基于深度学习的资源投入问题算法

针对资源投入调度问题,提出了基于实时调度状态的调度优先级规则智能决策机制,构造了嵌合人工神经网络的双层迭代循环搜索算法.算法上层为启发式资源搜索框架,下层为基于实时调度状态的调度优先级规则智能决策算法.下层算法通过双隐层BP神经网络离线学习,获得调度状态与调度优先级规则的映射关系,并在实时调度过程中的每一阶段,根据当前调度数据,智能决策调度优先级规则,并指导作业调度进行.最后,通过标准算例库PSPLIB进行对比实验,验证了所设计算法的有效性.     

以PPP模式助力解决中国城市停车问题——以赣州市为例

随着我国城市停车问题日益突出,部分城市开始采用PPP模式推动城市停车场的投资、建设与运营管理,充分发挥社会资本优势并取得较好效果。文章以赣州市中心城区公共停车场建设PPP项目为例,通过分析项目运作情况与梳理实际运营经验,总结出应优化商业条件,注重政策落实;做好前期设计规划,奠定运营基础;深挖“停车场+”模式,提高停车场非主营业务收入;智慧化建设,节约人力成本,以期为更好的发挥PPP模式优势、提升城市静态交通建设与管理水平提供借鉴与参考。     

基于谱聚类的在线数据库垂直分区多阶段生成方法

垂直数据分区技术从逻辑上将满足一定语义条件的数据库表属性存放在同一个物理块中,进而降低数据访问成本,提高查询效率.数据库查询负载中的每条查询通常只与数据库表中的部分属性有关,因此只需使用数据库表的某个属性子集便可以得到准确的查询结果.合理的垂直数据分区方式可以使大多数查询负载不需要扫描完整数据库就可以完成查询任务,从而达到减少数据访问量,提高查询处理效率的目的.传统的数据库垂直分区方法主要基于专家设置的启发式规则,分区策略粒度较粗,且不能根据负载的特征进行有针对性的分区优化.同时,当负载规模较大或者属性个数较多时,现有垂直分区方法执行时间过长,尤其无法满足数据库在线实时调优的性能需求.为此,提出在线环境下基于谱聚类的垂直数据分区方法（spectral clustering based vertical partitioning,SCVP）,采用分阶段求解的思想,减少算法时间复杂度,加快分区执行速度.首先通过增加约束条件缩小解空间（即根据谱聚类生成初始分区）,然后对解空间设计算法进行精细的搜索（即采用频繁项集和贪心搜索相结合的策略对初始分区进行优化）.为了进一步提升SCVP在高维属性下的性能,提出了SCVP的改进版本SCVP-R （spectral clustering based vertical partitioning redesign）.SCVP-R通过引入同域竞争机制、双败淘汰机制和循环机制,对SCVP在分区优化过程中的合并方案进行了进一步优化.在不同数据集上的实验结果表明,相比于目前最好的垂直分区方法,SCVP和SCVP-R有着更快的执行时间和更好的性能表现.     

动态故障树的边值多值决策图分析

动态故障树分析对于复杂系统来说是一种重要的可靠性分析技术,但是二叉决策图等传统模块化方法存在严重的状态空间爆炸问题.本文系统介绍了边值决策图的动态故障树分析方法,其中边值多值决策图相对于其它现有的决策图具有更紧凑的表示函数,通过状态数的缩减,缩短了计算时间,有效缓解状态空间爆炸问题.实例证明了边值多值决策图在多状态系统和多功能系统中使用的方法和优势.     

基于起跳稳定性的仿蝗虫八杆跳跃机器人设计

通过模仿蝗虫起跳过程中的后足胫节末端的直线运动轨迹和起跳稳定性，提出了一种仿蝗虫八杆跳跃机器人设计方法。建立运动学模型并利用天牛须搜索算法对机构的尺寸参数进行优化设计，优化后的八杆跳跃机构的等效胫节末端轨迹和蝗虫后足胫节起跳过程的末端轨迹吻合，基本为一条斜直线。基于拉格朗日方程对八杆跳跃机构的起跳动力学进行建模，并分析了身体所在杆的质心位置对起跳过程的影响，发现通过增大等效跗节杆的质量能提高起跳动力学稳定性。根据运动学和动力学分析的结果，设计了仿蝗虫八杆跳跃机器人，并利用高速摄像机搭建实验平台记录其起跳过程，验证了等效跗节杆的质量对起跳动力学稳定性具备有效的调节效果。