考虑全局资源闲置成本的分布式RCMPSPTT

在考虑资源转移时间的分布式多项目调度问题中,增加考虑资源闲置成本,对于多项目共享资源的协调决策具有重要影响.基于多Agent系统建立以单项目完工时间为优化目标的局部调度模型,并采用遗传算法求解初始局部调度计划;同时考虑项目延期成本、全局资源转移成本和闲置成本,以多项目总成本为优化目标建立全局协调决策模型,设计基于贪婪转移策略的序贯博弈谈判机制协调全局资源的分配和转移,并根据协调结果调整单项目局部进度计划;以MPSPLIB问题集开展实验研究.研究结果表明:协调时考虑全局资源闲置成本能更好的协调全局资源的分配和转移;与无博弈随机分配和转移的协调机制相比,基于贪婪转移策略的序贯博弈谈判机制可以有效地降低多项目总成本.     

g支配策略的MOEA/D算法求解多目标流水车间调度问题

采用基于二范数的方法生成权重向量并引入g支配策略对MOEA/D算法进行改进，提出g支配策略的MOEA/D算法（g-MOEA/D）. 将g支配思想与MOEA/D算法有效结合，生成适应决策者DM偏好的有效解的集合，来代替整个Pareto解集或单个有效解，加速种群的收敛性，提高种群的均匀性. 通过仿真实验对比分析g-MOEA/D算法与MOEA/D算法的性能，结果表明，g支配策略的MOEA/D算法所得解集整体性能更优.     

MADDPG算法并行优先经验回放机制

多智能体深度确定性策略梯度(multi-agent deep deterministic policy gradient, MADDPG)算法是深度强化学习方法在多智能体系统(multi-agent system, MAS)领域的重要运用,为提升算法性能,提出基于并行优先经验回放机制的MADDPG算法。分析算法框架及训练方法,针对算法集中式训练、分布式执行的特点,采用并行方法完成经验回放池数据采样,并在采样过程中引入优先回放机制,实现经验数据并行流动、数据处理模型并行工作、经验数据优先回放。分别在OpenAI多智能体对抗、合作两类典型环境中,从训练轮数、训练时间两个维度对改进算法进行了对比验证,结果表明,并行优先经验回放机制的引入使得算法性能提升明显。     

浅谈课堂管理策略

课堂管理与教学质量息息相关,正确把握课堂管理的内涵,了解课堂管理的影响因素,掌握课堂管理的技巧与方法,对于提高高校课堂教学质量具有十分重要的意义。     

基于LE-Trie的SDN访问控制策略研究

为解决SDN(software defined networks)网络面临的网络安全问题,提出了基于集中控制思想的访问控制策略,将访问控制规则下发到源交换机,由此可以在源头上抑制无效的数据流.通过采用区间值起止点的最大公共前缀作为构建LE-Trie的基本元素,解决了IP地址和端口的区间无法在树中进行构造的问题.在此基础上,提出了基于多区域LE-Trie(multi-area-domain LE-Trie MADLT)的规则检测和匹配方法.该算法将对规则的顺序匹配转化为对多域的匹配,减少了匹配次数,从而提高了访问控制服务器的工作效率.对比实验结果表明,在进行冲突检测时,MADLT在时间性能上较顺序算法平均提高2.97倍,较传统Tiie算法平均提高30.4％;在进行规则匹配时,MADLT在时间性能上较顺序算法平均提高2.3倍,较传统Trie算法平均提高16.3％.由此证明,本文提出的集中访问控制策略可以有效地实现SDN网络中的数据访问控制.     

网络入侵检测数据采样策略研究

研究网络入侵检测数据采样策略,对入侵检测的定义、分类以及基本结构进行了分析,并从数据挖掘、数据采集等方面讨论了网络入侵检测数据采样的技术基础,构建了入侵检测数据采样模型,进行风险识别判断定价,并对扩展策略进行了讨论。     

一种基于RTP/RTCP协议的音视频同步算法研究

提出了一种基于RTP/RTCP协议的音视频同步算法。该算法将到达接收端的音视频RTP数据包时间戳映射至一个公共的绝对时间轴上,以测算出网络传输过程中的延时误差△Ti。然后,针对接收端音视频播映不同的速度,测算数据包在缓冲区等待播映过程中的延时误差△Wi。最后以△Ti和△Wi的和作为总误差给出相应的播映策略。仿真实验结果表明,该算法的RSME低于其他同步算法,对于音视频的失步现象具有较明显的纠正效果,用户对于播映质量的满意度大幅提升。