基于布谷鸟搜索算法参数优化的组合核极限学习机

针对单核极限学习机在泛化性能上存在一定局限性的问题, 提出将再生核函数与多项式核函数相结合, 建立一种新的组合核极限学习机模型, 使其具有全局核与局部核的优点, 并选择布谷鸟搜索算法对其参数进行优化选择. 仿真实验结果表明, 采用基于再生核的组合核函数作为极限学习机的核函数可行, 在实验数据集的多值分类和回归问题上, 与传统支持向量机及单核极限学习机相比, 该模型具有更好的泛化性能.     

支持企业过程协同工作的过程监控方法

从监控角度出发研究并设计企业过程协同模型,支持企业过程协同运作.该模型将传统的以过程为核心的企业集成化模型中的协同模型扩展为企业决策模型、交互模型、协同行为控制规则、协同资源等价关系和过程监控模型.讨论了该模型所增加的过程监控模型,包括从模型到系统映射的关键技术,如扩展的协同模型中的监控对象、监控事件等概念与监控模型的一阶逻辑推理机制、事件处理机制等技术.同时,还设计了一个适合该模型的事件驱动的体系架构,通过实现原型验证了该监控方法的有效性.实验效果表明,该模型与方法能够很好地支持企业过程协同与运作.     

烟草行业CIMS集成化支撑保障体系

分析了烟草行业信息化建设当前存在的问题,提出采用CIMS技术实现烟草行业现代集约化管理.基于烟草行业CIMS的应用系统集成模式构建行业CIMS集成支撑保障体系,它包括行业集成支撑体系和行业集成保障体系.行业集成支撑体系负责行业CIMS应用系统的数据集成、应用服务集成和业务过程集成,行业集成保障体系负责为行业CIMS应用系统集成提供标准化体系与安全体系等保障机制,保证系统的安全高效率运行.实际应用扩充了CIMS内涵,将其集成范围从传统的制造企业扩展到工商贸,直至烟草整个行业,行业集成数据中心提供标准化管理体系、信息安全管理体系与行业集成技术支撑体系三大类功能,是行业集成的支撑保障体系,为烟草行业各级部门的集约化管理服务.     

面向教育云E-learning服务用户的信任评估

基于用户主观性及其能力客观性分别提出了用户信任云评估模型及其能力信任评估模型,用户信任云模型使用期望、熵和超熵对具有随机性和模糊性的复杂实体进行主观信任评估;而用户能力评估模型在考虑能力对象和交互属性基础上综合评估用户客观能力的信任度.结合这2种模型提出了用户综合信任评估模型,实验结果表明该评估模型能较好地实现教育云计算环境下E-learning服务用户综合信任评估.     

基于多目标物资调配优化模型的复杂应急系统并行计算方法

为了解决大规模的应急系统中的物资调配的问题,以时间性,效率性为优化目标,建立了模糊目标集数学模型,给出了单事故点的优化算法;并提出了一个以应急事故点为中心对救援点进行聚类划分的方法,将复杂多事故点应急调配的问题分解为单事故点来计算,把任务分配到不同处理器中并行执行.实验结果表明,基于多目标优化模型的并行算法大大地提高了应急调配解算速度,能为决策者提供更有效、快速、智能的服务.     

基于FR-TS法的企业过程模型并行优化技术研究

扩充禁忌区域的内涵,引入禁忌区域扩展与禁忌区域连接技术,有效地加速了全域范围寻优进程,从而改进和完善了FR-TS法,为其赋予了新的意义。采用C/S模型结构,开发出一种实用的并行优化算法及其软件支持环境,支持企业过程的动态优化,对企业进行企业过程重建(business process reengineering,BPR)和实施企业资源计划(enterprise resource planning,ERI,)管理有较大的指导意义。     

企业信息化工程模型及其集成化支撑环境

分析企业信息化工程建设过程以及企业信息化需求、企业过程建模、应用系统构造与工程项目管理的内在联系,提出由需求工程、过程工程、应用系统工程和支持工程组成的4元立体企业信息化工程模型,将企业业务过程和应用系统的开发应用有机地集成在同一开发空间和运行空间.在此基础上,初步完成了企业信息化工程建设的支撑环境原型系统的设计,它包括4大构件系统:需求工程环境、企业过程环境、应用系统工程环境、支持工程环境.它的完善与推广应用将有利于我国企业信息化工程建设.     

基于布谷鸟搜索算法参数优化的组合核极限学习机

针对单核极限学习机在泛化性能上存在一定局限性的问题, 提出将再生核函数与多项式核函数相结合, 建立一种新的组合核极限学习机模型, 使其具有全局核与局部核的优点, 并选择布谷鸟搜索算法对其参数进行优化选择. 仿真实验结果表明, 采用基于再生核的组合核函数作为极限学习机的核函数可行, 在实验数据集的多值分类和回归问题上, 与传统支持向量机及单核极限学习机相比, 该模型具有更好的泛化性能.     

多边缘服务器协作环境下基于时延感知的服务选择算法

移动边缘计算可为用户提供低时延的服务.然而，随着用户的需求变得日益复杂多样，单个边缘服务器难以满足其需求.因此，多边缘服务器协作环境下的服务选择问题成为服务计算领域的热点难题.本文首先将该问题建模成带约束的最优化问题，然后提出了一种启发式的服务选择算法-LLMES算法.该算法是在边缘服务器网络中根据迪杰斯特拉算法求解当前本地服务器的邻居节点作为候选服务器，并基于低时延多有效服务的贪心选择策略选择为用户提供有效服务最多且时延最小的服务器作为当前最优服务器.从而选择出一组相互协作的边缘服务器集合共同为用户提供服务，即选中一组满足用户需求的服务.最后，实验结果表明本文提出的LLMES算法性能明显优于其他3种具有代表性的算法.