基于动态生产能力约束的MC模式下供应链调度优化

大规模定制(MC)模式下的供应链调度优化过程是典型的随机需求与资源约束的动态问题。为合理解决这一问题，在前期研究成果基础上，着重从供应链系统中各协作成员的动态空余生产能力角度出发，指出动态空余生产能力约束关系是该调度优化过程的主要约束关系。进而分析了由该约束关系引发的相关矛盾。通过引入反映和解决矛盾的利益偏好因子，建立了更加完善的动态调度优化数学模型，并通过实例验证了模型的有效性与可行性。     

HLA RTI数据描述码扩展

为高层体系结构(High Level Architecture，HLA)运行支撑环境(Run—Time Infrastructure，RTI)引入一个新的扩展，该扩展使用数据描述码在消息上附加特征属性，使RTI能够对数据应用更丰富的使用策略。文章第1、2部分提出了基于数据描述码过滤数据，以及构建HLA仿真系统面向方面框架(Aspect Oriented Framework，AOF)的技术，第3、4部分详细说明了数据描述码扩展和实验原型的设计。数据描述码扩展可用于提高仿真系统的运行效率，改进大规模HLA仿真系统的架构设计，并且不改变RTI和联邦成员的编程接口。     

高校网络系统与虚拟专用网络

面对高校网络系统出现的新情况,本文结合虚拟专用网络VPN的技术特点,探讨了它与发展中的校园网的关系,以及利用虚拟专用网络的多样性来作为高校网络系统多元化后有效的解决方案。     

采用传播图论建模方法的Massive MIMO室内场景传播特性

大规模多天线(Massive MIMO)技术在基站端配置大规模天线阵列,能够大幅度提升数据传输速度和系统容量,实现无线传播信道中的空间和时间资源的最大化利用.有关Massive MIMO无线传播信道的研究,对大规模多天线的应用、系统的设计与部署具有重要意义.本文采用传播图论信道建模的方法,研究Massive MIMO在实际传播信道中的性能表现,既能很好的避免信道实测带来的繁重工作,又能有效反映Massive MIMO的无线信道衰落特性.分别在高频点6GHz和低频点1.472 5GHz对选定的室内传播场景进行了信道建模与仿真,由传播图论建模方法得到了信道冲激响应,并进行参数提取,分别从角度域和时延域分析了大规模多天线系统的信道传播特性,并通过分析信道奇异值扩展的分布,证明了实际传播环境中天线数目增多信道的正交性显著增强.     

定制设计的发展和应用研究

本文从介绍定制模式产生的背景入手,分析定制设计的理念和发展,对大规模定制的优势进行探讨,解析顾客定制的概念和变革,探讨情感设计的个性化,对定制设计的挑战和应用进行总结。     

慕课背景下高校图书馆服务创新的思考

介绍了大规模开放在线课程慕课,从2008年由加拿大学者提出,到2012年,仅仅四年即风靡全球,因其具有两个显著的特点,即开放共享和可扩张性,能将人类教育的公平自由与知识的开放无国界性充分发挥出来;同时慕课的出现和发展亦有其必然性.慕课的出现为高校图书馆服务创新提出了挑战,图书馆要与时俱进,利用自身资源优势,对慕课的制作及在线推广提供种种有力支持,创新职能,拓展服务阵地.     

安利创新环保模式

正安利社区看绿活动让企业、基金会、草根组织和社区基层组织在公益领域实现优势互补。用废纸拼出彩色的画,用旧袜子制作娃娃,用投球的方式引导市民垃圾分类。7月4日,由安利公司联合巴南团区委、巴南区环保局联合开展的"Green We Can安利社区看绿环保体验活动"走进巴南龙洲湾社区。今年4月9日,安利正式启动该活动。通过大规模网络征集,共收到来自"草根环保组织"的80余个优秀环保创意,其中"二次皂油"、"妙纸生花"、"布布针先"、"空中花园"和"绿色传递"等5个项目在评选中脱颖而出。数月以来,安利社区看绿活动走进了湖北、海南等多个省份,趣味活动让社区居民在家门口通过互动有趣的游戏,就能了解环保知识,增强环保意识。     

DBugHelper:分布式系统Debug协助工具

对于大规模分布式系统的开发而言,其开发周期比较漫长,包括前期的开发、过程中的Debug、后期的维护和测试等.在整个开发周期中,Debug是一个非常关键和重要的环节,如何才能在短时间内找到最可靠的方法来解除bug成为一个重要的挑战.对于系统开发人员来说,bug报告能非常有效地帮助其了解bug的所有特征信息,并找到能修复bug的方法.通过研究发现,许多大规模分布式系统之间具有较强的相关性和相似性,因而其bug的产生情况和修复方法也具有类似特征.开发人员可以利用已存在的修复bug的方案来协助修复与其一致或相近的bug.本文提出一个适用于大规模分布式系统的Debug协助工具——DBugHelper,能为某些大规模分布式系统的开发人员的bug修复提供比较有效、正确的帮助.DBugHelper将最新的bug报告进行文本处理,形成查询向量,并将大量已被修复的bug及其相关信息进行离线处理和缓存,从而为在线查询提供索引机制.通过将大量已修复的bug报告进行离线处理并同时减少在线处理的数据量,从而使其准确并快速地为系统开发人员提供必要的Debug协助工作,以此减少系统开发的周期与成本.     

大规模连片式边坡治理原则及其监测技术研究

依托都匀北站南延线边坡治理工程,开展大规模连片式边坡治理原则及其监测技术研究,得到以下结论。对于大规模连片式边坡治理工程,不能按照传统单个边坡的治理方式进行防护治理,应将其中边坡进行统筹考虑。引入边坡风险预测的理念将依托工程边坡划分为重点防护区、次重点防护区和一般防护区,使得在边坡治理过程中有主有次,即可保障工程项目顺利进行。此外,依据边坡等级划分,采取了针对性的边坡治理措施和监测措施,取得了较好的效果。     

针对大规模数据的分布一致缺失值插补算法

缺失值插补(missing value imputation,MVI)作为数据挖掘领域的重要研究分支，旨在为机器学习算法的训练提供高质量的数据支持。不同于现有的以算法性能提升为导向的MVI算法，为对大规模数据的缺失值进行有效插补，该文提出一种以数据结构还原为导向的数据分布一致MVI(distribution consistency-based MVI, DC-MVI)算法。首先，DC-MVI算法基于概率分布一致性原则构建了用于确定最优插补值的目标函数；其次，利用推导出的可行缺失值优化规则获取与原始完整值保持最大分布一致性且方差最为接近的插补值；最后，在分布式环境下，针对大数据的随机样本划分(random sample partition, RSP)数据块并行训练DC-MVI算法，获得大规模数据缺失值对应的插补值。实验结果表明：DC-MVI算法不仅能生成与原始完整值保持给定显著性水平下概率分布一致的插补值，还具有比另外5种经典的和3种最新的MVI算法更快的插补速度和更好的插补效果，进而证实DC-MVI算法是一种可行的大规模数据MVI算法。