一种集装箱港口集卡的动态调度方法

在集装箱港口中,设备的配置和调度对港口的运作效率有着较大影响。为了研究集装箱港口岸桥与集卡的调度,在混合交叉作业模式下,基于集卡运输时间和集卡排队等待时间的权重系数考虑,建立了以总作业时间最小为目标的集卡动态调度模型,实现了不同船舶装船作业和卸船作业同时进行的集卡动态分配。最后,通过对集装箱港口实际作业流程的建模仿真,例证了本文模型的有效性和实用性。     

一种新的网格资源管理与调度算法

本文分析了蚁群算法在网格资源调度中的应用现状,指出了该方法的缺点,即效率较低;为此,本文提出了用蚁群算法和广度优先算法结合解决资源调度的方法,该方法在资源搜索开始阶段使用广度优先算法,从而有效地避免了蚂蚁算法开始的寻食阶段,然后再使用蚂蚁算法,使得资源调度效率有了较大的提高。     

一种基于WRR的新的调度算法

为了提高网络区分服务的性能,选择一个合适的队列调度算法尤为重要。本文在WRR调度算法的基础上提出了一种新的调度算法P-VDWRR（Priority Variable Deficit Weighted Round Robin）,P-VDWRR不仅能够提供一定的Qos（Quality of Service）保证,还能够在一定范围内根据网络负载情况动态分配网络资源,降低网络节点的丢包率。     

一种新的缩减测试用例集的算法

提出了一种基于变异因子的蚁群算法用于测试用例集的缩减.该方法是在基本蚁群算法的基础上通过引入遗传算法的变异因子增加搜索的随机性、快速性和全局收敛性来克服早熟停滞的缺陷.实验结果表明,该方法有助于获得规模较小的测试用例集,能有效降低回归测试的成本.     

一种动态传感器事务调度算法

实时数据库系统必须合理调度执行传感器事务以维护实时数据对象的有效性．现有算法不能很好地解决最坏执行时间远大于平均执行时间时的事务调度．提出一种动态传感器调度算法DS-FP-DA．算法预先确定各事务在DS-FP调度下的预留时间．在系统运行过程中,算法通过接纳控制机制来选择合适的实例执行．实验表明,算法能有效降低数据的加权平均无效时间．     

一种新的TS模型辨识算法

提出一种新的TS模型辨识算法.该算法思想:首先采用MCR算法(Mountain C-Regressionmethod)自动确定聚类数目和初始聚类中心,然后采用改进的GK(Gustafon-Kessl)聚类算法得到最优的划分矩阵,再根据最优划分矩阵计算系统前件参数的最优值,最后用自适应粒子群优化算法(Adaptive Parti-cle Swarm Optimization,APSO)对后件参数进行优化.此辨识算法能够用较少的规则数描述给定的未知系统,并且容易实现.仿真实验表明该算法能够实现非线性系统的辨识,并且可获得相对高的精度.     

一种新的活动轮廓模型算法

传统的活动轮廓模型具有处理速度慢，运算量大，对凹陷轮廓处理效果差等缺点．本文把小波多分辨率技术应用于主动轮廓算法，结合梯度矢量流(gradient vector flow，GVF)概念，首先在低分辨率的图像上进行处理，得到结果后，再在高分辨率层次上继续处理，由此解决了初始轮廓必须离真实轮廓很近的问题，提高了运算速度；同时利用小波分解的方向性，降低了搜索的范围，进一步提高了轮廓收敛的速度；由于使用了GVF所产生的外力场，对于凹陷轮廓同样可以保证正确的收敛．同时比原始的GVF方法处理速度要快得多．     

一种新的静态优先级在线节能调度算法

合理运用动态电压调整技术可有效降低嵌入式实时系统能耗.针对静态优先级实时调度,提出了一种能够有效分析松弛时间并尽可能平衡分配松弛时间的在线节能调度算法TPSRM.设计了一种两段式频率执行策略来改变任务执行时间的分配,能充分在线分析各种形式的松弛时间.通过尽可能合理降低高优先级任务的处理器执行频率来实现有效的在线频率调整.实验结果表明TPSRM算法可实现较好的节能效果.     

一种新的基于幂集的数据挖掘算法

Apriori算法是经典的关联规则挖掘算法,主要缺点是可能产生大量的候选集和需要多次扫描数据库.从幂集运算的角度提出了一种新的关联规则挖掘算法P_DM算法,实现了只需要扫描一次数据库就产生所有频繁集.实验证明这种算法在中小规模数据挖掘上效率优于Apriori算法.     

一种高效的节能动态调度算法

研究了可调度性测试条件及考虑处理器模式切换的时间和能量开销,从多个方面改进了ES-RHS算法.首先,给出了新的可调度性测试条件,大大降低了其悲观性;其次,通过任务合并消除了处理器的空闲模式,大大减少模式切换次数,从而降低功耗;最后,放松了对处理器在每个协周期内休眠时间的限制.模拟实验结果表明,与ES-RHS相比,提出的算法节约17%～65%功耗,并且适用于更多类型的处理器.     

一种分布式动态负载均衡调度算法

目前计算机应用服务系统经常采用集群系统,负载均衡调度是集群系统的关键。在通用负载均衡调度算法的基础上,提出一种分布式动态负载均衡调度算法.该算法动态收集、统计和分析服务器的信息,以此为根据完成服务器负载均衡的任务,能够实现集群正常调度.在此基础上,采取分布式调度的策略,提高负载均衡调度的效率、性能,以使其对业务系统整体性能的影响最小。     

多核平台下一种新的实时调度模型

针对当前嵌入式多核平台下的实时调度模型没有考虑实时周期任务之间的制约关系这一不足,提出了一种能够描述实时周期任务之间存在简单制约关系的任务时序图(TTOG)模型,该模型不仅能体现任务实时性需求,还能反映周期任务之间的依赖关系.根据该模型,提出了一种剩余执行时间越短越优先(RETSF)的调度方法.该方法将根据某个周期任务距离时限的剩余执行时间动态地调整调度方案,与先来先服务(FCFS)算法相比较,在提高系统利用率,以及降低时限丢失率方面有很大改善.     

一种新的动态批密钥更新算法

针对传统单次密钥更新方法存在低效、资源浪费、数据和密钥不同步等问题,提出了一种基于密钥树的批密钥更新算法.通过2种方法保持密钥树的平衡:利用加入节点替代离开节点的位置来保持树的结构不变;搜索密钥树中高度最低的节点,然后根据该节点的类型及剩余的可加入节点数,将适量的节点加入到高度最低节点的位置.同时,对服务器的更新开销进行了理论分析,建立了用于计算开销的精确数学模型.仿真实验表明,与单次密钥更新方法相比,所提算法可以将更新开销减少74.6%,显著提高更新效率,并适合于大型动态群组的应用.     

一种新的动态SVM选择集成算法

针对动态选择集成算法存在当局部分类器无法对待测样本正确分类时避免错分的问题,提出基于差异聚类的动态SVM选择集成算法。算法首先对训练样本实施聚类,对于每个聚类,算法根据精度及差异度选择合适的分类器进行集成,并根据这些分类器集成结果为每个聚类标定错分样本区,同时额外为之设计一组分类器集合。在测试过程中,根据待测样本所属子聚类及在子聚类中离错分样本区的远近,选择合适的分类器集合为之分类,尽最大可能的减少由上一问题所带来的盲区。在UCI数据集上与Bagging-SVM算法及文献［10］所提算法比较,使用该算法在保证测试速度的同时,能有效提高分类精度。     

一种新的动态进化聚类算法

针对模糊聚类算法不适应复杂环境的问题,提出了一种新的动态进化聚类算法,克服了传统模糊聚类建模算法须事先确定规则数的缺陷。通过改进的遗传策略来优化染色体长度,实现对聚类个数进行全局寻优;利用FCM算法加快聚类中心参数的收敛;并引入免疫系统的记忆功能和疫苗接种机理,使算法能快速稳定地收敛到最优解。利用这种高效的动态聚类算法辨识模糊模型,可同时得到合适的模糊规则数和准确的前提参数,将其应用于控制过程可获得高精度的非线性模糊模型。     

一种新的列车编组问题优化模型及算法

列车编组计划是编组站完成列车调度和组织工作的指导性文件之一,编制科学的列车编组计划是提高运输效率的重要保证。本文主要探讨了列车编组计划问题的建模、模型计算与求解的方法、编组计划的制定等问题。首先根据某站一天过站列车的数据,以白班和夜班的最小中时为指标,建立了列车解体和编组的优化模型。然后利用遗传算法和Matlab遗传算法工具箱对其进行了求解,最后给出了该站的列车解体计划和编组方案。     

一种新的T-S模糊模型辨识算法

针对非传统T-S模糊模型,给出了一种新的辨识方法。利用改进模糊划分聚类算法辨识前件参数,最小二乘法对模糊模型的后件参数进行辨识。应用Box-Jenkins煤气炉数据和一个非线性系统进行仿真实验,结果证明了该方法的有效性与实用性。     

一种新的高斯混合模型参数估计算法

该文提出了一种高斯混合模型（GMM）参数估计的改进算法．原始的特征向量先经Schmidt正交化消除各维间的相关性,再用数学形态学方法估计出各维概率分布中混合分量的真实个数,最后按真实的混合分量个数用EM算法对各维分别作标量GMM参数估计．该方法能缓解GMM传统参数估计算法引起的“不易扩展”的不便．实验结果表明,将其应用于说话人辨认,能在较大幅度提高训练速度的基础上相对传统GMM参数估计方法获得更高的识别率．     

一种新的动态矢量Preisach磁滞模型

基于Ｍａｙｅｒｇｏｙｚ等的非线性Ｐｒｅｉｓａｃｈ模型，通过该模型在各个方向上进行矢量迭加，并通过在Ｐｒｅｉｓａｃｈ分布函数中引入与输出变化速度相关项，导出了一个新的动态矢量Ｐｒｅｉｓａｃｈ磁滞模型，分别从二维、三维情况下分布函数的有限傅立叶展开式出发，通过引入沿测试方向的弛豫时间，推出了二维，三维情况下新模型中分布函数的数学表达式。新的磁滞模型能较好地描述磁化过程的动态矢量可逆行为及材料的各向异性