QoS性能约束的云任务调度算法研究

云计算是目前研究的热点,云计算任务调度中为了在保证用户满意的前提下缩短任务完成时间和提高资源负载均衡性,提出了一种具有QoS约束的模拟退火云任务调度算法.首先引入QoS约束的贪心策略产生初始解,以最小任务完成时间和最小负载均衡标准差为目标,实行两阶段退火过程,制定两个具有QoS约束的新解产生函数,始终处于用户满意的前提下寻找最优分配方案.仿真实验结果表明,该算法能够在保证所有用户都满意的情况下降低任务完成时间并提高资源负载均衡性,是一种顾客和云服务提供商都满意的云任务调度算法.     

基于培养研究能力的线性系统理论研究生课程的教学探索

江西理工大学线性系统理论课程在教学实践中注重教学内容和学科前沿、方法论、仿真及实验紧密结合,并采用了灵活多样的教学方法,启发式、问题式、互动式教学和研究式教学、科研实践相互结合,借助丰富的网络资源和多媒体等手段,增强了学生兴趣,提高了教学质量,尤其是培养了研究生的科学素养及研究能力。     

稳健逆传播算法用于预测混合物辛烷值和表面张力

采用中位数对训练过程中个别样本的训练残差进行了剪裁,消除奇异点或数据污染点的影响,从而使得训练模型更真实,泛化能力更强。改造后的算法称为稳健逆传播算法（ＲＢＰ）,将这种算法用于推测混合物的辛烷值和表面张力,并与ＢＰ算法进行了比较,证明改造后的ＲＢＰ算法在泛化能力方面优于传统ＢＰ算法。     

利用神经网络预测聚合物玻璃化温度

分析了影响聚合物玻璃化温度的各种因素，采用合成时进料组成中各组分的摩尔分数、组成成分的重量分数以及聚合度等共计６个变量来表达聚合物结构上的差别，通过神经网络的训练建立了描述硬脂酸乙烯酯＋乙酸乙烯酯＋氯乙烯三元共聚物链结构和组成等６变量空间到玻璃化温度空间的映射关系，进而对未知三元聚合物的玻璃化温度进行预测，预测结果与实验结果与比较吻合。     

改进人工蜂群算法的云任务调度

针对云资源调度中任务分配效率和资源利用率低等情况,提出一种改进的人工蜂群算法.在基本人工蜂群算法基础上,将交叉机制与全局最优引导的人工蜂群算法相结合,增强人工蜂群算法中蜂群对蜜源的开发能力,同时保持探索能力.在观察蜂选择策略中,引入灵敏度的概念.灵敏度通过配合蜜源信息素而让观察蜂选择蜜源,增加种群的多样性,避免算法陷入...