计算机科学与技术专业工程实践能力培养模式的探索

针对人才市场的需求和计算机科学与技术专业的特点,从培养方案、校企合作和工程实践项目建设等方面论述了培养学生实践和创新能力的一些改革措施,并以实例介绍这一方面的探索与实践.     

融合张角拥挤控制策略的高维多目标优化

对于高维多目标优化问题,随着目标维数的增加,种群中非被支配解的比例剧增, 严重降低了种群的进化压力.为了对数量众多的非被支配解进行有效的拥挤控制并提升种群的多样性, 本文在提出张角概念的基础上设计了一种新的拥挤控制策略(Congestion control strategy based on open angle, CCSOA),它的时间复杂度并不会随着目标维数的增加而增大. 与目前优秀的进化多目标优化(Evolutionary multiobjective optimization, EMO)算法IBEA (Indicator-based evolutionary algorithm)、NSGAIII (Nondominated sorting genetic algorithm III)和GrEA (Grid-based evolutionary algorithm)的比较结果表明, 融合了CCSOA的高维多目标优化算法在收敛效果和解集分布的均匀性两个方面均有较大的优势.     

基于SVD与模糊聚类的协同过滤推荐算法

协同过滤为个性化推荐解决信息过载问题提供了方案,然而也存在着数据的稀疏性、可扩展性等影响推荐质量的关键问题.我们提出了一种基于奇异值分解（SVD）与模糊聚类的协同过滤推荐算法,通过引用物理学上狭义相对论中能量守恒的方法以保留总体特征值的数目,较为准确地确定降维维度,实现对原始数据的降维及其数据填充.另外,再运用模糊聚类的方法将相似用户进行聚类,从而达到减少邻居用户搜索范围的目的.在MovieLens与2013年百度电影推荐系统比赛等不同数据集上的实验结果表明,该算法能够提高推荐质量.     

一种基于改进Theta~*的机器人路径规划算法

对Theta*算法进行改进,并用于解决机器人路径规划问题.首先,将障碍物对机器人产生的斥力作为一种惩罚函数加入到启发函数中,并合理地选择惩罚函数权重以确定启发函数.在此基础上,改进A*算法的变种——The-ta*算法,提出对路径进行平滑处理的PS_Theta*算法.最后在二维仿真环境中进行验证及数据统计,并推广至三维复杂环境中,实验结果证明了算法的合理性与有效性.     

人工免疫投影寻踪降维模型——AI-PPC

引入人工免疫(AI)系统原理用于解决投影寻踪(PP)降维问题,利用免疫克隆选择算法优化投影方向,将高维的特征数据投影到低维空间上,从而降低了数据挖掘过程中的计算复杂度,实现了数据的约减;并用K-Means等聚类算法分别对初始数据和降维后的数据进行聚类对比。实验结果验证了人工免疫投影寻踪降维(AI-PPC)算法的有效性。     

一种新型协作多机器人路径规划算法

研究了一种在动态环境下的新型协作多机器人路径规划算法。采用集中式与分布式相结合的多机器人系统体系结构,弥补了在分布式环境下的全局性较差和在集中式环境下的实时性较差等不足。在此基础上,通过融合免疫协同进化算法与人工势场法解决全局路径规划与局部路径规划问题,以有效提高机器人的全局协调能力及自适应水平。仿真实验证明了所提算法在动态环境下实现的可行性与有效性。     

一种基于Pareto排序的混合多目标进化算法

为了改进多目标进化算法的收敛性和解集的多样性,提出一种基于Pareto排序的混合多目标进化算法PHMOEA。在PHMOEA中使用干扰集刺激优化非支配集的构成,改善算法的收敛性和解集的分布性,并根据Pareto等级和精英保留策略改进了交叉算子和变异算子。该算法与著名的NSGA-II和SPEA2多目标进化算法在13个基准测试函数上的对比结果表明,PHMOEA算法不仅多样性较好,而且提高了算法的收敛性,并使获得的最优解集的分布性更均匀,覆盖范围更广。     

混合分散搜索的进化多目标优化算法

在进化多目标优化算法中,种群的多样性、对目标空间的搜索能力及算法的鲁棒性直接影响算法的收敛能力和解集的分散性。针对这些问题,提出了一种混合分散搜索的进化多目标优化算法(SSMOEA)。SSMOEA在混合分散搜索算法架构的同时,重新设计其多样性的选取策略,并引入协同进化机制。此外,为了提高算法的自适应性和鲁棒性,采用了一种新颖的自适应多交叉算子选择方法。SSMOEA与经典的多目标进化算法SPEA2、NSGA-Ⅱ和MOEA/D在12个基准测试函数上的对比结果表明,SSMOEA不仅在求得的Pareto最优解集的宽广性、均匀性和逼近性上有明显优势,而且算法的鲁棒性也有明显的提高。     

一种动态不确定环境中机器人路径规划方法

针对动态不确定环境下的机器人路径规划问题,将部分可观察马尔可夫决策过程（POMDP）与人工势场法（APF）的优点相结合,提出一种新的机器人路径规划方法。该方法充分考虑了实际环境中信息的部分可观测性,并且利用APF无需大量计算的优点指导POMDP算法的奖赏值设定,以提高POMDP算法的决策效率。仿真实验表明,所提出的算法拥有较高的搜索效率,能够快速地到达目标点。     

以太网多层交换技术分析与应用

简要介绍了局域网参考模型，分析了以太网的缺限，进而分析以太网第二层交换技术的工作原理及该技术的优缺点，最后着重分析了以太网第三层技术的工作原理及应用。