来源于生活的C／S体系结构教学实践

本文通过分析生活中的银行柜台取钱或存钱这一生活实例,将其融入到“软件工程”课程的客户／服务器体系结构的教学活动中,以提高软件工程的教学质量。     

改进区块遗传算法解决分布式车间调度问题

针对分布式车间调度问题,提出了改进区块遗传算法(modified block-genetic algorithm,MBGA).用NEH和随机性两种方式得到高质量的初始解,然后进行统计分析,选出精英染色体,建立工件-车间分配矩阵和工件-机器排序矩阵,挖掘联系紧密的基因链组成区块.构建基于区块的人工染色体,并进行基因重组,...     

增量式的高效属性约简算法

属性约简是Rough集理论的核心内容之一，计算所有的属性约简已经被证明是NP完全问题．在深入研究Rough集理论的基础上，仔细分析了对象集的增加与属性约简的关系，给出了增量式属性约简的判定定理，从而提供了计算所有属性约简的增量式算法，分析了算法的时间复杂度．理论分析和实验结果表明，该约简算法在效率上较现有的算法有显著提高．     

基于事件流图的GUI自动化测试系统的开发

针对目前GUI自动化测试方法中存在着一定程度的手工依赖性以及对测试用例和测试覆盖率缺乏系统管理等问题,本文结合Microsoft UI Automation框架开发了一个基于事件流图的GUI自动化测试系统。该系统先对被测标准GUI进行逆向工程以得到GUI的事件流图和期望的结果,然后分别采用基于蚁群算法的日常冒烟测试用例生成算法和基于宽度优
先搜索的深度回归测试用例生成算法生成测试用例,并用这些生成的测试用例来测试新的GUI。测试结果表明,该GUI自动化测试模型是切实可用的,为在Windows环境下提高GUI测试的自动化程度提供了一种更为有效的途径。     

公式章 1 节 1 基于SLP和改进遗传算法优化C企业车间布局

车间设施规划设计是工业工程领域的的重要研究之一,车间布局的优劣对企业的生产效率和收益有直接的影响。当前国内部分企业车间布局规划往往采用传统经验来布置,缺乏了科学的理论和数据基础作为支撑,也会导致在以后的生产中无法适应生产要求的变化。系统设施布置方法（Systematic Layout Planning,SLP）与智能算法结合能够规避传统经验的不足,得到更加科学合理的规划方案。本文将C企业车间布局作为研究对象,以生产物流作为切入点,对车间布局进行优化研究,采用SLP和改进遗传算法相结合的车间布局,有效的减少了车间内的物流搬运成本,加强了作业单元之间的联系,提高了生产系统的运行效率以及企业的核心竞争力。     

项目驱动产学结合的软件工程系列课程构建探讨

通过产学结合,以企业实际软件项目贯穿软件工程的相关课程,使之形成系列和一个整体,引入企业工程师合作组建课程教学团队,将企业的真实要求和企业文化融入到日常教学,增强了学生的学习动力和使命感,在帮助学生加深对软件工程的认识和提高动手能力方面有重要作用。     

论芳纶纤维的应用与发展趋势

<正>芳纶纤维是芳香族聚酰胺纤维的简称,是一种新型高科技合成纤维,由芳香基团和酰胺基团连接组成线性聚合物。按结构的不同,芳纶纤维可分为对位芳纶(PPTA)、间位芳纶(PMIA)、邻位芳纶3种,其中邻位芳纶因商业价值不高研究较少,目前研究和应用较多的是对位芳纶和间     

基于博弈人工蜂群算法的多目标车间调度研究

针对作业车间调度问题,以最大完工时间最小、机器的总空闲时间最小以及任务总延迟时间最小为目标,提出了博弈人工蜂群算法来求解多目标作业车间调度模型。为优化种群质量,应用改进的人工蜂群算法,通过设计交叉、变异以及局部搜索机制对种群进行不断优化;然后,通过博弈理论,使3个优化目标之间的博弈策略组成最优组合,从而获得子博弈精炼纳什均衡,求得问题的最优解;最后,进行了基准算例的仿真实验,并与其他算法进行比较,结果验证了所提算法的有效性。     

面向软件工程专业的机器学习课程实践教学探究

针对目前软件工程专业机器学习实践教学与实际工程项目脱节的问题,提出以实际工程项目需求为驱动,按照软件工程的工程化思想组织机器学习课程实践教学,以电力行业施工人员着装检测实际需求为例,介绍“基础+进阶+开放”的实践教学案例设计,阐述如何基于软件工程过程进行实践教学组织。     

LBSN中基于社区联合聚类的协同推荐方法

近年来,异质网络中的社区发现逐渐成为人们关注的研究热点,然而现有大多数非重叠或重叠的社区发现方法都局限于考虑单一类型的网络结构,而无法适用于包含多模实体及其多维关系的异质网络,基于位置的社交网络(location based social network, LBSN)作为最近兴起的一种新型异质网络,如何有效发现其含有多维关系的复杂社区结构对现有研究来说是一个挑战性的难题.为此,提出了一种融合用户与位置实体及其多维关系的社区发现方法MRNMF(multi-relational nonnegative matrix factorization),该方法通过建立基于非负矩阵分解的联合聚类目标函数,并考虑融入用户社交关系、用户-位置签到关系以及兴趣点特征等多维度的影响因素,能同时获得紧密关联的用户模糊社区与兴趣点聚簇结构,以有效缓解推荐中的数据稀疏问题.在2种真实LBSN数据集上的实验结果表明,所提出的MRNMF方法同时在兴趣点与朋友这双重推荐上比其他传统方法具有更优越的推荐性能.