基于主动学习的资源优化分配方案研究

从实际应用的角度阐述分析了主动学习算法在资源优化分配中的应用问题,首先分析了主动学习的发展问题,并给出了主动学习的数学描述,在此基础上,重点以学生分班为例阐述了主动学习算法的应用问题。     

高校教务管理系统中的一种新的分班算法及实现

介绍了一个基于PowerBuilder开发的教务管理系统，详细阐述了一种新的学生分班算法，提出了均等算法和交替算法并用的高效智能分班算法，并加以应用实现。使用此算法使纷繁、琐碎的教务管理中的分班工作变得高效、智能、自动化。     

面向主动配电网的安全多智能体深度强化学习电压优化控制

针对主动配电网电压优化控制中模型不确定性和通信代价大的问题，提出了一种基于灵敏度矩阵安全的多智能体深度强化学习(SMS-MADRL)算法。该算法利用安全深度强化学习，应对主动配电网的固有不确定性，并采用多智能体结构实现通信代价较小的分布式控制。首先，将电压优化控制问题描述为受约束的马尔可夫博弈(CMG);然后，对无功功率进行适当修改，通过分析节点电压的变化得到灵敏度矩阵，进而与主动配电网环境进行交互，训练出若干可以独立给出最优无功功率指令的智能体。与现有多智能体深度强化学习算法相比，该算法的优点在于给智能体的动作网络增添了基于灵敏度矩阵的安全层，在智能体的训练和执行阶段保证了主动配电网的电压安全性。在IEEE 33节点系统上的仿真结果表明：所提出的算法不仅能够满足电压约束，而且相较于多智能体深度确定性策略梯度(MADDPG)算法，网络损耗减少了4.18%,控制代价减少了70.5%。该研究可为主动配电网的电压优化控制提供理论基础。     

简化的最优解算法实现--高校分班程序设计分析

针对高等院校分班目的、过程进行了分析。对分班中如何解决性别比例、生源地平衡分配的问题,进行了深入的算法实现分析,明确了寻找最优解的问题本质,并对关键过程进行了阐述与分析。     

用蚂蚁算法处理固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性，章采用一种新型随机搜索思想——人工蚂蚁算法求解固定需求交通平衡分配问题。算法设计中利用蚂蚁王国中增强型学习系统功能和并行计算的特点，使得交通分配系统朝着用户优化的方向发展，降低了分配的复杂性，为交通分配问题开创了一条新的途径，同时显示了蚂蚁算法在交通规划中的使用前景。     

基于人工免疫算法的导弹火力分配

人工免疫算法是一种近年来新发展起来的优化算法,目前它已被广泛应用于解决许多实际问题,如函数优化、图像处理、组合优化、网络安全、知识发掘、电网规划等许多领域。本文通过对人工免疫算法的研究,阐述其在导弹武器火力分配上的应用。首先描述了导弹火力分配优化问题,并建立了其数学模型;然后设计和实现了一种人工免疫算法;最后运用人工免疫算法求解了该问题。     

浅谈问题情境教学法

在教学中,教师创设真实任务的问题情境,为学生的学习提供丰富的内容背景,引领学生进行自主学习、探究学习、合作学习,促使学生主动吸纳知识化被动学习为主动学习,让学生在一种轻松愉快的氛围内学习。本文通过分析情境教学及其意义,问题情境的种类,提出了如何创设问题情境,阐述了创设问题情境的现实意义。     

发电机组组合负荷优化分配算法的分析

在经过国内外长期的研究和应用,目前已出现了很多有价值的负荷优化分配方法。对目前国内外出现的机组组合负荷优化分配算法进行了比较全面的分析与总结,将其分为传统优化算法、现代智能优化算法、群体智能仿生算法等三类,阐述了各种算法的基本原理,并对其各种算法优缺点作了分析和比较,从而为相关课题的研究提供了参考。     

《计算机应用基础》教学感悟

介绍了《计算机应用基础》的理论和实践教学方法，并就提高教师自身素质，引志学生主动学习和在该课程教学过程中教书育人等问题进行了阐述。     

迭代学习控制的研究与应用

文章论述了迭代学习控制的基本原理,着重分析了迭代学习控制的算法,对学习律、收敛性、鲁棒性、初值及学习速度等问题的最新进展作了比较详尽总结,最后讨论了其工程应用和展望。     

用蚂蚁算法处理固定需求交通平衡分配问题

为了提高交通量预测模型的可靠性 ,文章采用一种新型随机搜索思想———人工蚂蚁算法求解固定需求交通平衡分配问题。算法设计中利用蚂蚁王国中增强型学习系统功能和并行计算的特点 ,使得交通分配系统朝着用户优化的方向发展,降低了分配的复杂性 ,为交通分配问题开创了一条新的途径 ,同时显示了蚂蚁算法在交通规划中的使用前景     

网络敏感性的主动学习算法研究

提出一种基于Madaline网络敏感性的主动学习算法。首先用部分样本训练Madaline网络，然后以Madaline网络输出对其输入在给定样本点附近变化的敏感性为尺度，主动从未参与训练的样本中挑选敏感性相对大的样本继续进行训练，循环反复这个过程直到满足训练要求为止。实验验证了该主动学习算法处理离散分类问题的有效性和可行性。     

深度学习在海洋大数据挖掘中的应用

 介绍了深度学习的关键发展节点和应用发展历程，分析了深度学习在国内外主要领域的发展现状；概述了多个深度学习的关键算法原理，分析了深度学习在海洋数据重构、分类识别和预测等海洋大数据挖掘中的相关应用；提出了深度学习未来可能面临的问题，并从加强顶层设计、信息安全和强化算法鲁棒性等方面，展望了深度学习在海洋大数据挖掘中的应用前景。     

深度子领域迁移学习：一种细粒度主动迁移视角

迁移学习能以相关领域中的标注数据为基础，提升目标领域的学习效果。当领域间的数据分布差异很大时，会导致严重的负迁移问题。如何充分捕获源域和目标域之间的相似性，进一步挖掘更多有效信息，最终提高目标域的预测精度，是一个值得探索的问题。该文从细粒度主动迁移的视角，提出一种深度子领域迁移学习(Deep subdomain transfer learning, DSTL)算法，能迭代优化源域和目标域之间的相似性，提升模型预测性能。该文首先提出一种伪标签生成策略，对所有样本进行子领域的划分；制定中心+边缘的主动查询策略，获得关键代表性实例的真实标签；设计一种迭代分布优化策略，实现源域和目标域的子领域对齐，避免负迁移。将DSTL算法与传统迁移学习算法以及当前最新的深度迁移学习算法在主流的基准数据集上进行了测试。统计分析的结果表明，该文所提算法能实现性能的有效提升，扩大模型在实际应用中的适用范围。     

基于遗传算法的排课系统的设计

随着高校的发展，在教务管理系统中的排课问题也变得越来越复杂，亟需一种科学高效解决排课问题的方法。针对这种情况，文章给出了排课问题的数学模型，提出基于遗传算法解决方案。结果表明，该算法能比较有效的解决排课问题。该方法易于学习和应用，且不必依赖特殊的实现模式。     

研究性学习在网页广告设计教学中的应用

文章针对网页广告研究性学习在学校网页广告设计课程教学中的应用，分析了研究性学习在高职高专教学中应用的特点，提出了实施过程中应该注意的问题。     

面向移动学习的学习资源组织关键技术研究

学习资源的逻辑与物理组织是移动环境中决定移动学习应用质量和应用深度的关键问题．在介绍了移动学习及其特点和移动学习资源研究基础上,重点分析了移动学习资源组织关键技术,包括移动学习用户行为感知、移动学习资源语义组织及移动学习资源的存储优化．最后提出了面向移动学习的学习资源组织技术问题,并对未来研究方向和需要重点解决的关键技术进行展望．     

基于个性化学习的个人数字图书馆的构建

介绍了个人数字图书馆的概念，指出构建个人数字图书馆是个性化学习的必然需要，分析了个人数字图书馆在个性化学习中的功用，阐述了基于个性化学习的个人数字图书馆的构建。     

蚁群算法在桁架结构离散变量优化设计中的应用

文章进行了离散变量结构优化设计问题的分析;论述了蚁群算法原理;进行了该算法在桁架结构优化设计中的应用研究;进行了拓展该算法应用领域的尝试;建立了桁架结构的优化设计模型;通过例题来验证该算法应用的可行性和有效性。     

基于强化学习的云资源混合式弹性伸缩算法

为解决强化学习(RL)应用于云资源弹性伸缩问题时算法空间随应用规模变化而呈指数级变化、可伸缩性受限、算法训练时间长、收敛慢及设置水平伸缩动作空间时难以兼顾系统性能与稳定性等问题,提出了一种基于强化学习的分组云资源混合式伸缩算法(BGRL)。将应用实例进行逻辑分组,使算法空间固定,解决了算法空间爆炸及可伸缩性受限问题;采用并行学习,加快了学习速度,解决了算法收敛慢的问题;通过汇集多组的学习结果决定水平伸缩动作,解决了现有算法难以同时保证应用稳定性和资源调整及时性的问题;采用水平和垂直两个方向上的混合式伸缩,在保证应用能力范围的同时,解决了局部性能问题。通过重放实际应用数据集而产生的工作负载模式进行云应用仿真,结果表明:BGRL的应用资源量最贴合负载变化,资源利用率最高,稳定在80%左右;在消耗的资源量和违反服务质量请求的百分比方面,比其他算法分别减少了15%～20%和0.1%～3.26%。