基于公交车缓存机制的移动数据分流研究

为了应对爆炸式增长的车辆流量数据和用户日益增长的应用程序需求给蜂窝网络运营商(如3G/LTE)造成的巨大的流量负载和网络拥塞等问题，当前已有很多工作提出将数据通过高容量的用户设备间通信进行分流。通过蜂窝网络分发数据对象到一部分订阅用户(称为种子用户)，由种子用户通过本地机会通信的方式传送给其他订阅用户。为了最大化分流的效率，大多数的工作根据分流的对象和意义，提出了多种分流的方案，但是这些工作大都关注于种子用户的选择问题上。为了研究数据的缓存分配对分流的影响，着眼于城区VANET环境下的数据分流，根据城区多种数据异构的特性，提出利用公交车作为种子用户，通过制定数据缓存分配方案来间接完成数据分流的方案。缓存方案越好，用户命中自己想要的数据的概率就越大，分流的数据量就越多。据此，相应制定出几种贪心的缓存方案，一种启发式方案。通过大量的实验验证了启发式分配方案在分流数据量较多的情况下的优势，同时指出影响数据分流效率的几个重要参数。     

知识驱动的高维多目标优化算法研究

针对传统的非支配排序在处理高维多目标优化问题过程中,因非支配解数量的指数增长而导致算法没有足够的选择压力的情况,提出了一种知识驱动的高维多目标算法(KD-NSGA-Ⅲ),以提升算法的收敛速度.该算法采用Pareto支配关系来衡量种群的优劣,通过知识引导筛选优势种群,结合参考点选择机制增强种群的多样性和广泛性,同时采用模拟二进制交叉策略和改进的自适应变异策略增强算法的搜索能力.通过对标准测试函数的实验,结果表明:相较于一些经典的多目标优化算法,KD-NSGA-Ⅲ在高维多目标优化问题方面性能改善效果优异,尤其在收敛速度上有显著的提升.     

广义可数紧空间

引入了广义可数紧空间和广义列紧空间的概念,给出了这两类空间的关系以及广义可数紧空间的刻画,研究了广义可数紧空间上广义连续函数和广义上(下)半连续函数的性质.     

JAVA编程常见问题若干例

在访问了大量技术性论坛后,将JAVA编程中常见问题作了详细的总结和分析,并着重讨论了几个较典型的主题,如“==”和equals的区别与联系,数据类型转换等,这些都是经常出错的问题,在编程实践中需要更多的注意。     

基于帕累托前沿关系求解约束多目标优化问题

为解决约束多目标优化问题中的平衡约束满足与目标函数优化以及可行域复杂等挑战,提出了基于不同帕累托前沿关系的分类搜索方法。提出一种双种群双阶段框架：进化一个辅助种群Pa和一个主种群Pm,并将进化过程分为学习阶段和搜索阶段。学习阶段,种群Pa向UPF(unconstrained Pareto front)进行搜索,而种群Pm向CPF(constrained Pareto front)进行搜索,旨在探索UPF与CPF之间的关系;完成学习后,对不同问题的UPF与CPF关系进行分类,以指导后续搜索策略;在搜索阶段,根据不同的分类关系,调整种群Pa的搜索策略,旨在使种群Pa为种群Pm提供更有效的辅助信息。基于此算法框架,对不同类型约束多目标优化问题的帕累托前沿关系进行了分类,实现了对CPF更有效的搜索。实验结果表明：所提算法与其他7种先进的约束多目标优化算法相比具有更显著的性能优势。通过学习与利用UPF与CPF的关系,能够选择更合适的搜索策略去应对具有不同特性的约束多目标优化问题,以获得更具优势的最终解集。