利用SQL＊Loader实现ORACLE批量数据装载

叙述ＯＲＡＣＬＥ ＳＱＬ＊Ｌｏａｄｅｒ的基本内容，并结合具体实例介绍了使用ＳＱＬ＊Ｌｏａｄｅｒ的各项技术。     

SQL＊FORM与软件开发的研究

ＳＱＬ＊ＦＯＲＭ是ＯＲＡＣＬＥ数据库系统提供的软件开发工具，本文介绍了ＳＱＬ＊ＦＯＲＭ及如何利用ＳＱＬ＊ＦＯＲＭ开发研制应用软件，对利用其他软件工具开发应用软件也有一定的借鉴作用。     

SQL＊Forms3.0信息文件的结构分析

介绍了ＯＲＡＣＬＥ数据库系统格式设计与应用工具ＳＱＬ＊Ｆｏｒｍｓ３．０的新特点与新结构。分析了该软件信息文件的数据结构。给出了信息文件的生成算法。在此基础上，即可实现ＳＱＬ＊Ｆｏｒｍｓ３．０的信息汉化。     

面向对象方法实现SQL解释器

ＨＢＡＳＥ是一个时态数据库管理系统原型,它的ＳＱＬ解释器是用面向对象的方法实现的。本文以ＨＢＡＳＥ＊ＳＱＬ为例,说明了在“ＳＱＬ＋ＯＯＰ”环境中用到的主要对象美、继承层次和特殊的技术。     

一个ORACLE超文本在线帮助系统

该文采用超文本技术对软件系统的帮助信息进行组织，并通过ＯＲＡＣＬＥ数据库ＳＱＬ＊ＦＯＲＭＳ的分析，用ＳＱＬ＊ＦＯＲＭＳ实现了帮助信息的超文本数据库，据此，设计并实现了一个可用于ＳＱＬ＊ＦＯＲＭＳ的超文本在线帮助系统，利用该帮助系统，可以降低应用系统的复杂度，提高应用系统的开发效率和质量。     

ORACLE数据库中用户出口的开发方法

本文介绍了ＯＲＡＣＬＥＤＢＭＳ第四代语言工具ＳＱＬ＊ＦＯＲＭＳ中用户出口的概念，讨论了用ＳＱＬ＊ＦＯＲＭＳ进行数据库应用开发时使用户出口的原因及设计用户出口的一般过程和方法。     

ORACLE数据库结构管理系统

本文介绍一种用ＳＱＬ＊ＦＯＲＭＳ及ＰＲＯ＊Ｃ实现的ＯＲＡＣＬＥ数据库结构管理方法。     

ORACLE SQL ＊Forms在高考决策支持系统中的应用

本文简要介绍了ＯＲＡＣＬＥＳＱＬ＊Ｆｏｒｍｓ和ＤＳＳ系统，并秀一个实例ＴＵＤＳＳ说明了在Ｆｏｒｍｓ环境下用ＰＬ／ＳＱＬ开发ＤＳＳ的一种方法。     

PRODUCT—USER—PROFILE在Oracle系统安全中的应用

Ｏｒａｃｌｅ数据库利用ＳＹＳＴＥＭ用户下的ＰＲＯＤＵＣＴ＿ＵＳＥＲ＿ＰＲＯＦＩＬＥ表来提供产品级的安全（Ｐｒｏｄｕｃｔ－ｌｅｖｅｌｓｅｃｕｒｉｔｙ）,用以补充用户级安全（Ｕｓｅｒ－ｌｅｖｅｌｓｅｃｕｒｉｔｙ）的不足。ＤＢＡ能够利用ＰＲＯＤＵＣＴ＿ＵＳＥＲ＿ＰＲＯＦＩＬＥ限制ＳＱＬ＊Ｐｌｕｓ环境下的一定的ＳＱＬ和ＳＱＬ＊Ｐｌｕｓ命令。当一个用户登录到ＳＱＬ＊Ｐｌｕｓ时,ＳＱＬ＊Ｐｌｕｓ从ＰＲＯＤＵＣＴ＿ＵＳＥＲ＿ＰＲＯＦＩＬＥ中读取约束并在此进程执行这些约束。本文介绍Ｏｒａｃｌｅ数据库ＳＹＳＴ…     

UNIX环境下ORACLE实时更新FORM的研究与实现

ＳＱＬ＊Ｆｏｒｍ是ＯＲＡＣＬＥ公司最为重要的应用开发工具之一，在实际工程项目中有着极其广泛的应用。本文介绍利用ＯＲＡＣＬＥ公司所提供的功能对其进行扩充，并利用ＵＮＩＸ操作系统所提供的进程间通信功能使ＳＱＬ＊Ｆｏｒｍｓ能够处理需要实时控制的应用     

基于多个QoS约束的路径选择算法

寻找同时满足多个独立的QoS 约束的路径是一个NP 完全问题。提出一种解决多约束路径问题的有效算法———多约束最小跳路径算法( MHMCA) , 该算法首先利用Bellman-Ford 最短路径算法进行标记, 并删除图中的无用链路, 在简化后的图中使用基于堆栈的深度优先搜索算法寻找所有满足约束的最小跳可行路径。最坏情况下, 算法的时间复杂度为O( n3) 。仿真结果表明, 该算法寻找具有最小跳可行路径的成功率高, 接近于最优算法。     

A~*算法的改进及其PROLOG实现

在人工智能领域中,A~*算法是实现有向图最佳优先搜索的一种启发式算法。本文介绍了A~*算法和对A~*算法的改进——B算法,并叙述了用Turbo Prolog实现B算法的方法。     

一种生成最优联盟结构的任意时间算法

提出一种用于生成最优联盟结构的任意时间算法LVAA。利用分支限界技术和剪枝函数搜索联盟结构图的L1、L2和最顶层后,根据整数拆分对剩余的搜索空间进行横向剪枝,并在横向剪枝剩余的子空间内进行纵向剪枝,从而求得最优联盟结构。实验结果表明,该算法的剪枝效率较高,并能在任意时间点上找到最优值。     

克鲁斯卡尔(Kruskal)算法的实现与分析

克鲁斯卡尔(Kruskal)算法是实现图的最小生成树最常用的算法。本文主要介绍克鲁斯卡尔(Kruskal)算法的实现方法,并对克鲁斯卡尔(Kruskal)算法的效率进行分析。     

Prediction of performance and processor requirements in real-timedata flow architectures

Presents a new data flow graph model for describing the real-time execution of iterative control and signal processing algorithms on multiprocessor data flow architectures. Identified by the acronym ATAMM, for Algorithm to Architecture Mapping Model, the model is important because it specifies criteria for a multiprocessor operating system to achieve predictable and reliable performance. Algorithm performance is characterized by execution time and iteration period. For a given data flow graph representation, the model facilitates calculation of greatest lower bounds for these performance measures. When sufficient processors are available, the system executes algorithms with minimum execution time and minimum iteration period, and the number of processors required is calculated. When only limited processors are available or when processors fail, performance is made to degrade gracefully and predictably. The user off-line is able to specify tradeoffs between increasing execution time or increasing iteration period. The approach to achieving predictable performance is to control the injection rate of input data and to modify the data flow graph precedence relations so that a processor is always available to execute an enabled graph node. An implementation of the ATAMM model in a four-processor architecture based on Westinghouse's VHSIC 1750A Instruction Set Processor is described     

低复杂度重构在分布式实时数据密集型Web服务架构中的应用

针对下一代分布式实时系统在重构时实时性要求较高的问题,本文提出了一种降低系统图复杂度并在有限时间内重构的方法。首先,利用服务组合确保重构在有限时间内实现;然后,通过路径选择算法和路径发送算法对图进行实时剪裁;最后,引入图构建算法消除具有更多非可调度路径的服务实现来降低图的复杂度。在iLAND服务重构和组合组件内部验证了本文方法,实验结果表明,本文方法能够显著减少解空间,大大减少了重构过程的计算时间。     

基于人工鱼群算法的机器人路径规划

首先采用链接图建立机器人工作空间模型,用Dijkstra算法求得链接图最短路径;然后使用人工鱼群算法对此路径进行优化,最终得到全局最优路径。以一个路径为例,进行了实际编程计算,结果表明,基于人工鱼群算法的机器人路径规划方法,具有较快的收敛性和较高的计算精度。     

一种遗传蚁群算法的机器人路径规划方法

研究遗传算法和蚁群算法可作为新兴的智能优化算法,在解决多目标、非线性的组合优化问题上表现出了传统优化算法无可比拟的优越性。基于将两种智能优化算法动态融合的思想提出了一种新的遗传蚁群算法(GA-ACO)。与已有的将遗传算子引入蚁群算法的结合方式不同之处在于,GA-ACO算法第一阶段采用了遗传算法生成初始信息素分布,在第二阶段采用蚁群算法求出最优解,从而有效地结合了遗传算法的快速收敛性和蚁群算法的信息正反馈机制。仿真结果表明,在具有深度陷阱的特殊障碍物环境下,应用GA-ACO算法求解机器人路径规划问题可以得到较好的的结果。     

一种基于选择策略的差分混合蛙跳算法

设计了一种选择差分混合蛙跳算法SDSFLA,该算法通过增加组内个体更新个数提高了种群更新效率;通过引入差分进化算法的交叉算子和变异算子,加强了个体之间的信息交流;使用多种更新策略,提高了实验个体产生的成功率;随机选择控制参数,增加了种群的多样性。基于16个基准测试函数,将SDSFLA与一种改进的蛙跳算法、两种改进的差分进化算法进行对比,实验结果证实了SDSFLA算法的有效性和稳定性。     

一种基于分层图的改进SPFA算法

针对数据结构课程教学中顶点数受限的最短路径问题,提出一种基于图分层的改进SPFA算法——K_SPFA。借鉴图分层思想,将原图拓展为层数与顶点限制数相等的图层,将原图中的边拓展成图层间的边。利用2个同步循环的FIFO队列和贪心策略,对SPFA算法的数据存储结构和最短路径更新操作进行改进,从而实现原图中顶点数受限的最短路径寻找。实验结果表明,K_SPFA具有较低的平均时间复杂度。