考虑时变资源价格因素的Q学习强化和声搜索网格任务调度算法

针对传统网格任务调度算法不考虑价格时变因素缺点,提出一种基于Q学习强化和声搜索算法的考虑时变资源价格因素网格任务调度算法.首先,综合考虑价格时变因素影响,对网格任务调度模型进行改进,提出一种新的调度模型;其次,利用Q学习算法对和声搜索算法进行改进,平衡了算法的广度和深度搜索能力;最后,通过与同类算法的仿真对比结果表明,该算法和模型具有较好的收敛速度优化性能,并且在资源价格满意度和任务调度长度两个层面具有更全面的优化性能.     

应用剖分算法实现Minkowski求和效率提高的实验研究

Minkowski和的边界值是实现位置空间障碍物的关键技术,本文为改进算法的运行和求和速度,采用凹多面体回路的近似精确算法设计。首先指出了传统多面体算法的不足,进行完成了改进算法的设计及分析。实验验证采用了凸四面体、凹九面体顶点坐标,在给出了详细的实验过程后得出：相比旧算法设计的改进算法执行时间较短,未出现新的顶点,实现了凹多面体的近似精确Minkowski和多面体边界表示,执行时间对比进一步验证了效率的改进。这一研究对于三维虚拟实验室和三维模型数据传输技术的改进具有一定的意义。     

网格环境下剖分算法提高Minkowski求和效率的实验研究

Minkowski和的边界值是实现位置空间障碍物的关键技术,为改进算法的运行和求和速度,采用凹多面体回路的近似精确算法设计。首先指出了传统多面体算法的不足,进行完成了改进算法的设计及分析。实验验证采用了凸四面体、凹九面体顶点坐标,在给出了详细的实验过程后得出:相比旧算法设计的改进算法执行时间较短,未出现新的顶点,实现了凹多面体的近似精确Minkowski和多面体边界表示,执行时间对比进一步验证了效率的改进。这一研究对于三维虚拟实验室和三维模型数据传输技术的改进具有一定的意义。