泛在学习内涵分析

泛在学习是一种＂无所不在＂的学习理念,一切支持＂无所不在的学习＂的外部环境——自然的、物理的、信息的、社会的是泛在学习发生与实施的环境基础。泛在计算与学习从本质上来讲没有衍生关系,而是新技术与应用领域的关系。理清泛在学习的定义及内涵,可为推进泛在学习的研究和实践进程提供参考。     

一种多集群网格的负载均衡算法

网格环境由于其可扩展性、异构性以及大量的传输延迟,使得网格环境下的负载均衡不同于传统的分布式系统.提出了一种动态的分布式负载均衡算法,该算法综合考虑网格站点的处理能力和站点之间的传输延迟,采用即时分配策略来降低作业的执行成本,目标是使系统平均作业响应时间最小化.仿真结果显示该算法显著减少了作业的平均响应时间.     

面向服务的C4ISR系统能力需求分析与建模方法

面向服务计算（SOC）提供了一种满足C4ISR系统动态需求的新的集成架构,面向服务集成是未来C4ISR系统综合集成的必然趋势。为了解决C4ISR高层需求描述到系统设计的映射问题,将面向服务思想引入C4ISR系统的能力需求分析,提出了一种面向服务的C4ISR系统能力需求分析建模方法。该方法在3层多本体的基础上,由活动分析驱动服务建模,通过整合服务提供能力需求,为C4ISR系统分析设计和系统集成提供了一种更灵活的解决方案。最后,采用一个案例说明了方法的有效性和可用性。     

一种多塔机智能安全监控系统的研究与实现

防碰撞算法是塔机安全监控系统的关键技术之一,而目前商品化的产品中均未考虑吊装物摆动的影响,其远程监控系统中集中监控模式也不适用于塔机群大数据流。基于此,首先根据吊装物摆动特性设计出了一种考虑吊装物摆动的防碰撞算法,该算法在不添加额外传感器的情况下,由绳索实时张力与吊装物重力的关系得出实时的摆动角度,从而得出吊装物在每个时刻可能到达的位置。其次,基于云计算平台设计了多塔机智能安全监控系统,包括本地监控系统与远程监控系统两部分。利用GPRS-Internet无线传输网络将本地数据传输到远程监控终端,实现多塔机的统一监控和协同管理。经程序测试,系统可稳定工作且运行可靠,能够保障塔机的运行安全,满足市场需求,具有良好的应用前景。     

一种高可靠分布计算系统的适应性故障侦测方法

针对高可靠分布计算系统的故障侦测,提出一种适应性故障侦测方法.根据系统计算节点的负载和网络传输时延,动态地估算心跳消息超时时限,协商改变心跳消息的发送周期,以适应系统状态的变化,减少故障侦测服务的错误.模拟实验表明,该方法与通常的故障侦测方法及NFD-E相比,故障侦测出错次数较少,侦测时间较短,并能够适应高可靠分布计算系统状况的变化,在侦测的实时性和正确性上提供较好的平衡.     

一种基于工作流面向服务的分布式远程协同仿真系统

从面向服务的视角对分布式协同工作流进行了分析,提出工作流网格资源化的概念.定义工作流模型资源为网格资源,并遵照网格资源描述的规范描述工作流模型资源,实现从网格基础设施资源层支持协同工作流;同时以该工作流模型为原型,以面向服务的体系结构为基本框架,构建网格环境中协同工作流服务框架,实现了基于工作流的面向服务的分布式远程协同仿真系统.     

关于丢番图方程x6±y6=2pz2

设p＞3为素数,证明了丢番图方程x6-y6=2pz2无正整数解,证明了丢番图方程x6+y6=2pz2在p≠1(mod 24)时无正整数解,同时获得了方程在p≡1(mod 24)时有正整数解的计算公式.     

基于MPI的投影法数控编程算法

提出了基于消息传递的刀位轨迹并行计算方法.该方法首先将串行计算任务合理的划分成若干并行子任务,然后动态的分配到各处理机上,能充分利用网络中空闲的计算资源,提高计算速度.分别应用于投影法和自适应投影法编程,试验结果表明该方法具有令人满意的并行加速比.     

基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

云计算环境下关联性大数据实时流式可控聚类算法研究

针对传统聚类算法效率低、效果差和稳定性弱等弊端,提出一种新的云计算环境下关联性大数据实时流式可控聚类算法。介绍了关联性实时流式数据的定义和特点。通过粗聚类对实时抵达的数据元组进行相应的预处理,确定类簇的数量与中心点位置,形成通过存在差异的宏簇构成的集合,粗聚类采用的算法为Canopy算法。将粗聚类得到的宏簇传至K-means算法,给出了K-means算法的详细步骤,通过K-means算法完成细聚类,介绍了整个细聚类详细步骤。实验结果表明,所提算法具有效率高、质量好、稳定性强等优势,可有效实现云计算环境下关联性实时流式大数据聚类。