面向资源语义共享的分布索引策略研究

针对大规模对等网络环境下信息资源语义异构和高效定位问题,本文提出了一种基于多元数据规范模板的可扩展的、面向语义的元数据描述框架,并在此基础上提供一套混合的组织索引体系,其中结合了DHT和社区的特点,基于核心信息单元和扩展信息单元对资源位置、MST组群和社区入口进行有效索引,并且基于不同信息单元之间语义关系提出了语义扩展路由的概念。基于此组织索引体系提出了一种面向语义的混合资源发现方法,有效提高了资源查全率,通过仿真试验说明了本系统与现有相关系统相比具有较高的查询效率和可扩展能力。     

Skyline查询应用扩展及其优化算法

Skyline查询处理是近年来信息管理和数据库交叉学科的一个研究重点和热点, 其广泛应用于多标准决策支持系统、城市导航系统、数据挖掘和可视化以及信息推荐系统等领域. 然而, 在实际的联机查询应用中, skyline查询的结果具有固定和多用户共享特性, 因此, 随着时间的推进, 查询结果的可选择性逐步降低, 从而最终导致查询结果无法满足用户的需求. 为此, 提出k-quasi skyline查询, 来丰富传统skyline查询的结果集, 并与目前主流关系数据库产品无缝集成.为了提高任意维空间上k-quasi skyline查询的效率, 设计了基于正规格索引的计算方法EARG (efficient algorithm based on regular grid).EARG算法通过格之间的支配关系来缩减对象间的比较次数, 从而显著降低k-quasi skyline计算的时间开销.理论分析和实验结果表明, EARG算法具有有效性和实用性.     

面向数据语义集成的装备领域本体构建研究

装备领域本体能够准确描述领域内概念的定义和概念之间的相互关系,是研究装备数据语义集成的基础和前提.在分析现有构建方法的基础上,提出了一种半自动化的装备领域本体构建方法.以装备领域的权威文件为标准,构建顶层领域本体,采用模式映射的方法从装备数据库中生成初始局部本体,通过本体映射对领域本体进行规范化处理.实验结果表明,该方法能够较为全面地构建出装备领域本体,为数据语义集成提供统一的全局视图,运行效果优于其他方法.     

基于分区的部分最值查询优化算法

大规模数据库的建立和海量数据的不断涌现,需要从海量数据库和大量繁杂信息中提取有价值的知识,可以进一步提高网络安全信息的利用率. 另一方面,网络信息安全分析在面临海量数据时,其查询效率会大大降低. 分区技术使用户可以将大表分解为更小且更易管理的分区,从而解决海量数据带来的一些问题. 本文讨论了分区条件下部分最值的查询方法,介绍了一种用于提高这种查询效率的RBP-T （rank bisection partition tree）树型结构,并给出了相应的搜索算法. 通过实验证明,我们的方法对解决海量数据情况下的部分最值查询问题是有效的.     

面向需求的航天测控资源调度算法

针对如何调度测控资源以满足航天器的长期管理阶段测控需求的问题进行了研究。分析了长期管理阶段需求的特点及对调度过程的影响,建立了测控任务模型,给出了测控需求满足程度的计算方法。在此基础上,设计了面向需求的航天测控资源调度算法,能够较好地保证卫星的测控需求得到满足。通过仿真算例验证了所提算法的有效性。     

基于空间索引的快速TIN插值DEM算法研究

建立空间索引是提高从TIN插值DEM效率的有效方法,可采用两种不同的思路来构建空间索引：一种是为TIN构建四叉树索引,在逐点插值DEM时,能快速定位到目标三角形;另一种是直接利用格网结构建立索引,在逐三角形插值DEM时,能快速找到所有包含在三角形内的内插点。针对这两种思路改进算法并进行了大量实验,实验结果表明前一种算法适用于从大量三角形中快速定位少数点;而后一种算法能大大提高从TIN内插DEM的速度,在一般采样率下,几乎可实现实时转换。     

面向物联网无人机通信的短突发CPM信号盲均衡算法

针对物联网无人机通信中短突发连续相位调制(continuous phase modulation, CPM)盲均衡算法复杂度高、收敛差等问题,提出了一种基于期望最大化-维特比(expectation maximization Viterbi, EMV)的盲均衡算法。首先,将Lazy维特比算法嵌入到期望最大化(expectation maximization, EM)算法的迭代过程中,得到一种低复杂度的盲均衡算法;然后,基于盲信道捕获(blind channel-acquisition, BCA)方法构建了一组初值集,克服了算法对初值的敏感性,同时提升了信道估计的收敛性能。理论分析和实验结果表明,所提的盲均衡算法能够有效兼顾收敛性和计算复杂度,相比传统方法,在性能损失很小的条件下可大幅度降低计算成本,并且具有良好的鲁棒性。     

系统可靠性的多资源目标优化算法

可靠性问题是系统设计、研究和运行过程中必须考虑的关键因素之一。采用冗余技术是提高系统可靠性的重要途径,文献[1,2]以此作了高度评价,系统可靠性冗余最优问题已引起了广泛的重视和研究,形成了一些有特色的算法,文献[3,4]中作了综述,但在以往的研究中,或者以某一项资源指标最     

面向仿真优化的粒子群算法计算模型

粒子群优化算法（Particle Swarm Optimization,PSO）是群集智能的典型代表,其参数较少且操作简单,故一直是智能优化算法研究应用的热点。然而PSO有易早熟和搜索精度不高的缺陷,针对此弊病,在基于仿真的优化（Simulation Based Optimization,SBO）思恕体系下,融合人工生命、基于Agent的升算和计算智能,提曲面向SBO的PSO计算模型,茅籽PSO的系统研宄和算法改庭抽象力一含大规模纽合优化问题的求解。最后利用一系列benchmark函数进行了仿真优化实验,取得了较好的结果,从而论证了本思想方法的可行性与可信性。     

基于贝叶斯优化构建DBN结构优化算法

针对动态贝叶斯网络(DBN)结构学习问题,提出了一种基于贝叶斯优化(BOA)的DBN结构寻优算法。首先,从传统进化优化机制的基本理论和基本操作入手,刻划了基于概率模型进化算法的基本思想。其次,通过描述基于概率模型进化算法的构图基础,引出了DBN结构学习机制,即基于BOA的DBN结构寻优算法。BOA算法的关键是根据优良解集学习得到DBN,以及根据DBN推理生成新个体,前者更为重要,依据基于贪婪机理的遗传算法解决动态网络学习,再应用DBN前向模拟完成后一步。仿真结果表明了该算法的可行性。     

最小化流水时间的工作流资源优化模型和算法

资源在工作流实例间的分配决定了工作流实例中活动的平均处理时间和等待时间,针对优化资源分配,研究使整个工作流的流水时间最小问题。总结了最小化工作流实例的平均响应时间问题的目标和约束条件,提出了以工作流实例平均响应时间最小化为目标的求解最优资源配置数量的方法;建立了最小化工作流时间属性的工作流资源优化数学模型,设计了改进的遗传算法。仿真实验显示,通过适当增加调用的资源数量可减小工作流实例平均响应时间,优化工作流的流水时间。模拟实验通过将提出的改进算法与传统遗传算法的对比,验证了算法的计算效率。     

卫星地面站资源调度优化模型及启发式算法

针对涉及合理确定各地面站各类设备的数量及其分布,对设备进行最优调度,提高地面系统资源利用率等卫星地面站资源优化问题,建立了一种非线性泛函优化模型,并根据实际,在适当假设的基础上建立了系统的0-1规划模型。为了求解模型,提出基于地面站资源冲突消解策略,提出了一种启发式调度算法。利用该算法,研究了一个5站10星问题的调度方案,并与人工经验调度方案进行了比较。结果表明,采用这种启发式调度算法,卫星获得服务的时间增加,平均每天服务总圈数没有明显下降,说明该算法是有效的。     

面向智慧物联网的新型嵌入式仿真技术研究

当前我们正步入新时代、正面临新态势、正迈进新征程,人类社会国民经济、国计民生和国家安全等各领域系统的模式、技术和业态正在向数字化、网络化、云化、智能化的"智慧物联网"新模式、新技术和新业态发生重大变革.智慧物联网的发展迫切需要面向智慧物联网的新型嵌入式仿真技术,使智慧物联网能具备在线、持续的分析、认知、学习、决策、运行...     

区间分解优化的遗传算法及其在Internet环境下实现

为解决遗传算法面对复杂多模态函数优化问题时易陷入局部极值的问题,提出一种区间分解优化思想。通过区间分解,可以找到问题的多个局部最优解和全局最优解。同时,将算法在Internet环境下实现,既减少了算法的寻优时间,又节约了算法的运行成本。实验表明,区间分解优化方案能有效克服遗传算法陷入局部极值,大幅度提高算法的寻优性能。     

基于IP-ACO算法的航天器测控资源调度技术

采用多目标蚁群优化算法对航天器测控资源调度问题进行研究。在分析中低轨道航天器测控特点的基础上,综合考虑包括测控时间窗口约束和设备切换时间约束在内的多类复杂约束条件,建立多目标航天器测控资源调度模型。在Pareto蚁群优化算法的基础上,引入蚁群社会中的分工协作思想并构建测控任务时间约束有向图,设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,从而提高算法求解性能。仿真实验结果表明该方法能有效解决多目标航天器测控资源调度问题。     

Seeker optimization algorithm:a novel stochastic search algorithm for global numerical optimization

A novel heuristic search algorithm celled seeker optimization algorithm (SOA) is proposed for the real-parameter optimization.The proposed SOA is based on simulating the act of human searching.In the SOA,search direction is based on empirical gradients by evaluating the response to the position changes,while step length is based on uncertainty reasoning by using a simple fuzzy rule.The effectiveness of the SOA is evaluated by using a challenging set of typically complex functions in comparison to differential evolution (DE) and throe modified particle swarm optimization (PSO) algorithms.The simulation results show that the performance of the SOA is superior or comparable to that of the other algorithms.     

Hybrid particle swarm optimization for multiobjective resource allocation

Resource allocation （RA） is the problem of allocating resources among various artifacts or business units to meet one or more expected goals, such a.s maximizing the profits, minimizing the costs, or achieving the best qualities. A complex multiobjective RA is addressed, and a multiobjective mathematical model is used to find solutions efficiently. Then, all improved particie swarm algorithm （mO_PSO） is proposed combined with a new particle diversity controller policies and dissipation operation. Meanwhile, a modified Pareto methods used in PSO to deal with multiobjectives optimization is presented. The effectiveness of the provided algorithm is validated by its application to some illustrative example dealing with multiobjective RA problems and with the comparative experiment with other algorithm.     

互联网能耗和性能优化的权衡模型

互联网能耗和性能互为矛盾已经成为网络研究人员的广泛共识. 目前的研究方法通常仅将其中一个方面作为主要问题,而将另外一方面作为次要问题来解决. 因此,如何将互联网能耗和性能作为同等重要的指标进行协同优化,是本文所要研究的问题. 本文提出了一种通用优化模型来实现减小互联网能耗的同时提升网络性能. 为将其应用于实际,本文通过引入并定义代价函数和功率-带宽函数,将该通用模型具体化为一个线性规划模型. 评估结果显示,该线性规划模型的最优解能够同时降低网络的最大链路利用率和能耗,并且使得这两者中的每一个指标均近似于对其进行单一优化的模型的最优解,从而实现了对网络能耗和性能的协同优化. 与当前互联网相比,在最大链路利用率方面,本文所提出模型的最优解最多可将其减小60.6%,最少减小45.8%;在能耗方面,该模型的最优解最多可将其减小83.3%,最少减小56.7%.     

基于DSM的产品开发过程资源优化算法

针对并行产品开发过程的特点,利用设计结构矩阵,提出了一种产品并行开发过程的资源调度与优化算法.首先本文建立了开发过程的DSM集合模型及时间与资源模型,在此基础上详细阐述了遗传算法结合启发式调度规则在过程资源优化中的实现.最后通过实例,说明了该算法对过程资源优化的有效性.     

求解大规模优化问题的改进鲸鱼优化算法

提出一种基于非线性收敛因子的改进鲸鱼优化算法(简记为IWOA)用于求解大规模复杂优化问题.为算法全局搜索奠定基础,在搜索空间中利用对立学习策略进行初始化鲸鱼个体位置;设计一种随进化迭代次数非线性变化的收敛因子更新公式以协调WOA算法的探索和开发能力;对当前最优鲸鱼个体执行多样性变异操作以减少算法陷入局部最优的概率.选取15个大规模(200维、500维和1000维)标准测试函数进行数值实验,结果表明,IWOA在求解精度和收敛速度方面明显优于其他对比算法.