基于混合DSm模型的多机器人地图构建

针对多移动机器人探测静态未知环境,提出了多机器人的一类新的体系结构和机器人内部控制结构,采用分布式融合框架,引入了最近提出的一种在贝叶斯和DST扩展而来的信息融合理论DSmT,结合限制传播算法,建立了不精确传感器(声纳)的混合DSm模型.构造了基本信度赋值函数,计算每个栅格的基本信度值(gbba),有效地融合了多个移动机器人使用声纳获取到的不精确、不确定和高冲突环境信息.最后,以Pioneer 2-DXe机器人作为实验平台,将由混合DSm模型构建出的静态环境地图与实际环境布局做比较,并利用openGL绘制出三维置信度分布图,充分验证了所提出的算法和基于通信的多机器人系统的有效性.     

基于ε占优的正交多目标差分演化算法研究

演化多目标优化是目前演化计算中热门研究方向之一.但是,要设计一种高效、鲁棒的演化多目标优化算法,使其找到接近最优和完整的非劣解集是一项很困难的任务.为了能有效求解多目标优化问题,提出了一种新的多目标差分演化算法.新算法具有如下特征:1)利用正交实验设计和连续空间量化的方法产生初始群体,使得初始群体中的个体可以均匀分布于搜索空间,并且可以使好的个体在演化过程中得到利用;2)采用Archive群体保存非劣解,并利用ε占优方法更新Archive群体,从而可以使算法较快获得分布很好的Pareto解集;3)为了加快算法收敛,提出一种基于随机选择和精英选择的混合选择机制.通过8个标准测试函数对新算法进行测试,并与其他一些多目标演化算法进行比较,其结果表明新算法可以有效逼近真实Pareto前沿且分布均匀,并且在收敛性和多样性的求解精度和稳     

RQIC:一种高效时序相似搜索算法

索引大规模时序数据库是高效时序搜索中的关键问题.提出了一种新颖的索引方案RQI, 它包括3种过滤策略: 即first-k过滤、索引低边界和上边界以及三角不等式修剪.基本的思想为首先运用Haar小波变换计算每个时序的小波系数,利用前面的k个小波系数形成一个最小边界矩阵,以利用点过滤方法;然后将预先计算每个时序的低边界特征和上边界特征存放到索引当中;最后采用三角不等式来修剪不相似的序列并确保没有漏报.同时提出了一种新的低边界距离函数SLBS和聚类算法CSA.通过CSA可保持索引良好的聚类特征以提高点过滤方法的效率,从而引入了一种更好的算法RQIC.在合成数据集和实时数据集的大量对比实验表明,RQIC是有效的且具备较高的查询效率.     

基于亲缘选择的遗传算法

针对传统遗传算法容易陷入局部最优解的缺陷,借鉴生物中亲缘选择的思想,提出基于亲缘选择的遗传算法。该算法构造新选择算子,通过按亲缘关系放弃一个解而获得另一个解来保证算法在最优解的领域内的有效搜索,提高遗传算法对全局最优解的搜索能力和收敛速度。仿真结果表明,该算法正确有效,性能优于现有的传统算法。     

基于频繁项挖掘的未知P2P流量识别方法

提出一种基于多维聚类的频繁项挖掘算法,利用聚类思想自动挖掘网络中的显著流量及其规则,并在此基础上,对显著流量进行P2P疑似性判别,同时结合应用层特征识别技术,对高度疑似的P2P显著流量类进行过滤,实现未知P2P流量检测。实验结果表明,该方法是有效的。     

有效的WebGIS地图服务器场负载均衡算法

针对现有网络地理信息系统（WebGIS）负载均衡技术的缺陷,分析利用集群技术解决WebGIS负载均衡的必要性和可行性,提出基于地图服务器场的WebGIS分布式负载均衡模型,研究地图服务器场分布式动态均衡调度算法,建立试验床,通过一系列的试验结果验证了该算法良好的全局网络负载性。     

基于Web Service的虚拟研究中心KMS构建

针对虚拟研究中心知识管理敏捷化、柔性化和分布式的需求特性,结合Web Service技术搭建了虚拟研究中心知识管理系统网络体系架构,提出一种基于Web Service的虚拟研究中心知识管理系统模型。依据模型框架,构建雅砻江水电开发虚拟研究中心知识管理系统。研究表明,依据模型构建的虚拟研究中心知识管理系统能有效地实现基于Web的知识共享、交流和创新,模型具有较好的可靠性和可行性。     

网格环境下的分布仿真事件调度研究

针对网格仿真中的事件调度问题,提出一种新的时序管理方法。该方法同时考虑网格仿真成员的按需模型服务调用与成员间的交互,对仿真中具体存在的事件进行分类,建立成员的相关局部事件触发矩阵和时序关系矩阵,并应用Mutli-AWS算法求解每个事件的开始时间。实验结果证明,该方法可以确保成员之间事件的时序关系,有效解决成员按需模型服务调用问题。     

UML状态图在回归测试中的应用

基于UML状态图的测试是一种系统测试技术,也是基于需求的回归测试方法的扩展。该文通过依赖性分析,生成基于依赖性分析的UML状态图和依赖图,将修改前和修改后的UML状态图进行比较,为回归测试中待测试的程序的理解、发现和修改错误提供一种方法,并运用SATM实例讨论该技术在回归测试中的应用。