双资源作业车间智能优化调度

用遗传算法研究了双资源作业车间的调度优化问题,提出了一种将归约法与遗传算法和分派规则相结合的调度算法,该算法将机床和工人合理地分配给加工任务(工序),使评价指标获得最优.通过与国外学者的算法进行比较,本算法在相同生产周期的情况下,能够获得平均流动时间较少的调度结果.本算法采用的遗传编码不含工人和机床设备的信息,使得染色体的交叉和变异容易操作,节省了计算时间.最后还就工人/机床设备的比率对作业车间加工性能的影响进行了分析并给出分析结果.     

非凸-凹极小极大问题的双尺度交替梯度下降上升算法

针对一类非凸-(强)凹极小极大问题,基于双尺度梯度下降上升算法,用交替梯度更新来替代同步梯度更新,从而提出了一种新算法-双尺度交替梯度下降上升算法.通过数值实验结果表明,新算法在MNIST数据集上的分类准确率明显高于原算法,从而验证了新算法的有效性.     

可扩展的分布式信息检索的设计与实现

为了弥补集中式信息检索系统在覆盖率、更新率、访问权限控制、专业性及网络负载等方面存在的缺陷,设计并实现了一个可扩展性强的分布式信息检索系统,采用统计信息及查询日志描述各节点的信息资源,提出基于日志的CORI算法进行资源选择.实验结果显示,维护该系统所需的存储空间、更新时间及网络传输量等仅为集中式信息检索系统的1%左右,系统的可扩展性较强.提出的基于日志的CORI算法较传统CORI算法在查全率-查准率指标上提高了9.8%,在Kendall'S τ距离指标上提高了8.1%,是一种有效的资源选择算法,提高了分布式信息检索系统的检索性能.     

基于ASP的制造网格资源发现模型

针对制造网格应用上的困难,基于应用服务提供商(ASP)模式,提出了基于多区域多层次树型覆盖网络的ASP平台分布的制造网格资源发现模型,在此基础上提出了自动在线组建机制及其波浪推进式的信息更新算法,剖析了模型的ASP应用模式的本质,进而给出了资源发现机制及其实现算法.与传统的典型资源发现相关模型相比,该模型在资源发现和资源更新方面更具优越性.文中还基于该资源发现模型,设计并实现了包括基于eUDDI注册中心的资源注册、资源发现、资源信息监控与动态维护以及信息交流等功能的企业信息节点原型系统.     

指数函数ex的快速计算方法

基于双精度数在计算机中是按阶码和尾码分别存储的原理,提出了一种新的计算指数函数y=ex的方法,它能直接计算出y的指数部分(阶码)和有效数位(尾码),并直接存储到变量y中.通过与MatLab中的库函数exp相比较,表明这种新算法计算精度更可靠,速度更快.     

一种双偶数阶正交拉丁方的构造方法

对于双偶数n=4.2p.t(p≥0,t为奇数),给出了一种构造4.2p(p0)阶正交拉丁方的升阶算法,并给出算法的证明及模拟程序.用4.2p阶和t阶正交拉丁方可合成4.2p.t阶正交拉丁方,从而构造出所有双偶数阶正交拉丁方.     

用于图像篡改检测与恢复的安全双水印算法

为提高可恢复双水印算法抵抗伪造攻击的能力,提出一种用于图像篡改检测和恢复的安全双水印算法.该算法首先基于密钥生成随机序列,利用该随机序列将双水印信息加密之后再嵌入图像块的低位,同时,该随机序列结合图像块内容和嵌入在低位的恢复水印生成认证数据,以提高可恢复双水印算法抵抗伪造攻击的能力.实验结果表明该算法有效提高了自恢复双水印算法抵抗伪造攻击的能力.     

GV-纯正密群上几类双理想集的关系

基于一般正则半群上几类双理想集的关系,给出了GV-纯正密群上双理想集.B(Reg S),B(S)与B(S/H)的关系.一般正则半群上几类双理想集的关系成为本文的推论.     

基于双期望传播的低复杂度MIMO检测

针对传统双期望传播算法(DEP)中矩阵求逆运算引起的计算复杂度高问题,提出一种基于改进诺伊曼级数(NSE)近似的双期望传播算法(DEP-INSE),该算法通过执行少量NSE级数项的近似矩阵求逆在降低计算复杂度的同时,保证良好收敛和误码率性能。仿真结果表明,DEP-INSE仅需少量INSE项就可获得比现有方法更好的性能,保证了性能和复杂度的折衷。     

基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.     

基于对偶分解的 MU-CoMP 联合资源分配算法

在MU-CoMP-JT(multi-users coordinated multiple-points joint transmission)资源分配算法中,大多数将功率分配与子载波分配分为独立的2个部分进行独立求解,这样势必会降低系统性能,而实际上子载波分配和功率分配是密切相关的.为了有效地提升系统吞吐量,采用了迫零预编码技术,研究了一种在多个小区和多个子信道之间联合优化用户调度与功率分配的资源分配算法,该算法以最大化用户权重速率为目标,基于对偶分解理论,将原优化问题分解为多个独立优化的子问题.仿真结果表明,该算法与最优的穷尽分配算法相比性能有所降低,但有效地降低了复杂度,同时也能获得较好的性能.     

基于服务质量的动态资源分配算法

在网络虚拟化过程中,当前大多数物理资源分配算法,主要考虑了资源利用率和网络收益,而忽略了虚拟网络请求的服务质量,从而在不同用户之间造成不公平。针对该问题,提出基于服务质量的动态资源分配算法。该算法在空闲时频资源非连续情况下,只有当虚拟网络请求的生命周期足够长,满足重分配影响因子情况下,才优先为资源量小的虚拟网络请求重分配物理资源;在空闲时频资源连续情况下,综合考虑优先级、时间容忍和网络收益因素影响,为虚拟网络请求分配相适应的物理资源。仿真结果表明,该算法相对于传统基于生命周期的动态资源分配算法和贪婪动态分配,在实现物理资源高效利用的前提下,不但保障了虚拟网络请求的服务质量,而且降低了该算法的运行时间。     

一种基于QoS的星座通信系统跨层资源分配算法

针对目前星座通信系统星地链路资源分配不灵活、缺乏有效服务质量(QoS)保障机制等问题,提出一种基于QoS的星座通信系统跨层资源分配算法.利用自适应编码调制(ACM)技术,通过定义用户信道质量评估算法、可调公平性调度算法、业务QoS分类调度算法及用户业务分配权重函数,为终端用户指定工作频率、时隙、编码方式、调制方式等物理层工作参数,实现根据业务QoS保障要求灵活分配物理层信道资源,达到提高系统资源利用率与满足业务QoS保障需求的平衡.仿真实例验证该算法可以实现星座通信系统根据业务QoS和用户信道质量对星地链路资源的合理分配和调度.     

一种有效的比例公平算法

针对基于OFDM的认知无线电系统中多个认知用户之间的频谱资源分配问题,提出了一种比特和功率分配算法.首先,对认知用户的发射功率加以约束以保证认知用户的通信质量;然后运用“两部分法”并引入比例分配因子来避免认知用户的频谱资源分配不均衡问题;最后对所提算法进行了仿真,其中对认知用户的分配结果表明所提算法不仅能够保证每个用户的通信质量而且能够提升信道总容量.     

新型多用户MIMO-OFDM 跨层资源分配算法

为解决多用户MIMO-OFDM( Multiple Input Multiple Output-Orthogonal Frequency Division Multiplexing) 下行链路系统中由于分层设计信息不完整造成的资源分配不合理的问题,提出了一种基于最低速率约束的跨层资源分配算法。该算法综合考虑不同用户服务质量要求、媒体接入控制层队列情况和物理层信道状态信息,在满足总功率限制和用户最低速率约束的条件下,以系统吞吐量最大化为目标,进行物理层子载波和功率的联合分配。仿真结果表明,该算法不仅能满足不同用户的服务质量要求,而且能达到较高的系统吞吐量。     

基于QoS保证的协作OFDMA系统无线资源分配算法

现有基于中继协作的正交频分多址接入(orthogo-nal frequency division multiple access,OFDMA)系统的无线资源分配算法主要面向单一业务和用户需求。该文研究了基于服务质量(quality of service,QoS)保证和异质业务的协作OFDMA系统无线资源分配问题,建立了以最大化系统效用函数为目标的模型,联合了功率控制、载波分配和中继选择。对于具有指数阶复杂度的原混合整数规划问题,通过引入QoS价格因子,将其转化为一个凸优化问题,并且提出了一个基于双层对偶分解的资源分配算法。仿真结果表明:该方法能显著提高系统对异质业务的支持能力,并保证用户之间的公平性。     

基于深度强化学习的空中无人机基站资源分配与公平性研究

为了提高无人机基站(unmanned aerial vehicle base stations, UAV-BS)为地面多用户服务时的数据速率,提出一种基于决斗深度神经网络(dueling deep Q-network, Dueling-DQN)的深度强化学习(deep reinforcement learning, DRL)算法。采用决斗网络(dueling network, DN)结构以克服动态环境的部分可观测问题,联合优化了UAV-BS的位置和下行链路功率分配,在更符合实际的空地概率信道模型中检验了Dueling-DQN算法的性能。结果表明,相较于对比算法,所提出的Dueling-DQN算法可以提供更高的数据速率和服务公平性,且随着地面用户数量的增大,算法的优势更加明显。Dueling-DQN算法可有效解决复杂非凸性问题,为UAV-BS的资源分配问题提供理论参考。     

基于进化策略和公平竞争的多用户OFDM系统资源分配

提出了一种用于多用户OFDM系统的资源分配算法(ESFC),能以低复杂度完成用户间的子载波、比特及功率分配,达到快速优化系统发射功率的目的。该算法同时考虑到动态业务的实时性和用户间的公平竞争性,将系统资源分配问题转化为数学模型的多约束优化求解问题。资源分配过程分为两个步骤,包括基于进化策略进行子载波分配和使用注水算法进行比特及功率分配。仿真结果表明:与现有算法相比,该算法能有效降低复杂度,在优化OFDM系统性能的同时兼顾了实时性需求,明显减少了运算量,能快速收敛到优化解。     

非精确情报信息环境下跨域无人集群动态目标分配算法研究

针对非精确情报信息环境下跨域无人集群动态目标分配问题的算法进行了研究。首先,描述了一个实际的跨域无人机群作战场景,并对由于探测信息不精确性带来的目标位置和火力单元落点的不确定性进行了分析,在此基础上建立了目标预分配的概率模型,并设计改进的离散多目标粒子群算法求解;其次,针对作战环境中实时出现的新目标,提出了基于市场机制的合同网目标重分配算法,实时更新目标分配方案;最后,通过实验仿真验证了所提算法的有效性。     

无线移动传感器网络中动态频谱分配及协同策略

为降低复杂性并在兼顾公平的情况下提高信道利用率和减少切换次数,在无线移动传感器网络(WMSN)中提出了一种动态频谱分配及协同策略.该策略利用空闲私有频段进行无线通信,通过有效的频谱感知与分配来协同实现网络效益最大化.簇首选择合适的感知频段避免通信碰撞,而频谱分配则结合WMSN特点建立恰当的动态频谱分配模型,并转换为不带...