一种全局收敛的线搜索滤子SQP方法

对于求解不等式约束优化问题,将线搜索和滤子方法相结合提出了一种新的线搜索滤子序列二次规划( filterSQP)方法.该方法克服了传统的SQP方法二次子问题不相容的困难,并利用滤子避免了罚函数的使用.同时在合理条件下证明了此方法具有全局收敛性质.     

变分不等式的混沌搜索算法

基于变分不等式的等价形式,构造了一种混沌搜索算法来直接求解变分不等式问题,根据混沌行为的遍历性和规则性,可以得到算法的渐进收敛性.数值试验结果表明,该算法是一个有效的方法.     

基于动态二进制的二叉树搜索结构RFID反碰撞算法

针对RFID系统中最常见的反碰撞问题,提出一种基于动态二进制的二叉树搜索结构RFID反碰撞算法,并用反证法证明整个搜索过程符合满二叉排序树结构,然后对比二进制及动态二进制算法,证明本算法的优越性,仿真结果表明本算法比已有的动态二进制反碰撞算法更具优势,而且随着标签数目与标签EPC位数的增多,优势更明显。     

一种基于自适应模糊聚类的高效图像索引方法

通过对模糊C均值聚类算法进行分析评价,提出了一种高效的自适应图像数据聚类方法,该方法采用曲线的多项式拟合技术自动获取随数据分布动态变化的阈值,改进后的算法克服了模糊C-均值聚类对聚类中心的敏感性以及聚类的局部性,并在此基础上建立了相应的索引机制.仿真实验表明,自适应模糊聚类索引大大提高了检索性能.     

舰船往返拦截搜索发现概率计算公式的推导、检验和修正

可靠的单舰船搜索效能解析计算方法,是舰船编队和多舰船协同搜索行动效能计算和方案优化的基础.本文建立了单舰船往返拦截搜索发现概率计算模型,给出了基于有效相对搜索区分析的发现概率计算方法,对发现概率近似计算公式进行推导并编制仿真计算程序对计算结果的可靠性进行检验,根据检验结果和进一步的理论分析对计算公式进行修正.仿真检验显...     

考虑工人疲劳和学习效应的装备制造车间动态调度

针对大型装备制造车间人机双资源调度中工人疲劳和学习效应集成优化难的问题,基于指数型疲劳表征和DeJong学习曲线,构建混合整数规划模型。根据双资源调度问题的编码特征,结合排序规则生成初始调度方案,结合移除和插入操作设计自适应大邻域搜索算法,以求解人机双资源分配、工件排序、动态调度等子问题。同时,围绕紧急插单、机器故障、工人离岗等扰动设计重调度策略,基于原有算法实现动态调度,并进行算法测试。结果表明,与求解器、规则、遗传算法等相比,所提算法找到了完工时间更短的调度方案,且在紧急插单、机器故障、工人离岗等动态调度场景下,也能够给出更好的结果。所研究的装备制造车间调度问题同时考虑了工人疲劳与学习效应,对应算法可为大型装备制造排产系统开发提供参考。     

基于GPU的面向SPH流体模拟的邻居查找算法

为了提高基于平滑粒子动力学( SPH)的流体模拟速度,提出了一种在图形处理器( GPU)上实现的基于网格的邻居快速查找算法.该方法首先使用粒子位置纹理信息建立对应的网格纹理,然后利用GPU排序方法按照粒子的网格索引进行排序,最后在排序后的网格纹理中得到粒子的邻居粒子索引,并将其赋值到预计算的粒子邻接纹理中.该方法克服了...     

静态查找算法性能分析

查找是信息处理中常用的操作。对顺序查找和折半查找两种静态查找算法的性能进行了分析，并给出了相应算法平均查找长度的计算方法，以便应用软件设计者选择合适的查找算法，优化系统性能。     

基于ElasticSearch的大日志实时搜索的软件集成方案研究

现代企业每天生成很多日志文件,如果能实时处理日志数据,企业能获取更大的商业价值,但管理这个大日志数据是一个巨大的挑战,因为传统的技术用来处理庞大的数据不够高效.Hadoop生态系统提供一种新的方式来处理大数据,ElasticSearch技术是基于云环境的实时搜索引擎.本文提出了基于ElasticSearch实时进行大日志数据搜索的软件集成方案,采用基于硬件创建虚拟机环境,根据搜索条件使用ElasticSearch得到需要的rowkey列表,Hbase用这些rowkey直接从数据库中得到数据.实验证明,随着日志事件搜索量的增加,搜索反应时间不线性增加,基于ElasticSearch的大日志实时搜索的软件集成方案设计具有可行性.     

ON A NEW GRADIENT PROJECTION METHOD

In 1983,Du and Sun gave an algorithm which possesses superiorities of both Rosen'sgradient projection method and Wolfe's reduced gradient method.However,in order to have theprovable global convergence,the algorithm includes an ε-procedure as one of its parts.In this paper,we delete such a part and prove a convergence theorem.