路由选择算法浅析(2)

介绍了在使用距离向量路由选择算法时。出现的问题及常见的解决方法。     

演化程序在网络路由算法中的应用

介绍了网络路由分析及演化程序的概念，对演化路由算法进行了设计，并给出了演化算法描述。     

计算机网络路由研究概述

近年来,随着计算机网络的日益普及,其现已成为各行各业中不可或缺的工具之一。由于互联网上的IP流量增长日益加剧,当前的互联网已经无法满足各种IP服务的需求,为此提高服务质量已经势在必行。正因如此,人们开始关注计算机网络路由的研究。基于此点,本文首先对计算机网络路由进行概述,进而分析了路由器技术,并在此基础上提出     

距离向量路由选择算法线析

介绍了在路由选择协议中广泛使用的一种距离向量路由选择算法．并针对在使用中出现的问题给出常见的解决方法。     

核心路由器分布式路由控制的实现技术

针对骨干网上核心路由器的需求，提出了一种主从分布式高速多处理器交换体系结构。其主要思想是从模块不进行路由计算、不保存路由表，而保存全局的IP转发表；主模块运行路由协议负责维护路由表，计算并生成转发表，将该信息送往从模块。     

一个2D-Mesh路由器模型系统

自适应路由器是ＭＰＰ研究领域中的一个重要研究课题。本文实现了一个路由器模型系统,介绍了几种自适应无死锁路由算法,并利用模型系统对路由算法进行了测试。     

QoS计算机网络路由算法

回顾了20世纪80年代到2002年以来计算机网络QoS路由算法和路由协议的发展过程，总结了130多篇被IEEE／ACM，Elsevier Science，Wiley InterSeienee等著名机构收录的高水平学术刊物和SIGCOMM，INFOCOM等高水平国际会议上发表的相关论文，对各种QoS路由算法进行了分类归纳，重点介绍了一些典型的QoS路由算法。并结合在随机网络和时间依赖网络最短路径算法方面的研究基础，预测了QoS路由算法未来的发展方向。     

网络路由环路检测算法研究

路由器是计算机通信网的核心设备，路由器根据路由表完成网络路由功能，如果路由器的路由配置不正确，或者由于其他原因导致网络从出现路由环境，将严重影响网络的正常通信和运行。因此，监测网络中是否存在路由环路具有重要意义，本文提出了基于网络配置管理系统来检测网络路由环路的算法，并在实践中得到了应用。     

多播路由中的问题及算法

根据多点广播服务的最优化函数和限制条件对多播路由中的问题进行了分类,对每类问题提出了基本的路由算法,并讨论了它们的优缺点。     

多Agent协作的强化学习模型和算法

结合强化学习技术讨论了多Agent协作学习的过程,构造了一个新的多Agent协作学习模型。在这个模型的基础上,提出一个多Agent协作学习算法。算法充分考虑了多Agent共同学习的特点,使得Agent基于对动作长期利益的估计来预测其动作策略,并做出相应的决策,进而达成最优的联合动作策略。最后,通过对猎人。猎物追逐问题的仿真试验验证了该算法的收敛性,表明这种学习算法是一种高效、快速的学习方法。     

一种基于强化学习的控制算法研究

该文在阐述了强化学习的基本机制的基础上，根据复杂工业过程的非线性、多变量、大时延、强耦合的特点，提出了一种将基于案例的学习和强化学习相结合的控制算法，并对重油分馏塔进行了控制效果的仿真实验，控制结果显示了算法能够很好地满足控制任务。     

基于网络表示学习与深度学习的推荐算法研究

针对传统基于协同过滤的推荐算法信息提取能力有限的问题,提出基于网络表示学习的卷积协同过滤推荐算法。将二分网络分成物品与用户同质网络,在各自的同质网络上使用GraphSAGE模型得到融合网络空间信息和用户与物品属性信息的矩阵。在此基础上,利用外积运算丰富用户和物品特征向量各维度的相关表示,通过卷积神经网络训练物品和用户的交互信息得到算法模型。实验结果验证了该算法的有效性,且相比ConvNCF算法,其在Movielens数据集上HR@5和NDCG@5分别提升了1.89和2.19个百分点,在Last.fm数据集上HR@5和NDCG@5分别提升了1.09和2.32个百分点。     

学习兴趣与主动学习的研究

现在高等学校的学生具有很强的社会的特点,现实性强,在具有众多学生的高等学校内要学生对学习有兴趣,这是一件难事。了解学生,让学生主动学习,靠教育工作者在办公室里是想不出好办法的,让学生参与教学活动,参与教学过程设计,这是提高学习兴趣,主动学习的唯一方法。     

基于智能强化学习的遗传算法研究

采用结合智能强化学习和遗传算法来求解车间作业调度问题。     

基于KNN模型的增量学习算法

KNN模型是公式但其属于非增量学习算法,从而限制它在一些应用领域的推广。文中提出一个基于KNN模型的增量学习算法,它通过对模型簇引进“层”的概念,对新增数据建立不同“层”的模型簇的方式对原有模型进行优化,达到增量学习的效果。实验结果验证该方法的有效性。     

移动学习对MOOC学习行为与效果的影响研究

移动设备的普及使得学生的学习方式发生了根本性的变化.研究移动学习对学生的学习行为和学习效果的影响,有助于完善和改进大规模开放在线课程(MOOC).本文采用定量研究分析方法对MOOC平台数据进行统计分析.结果表明,采用移动学习的学生对学习材料的参与度较高,并且完成课程学习的频率也较高.     

Job-shop排序问题的遗传强化学习算法

针对Job-shop排序问题的复杂性,提出一种遗传强化学习算法对其求解。通过引入多个随机变量,把Job-shop排序问题转换成多阶段决策问题,通过仿真手段构建作业排序问题模型环境,求取系统性能指标并保证解的可行性。设计一个多智能体Q-Learning算法和遗传算法相结合的算法用于解决Job-shop排序问题。仿真优化实验结果验证了该算法的有效性。     

自主学习模式在《程序设计》系列课程中的应用研究

介绍自主学习的特点以及在程序设计系列课程中开展自主学习的可行性．针对自主学习中的主要问题如教学环境的构建、教学过程的控制、师生角色的新定位、评价机制的完善、个性化学习与协作学习的结合等。介绍开展自主学习教学模式的途径和方法。     

基于标记分布学习的异态集成学习算法

为了提高预测的准确性,文中结合机器学习中堆积(Stacking)集成框架,组合多个分类器对标记分布进行学习,提出基于标记分布学习的异态集成学习算法(HELA-LDL).算法构造两层模型框架,通过第一层结构将样本数据采用组合方式进行异态集成学习,融合各分类器的学习结果,将融合结果输入到第二层分类器,预测结果是带有置信度的标记分布.在专用数据集上的对比实验表明,HELA-LDL可以发挥各种算法在不同场景下的性能较优,稳定性分析进一步说明算法的有效性.