(n2logn)的兄弟因子搜索算法.大量的实例分析表明,兄弟因子搜索算法在绝大部分情况下都可以得到很好的调度结果.     

B-树／B＋树的批量插入算法

本文对传统的B-树／B 树插入算法进行改进,提出了B-树／B 树的批量插入的算法,在理论上估计了该算法的复杂度。并进行了比较实验．实验结果表明：本算法在对大批量的关键字建立索引时。大大提高了B-树／B 树的插入效率。而且同时还适用于更新索引。     

求二元关系传递闭包的新方法

二元关系的闭包运算在网络、语法分析以及开关电路中的故障检测和诊断等领域有着重要的作用 .通过求二元关系各幂的并获得关系闭包方法后来被认为是十分困难的和甚为繁琐的 .在三十多年前 ,War Shall给出了一种算法 ,使问题得以简便解决 .但是该算法存在着大量不必要的重复计算 .本文就此做了改进 .改进的算法比 War Shall的算法在时间复杂度从 O( n3)上能够降低到 O( n2 )     

状态变量分析法研究

着重讨论了采用一套状态变量分析法来求解电系统问题的必要性,以及如何选择独立的状态变量的数目。对于一个比较简单的电网络的分析,一般最常用的方法是选取独立的电容电压Vc(t)和独立的电感电流iL(t)作为状态变量。对于复杂的电网络,由于网络中各个电路元件物理量的相关性,在这种情况下,就不一定选取所有的储能元件中的物理量作状态变量,而只需选取其中的一部分即可。     

以CS—ACELP算法为核心的数字语音记录设备

在介绍ITU G.729 CS-ACELP语音压缩编码的基础上提出了由DSP芯片实现基于该算法的数字语音记录设备的方案,且通过算法优化和改进,使一片C54 DSP芯片能编码2路输入数字语音信号,仿真实验结果表明,算法优化和改进后的复杂度仅是此前的1/8,系统的压缩能力在相同的语音质量下是现有基于ADPCM语音记录设备的4倍。     

低复杂度SM4加密算法IP核设计

针对数据吞吐量要求不高,但面积和成本要求严格的应用场合,设计了一款低复杂度的SM4加密算法IP核。所设计的IP核支持ECB与每组数据的加密密钥都实时更新的两种工作模式。在Altera的Cyclone FPGA以及SMIC 0.18μmCMOS工艺下进行了综合,所占用资源分别为1 704个逻辑单元和0.113 mm2。     

DHL序列在奇特征域上的迹表示和线性复杂度

将DHL(Ding-Helleseth-Lam)序列看成是特征为奇素数的有限域■_q上的序列,利用经典四阶分圆的性质和迹函数基本理论,确定了DHL序列的Mattson-Solomon多项式,得到该序列在奇特征域上的迹函数表达式。在此基础上给出了计算该序列在■_q上线性复杂度的一般公式。     

区调扇区和进近扇区复杂度对比研究

随着空中交通流量的增加,空中交通管制面临着严峻挑战,表现在进近与区调扇区间管制协调的矛盾日益突出。对比国内某管制区进近扇区和区调扇区的管制复杂度能更好地协调进近扇区和区调扇区的空中交通管制工作负荷,均衡进近扇区和区调扇区的管制复杂度,达到提高扇区容量的目的。为科学合理地对比扇区管制复杂度,构建了扇区静态复杂度对比的指标及其量化方法,并设计了静态复杂度对比实验来对比进近扇区与区调扇区的静态复杂度。另采用"管制扇区空域复杂性分析系统"软件,以厦门高崎国际机场为例,根据真实雷达管制数据,通过实验,分析对比了进近扇区与区调扇区的动态复杂度。通过分析实验结果,发现进近扇区管制比区调扇区管制复杂度更大更难。为达到均衡工作负荷、提高空中交通流量、减轻管制员负荷的目的,对现有的进近扇区和区调扇区的管制方法和空域结构提出了一些合理化建议。     

采用瞬时转移结构的凸组合最小均方算法

为了避免单个滤波器在收敛速率与稳态误差上的相互制约,从而导致系统性能下降的问题,文章采用凸组合最小均方算法,将快速滤波器与慢速滤波器并联使用来解决。为进一步改善性能,提出了一种采用瞬时转移结构的低复杂度凸组合最小均方算法。在该算法中,分别使用修正反正切函数和sign函数对参数λ(n)和a n()的更新迭代公式做了简化和改进,同时为加快算法的收敛速率引入一个长度为N0的窗实现瞬时权值转移。仿真结果表明:文中改进算法在噪声、相关信号输入以及非平稳环境下能够保持较好的均方性能和跟踪性能,并且具备更快的收敛速率。     

基于Nash-Stackelberg分层博弈模型的路网交通控制强化学习算法

为了解决多交叉口博弈引发的Nash均衡计算复杂度问题，考虑路网中不同交叉口的重要程度和博弈关系，兼顾路网中子区之间及子区内部的交通控制策略，以2个子区内的重要交叉口作为上层博弈主体，次要交叉口作为下层博弈主体，构建了一种Nash-Stackelberg分层博弈(NSHG)模型.然后，提出2种多Agent强化学习算法，即基于NSHG的Q学习(NSHG-QL)算法和基于NSHG的深度Q网络(NSHG-DQN)算法.在实验中，使用NSHG-QL和NSHG-DQN算法在SUMO仿真软件搭建的路网环境中对信号灯进行控制，并与基础博弈模型求解算法进行比较.实验结果表明：NSHG-QL算法和NSHG-DQN算法减少了交叉口内车辆的平均旅行时间和平均时间损失，提高了平均速度；NSHG模型在满足重要交叉口间上层博弈的基础上协调次要交叉口，做出最优策略选择，而且基于分层博弈模型的多Agent强化学习算法能明显提高学习性能和收敛性.