MOHHA求解不可靠生产线多目标缓冲区分配问题

研究含有可失效机器的不可靠串行生产线上缓冲区容量分配问题,以最大化生产线生产率和最小化生产线缓冲区总量为多目标,提出一种多目标混合启发式算法（MOHHA）。采用了离散事件仿真方法,建立生产率与缓冲区容量分配的仿真模型作为算法的评价工具。算法第一步求得生产线最大生产率,并作为目标生产率进一步求解最小化缓冲区总量。通过三组测试算例,与以往研究结果作对比验证了算法的有效性和优越性。     

有色Petri网模型中死标志合理性分析与验证

针对使用CPN Tools对系统进行建模仿真得到的状态空间报告中出现的死标志是否会影响系统的安全性和模型的正确性进行了研究,提出了一种基于ASK-CTL及模型检验理论的死标志合理性验证算法.该算法采用模型检验技术通过ML语言编辑相关功能函数使用非标准状态空间查询法,进一步分析与研究CPN Tools仿真状态空问报告中出现的死标志,通过验证死标志存在的合理性来确保所建立CPN模型的准确性与系统的安全性.最后,以电梯门系统为例,使用CPN Tools建立电梯门系统的CPN模型,证明了算法的有效性.     

基于软竞争机制的对传网络模型及应用

针对传统对传网络(CounterPropagationNetwork,CPN)模型和学习算法存在的问题和不足,提出改进模型及竞争层的改进算法。在竞争层使用软竞争机制得到竞争层的输出,克服传统CPN使用胜者全得竞争机制的弊病,使竞争层中每一个神经元节点能充分发挥作用,参与网络的训练和权值的调整,提高竞争层中神经元的利用率,使网络能实现运用最少的神经元,达到要求的性能。从数值实验的对比看出,由于改进了网络模型和竞争算法,增强了CPN的模拟精度,CPN能更好地逼近模拟函数,提高了CPN的使用效率,网络性能得到了很大的提高。     

基于改进CPN的快速矢量量化

对向传播神经网络(CPN)可以作为矢量量化器用于图像压缩，但CPN学习算法在进行码书设计时存在两个明显的缺陷。本文对CPN学习算法进行改进，提出了一种新的码书设计算法——快速竞争学习及误差修正算法(FCLECA)和一个基于改进CPN的快速矢量量化器模型，并讨论了FCLECA中的重要步骤和重要参数。仿真实验结果表明，FCLECA在生成高质量码书的同时大幅减少了训练时间，可以有效地实现快速矢量量化。     

一种高性能环形缓冲区的研究与实现

基于单生产者多消费者模型,剖析传统环形缓冲区写入和读出进程并发操作的缺陷,提出一种带有缓冲区单元状态标记的算法,解决环形缓冲区写入和读出进程的同步问题。定量分析产生环形缓冲区性能瓶颈的条件,在不满足该条件的情况下,环形缓冲区的性能会有大幅提升。对比实验和数学分析验证了该环形缓冲区处理数据包的性能较好。     

异构网络数据缓冲区替换算法的数学建模仿真

针对异构网络数据的缓冲存储效率低、分区存储精准度、运行代价高等问题,提出异构网络数据缓冲区替换算法的数学模型.首先将异构网络数据划分为多个数据阶层,确定数据格式,同时利用新的异构网络数据传输途径控制传输链路,对控制算法的窗口大小进行计算,以此梳理数据.最后将缓冲区分为冷区与热区两部分,分析算法的干扰因素,利用交替算法完成异构网络数据缓冲区替换算法的数学建模.仿真结果表明,基于异构网络数据缓冲区替换算法的数学模型可以有效提升算法的效率和精准度,同时可以降低算法运行代价.     

基于ASK-CTL的有色Petri网模型检验算法研究

针对使用CPN Tools工具建立系统CPN(Colored Petri Net)模型并进行仿真所得到的状态空间报告中出现的死标识是否会影响系统的安全性和模型的正确性进行研究,提出基于ASK-CTL的有色Petri网模型检验算法及死标识合理性验证算法。算法描述了系统有色Petri网的建模与仿真过程,根据得到的状态空间报告判断是否存在死标识,对存在的死标识采用非标准状态空间查询法使用ML语言编辑相关功能函数以验证死标识的合理性,进而确保所建立CPN模型的正确性与系统的安全性。最后,以电梯门系统为例,证明了算法的有效性。     

基于有色Petri网的网格调度模型的研究

有色Petri网(CPN)是一种高级网系统，可以为系统建模提供强有力的支持。该文介绍了CPN的基本概念和建模特性，在研究目前网格调度环境的基础上，提出了网格调度的CPN模型，应用状态空间分析法对两种典型的调度算法进行了分析和讨论。     

线目标缓冲区生成的矢栅混合算法研究

线目标的缓冲区生成是缓冲区分析的基础和关键。结合栅格算法与矢量算法的优势,提出矢栅混合算法解决线目标的缓冲区生成问题。采用Douglas-Peuker方法对线目标进行重采样以加快缓冲区建立速度,用扫描线方法将线目标矢量数据转化为栅格形式,再采用膨胀原理生成缓冲区,通过扫描缓冲区栅格边界,提取有效矢量数据,进行求交运算,对缓冲区生成中的自相交多边形进行处理。     

平滑自适应视频播放技术的研究

无线信道时变特性引起的缓冲区占用度波动对视觉质量的影响,使得自适应视频播放算法不仅需要考虑缓冲区的占用度,还要考虑缓冲区占用度的波动。提出一种面向安全区域的平滑自适应播放算法SAO-AMP,采用缓冲区的占用度及其波动程度作为触发条件。首先,根据预估接收速率和缓冲区的预期波动情况设置播放速率的调整期,达到平滑视频播放速率的目的。其次,调整播放速率的同时监测缓冲区的占用度,使缓冲区占用度处于预设的安全区域内。实验结果表明,SAO-AMP算法不仅平滑了播放速率的变化,还能控制缓冲区占用度的波动范围。与基于缓冲区占用度的AMP算法相比,SAO-AMP算法的速率调节次数和丢包率均减小了30%,且算法在信道状态变化较大的情况下,依然能很好地工作。     

基于对向传播网络的交通事件检测算法

针对高速公路交通这个复杂的非线性系统,提出一种基于对向传播网络的交通事件检测算法。阐述了对向传播网络的结构和学习算法,给出了事件检测的依据,并合理地选择了网络的输入参数,用高速公路管理部门提供的样本数据进行了仿真研究。仿真结果表明,该事件检测算法具有学习速度快、泛化能力好、检测准确率高、平均检测时间短等优点,具有良好的应用前景。     

Intelligent modelling and optimization of the gas tungsten arc welding process

This paper describes an application of neural networks and simulated annealing (SA) algorithm to model and optimize the gas tungsten arc welding (GTAW) process. The relationships between welding process parameters and weld pool features are established based on neural networks. In this study, the counter-propagation network (CPN) is selected to model the GTAW process due to the CPN equipped with good learning ability. An SA optimization algorithm is then applied to the CPN for searching for the welding process parameters with optimal weld pool features. Experimental results have shown that GTAW performance can be enhanced by using this approach.     

改进对向传播神经网络应用于码书设计及其性能分析

针对对向传播神经网络(CPN)应用于矢量量化时的两个缺陷进行改进,提出了一种码书设计算法——快速竞争学习及误差修正算法(FCLECA),并设计了相应的基于改进CPN的快速矢量量化器模型,详细讨论了FCLECA的重要步骤、重要参数及其时间复杂度．仿真实验结果表明：文中算法能在提高码书质量的同时大幅缩短训练时间,是一种有效的快速矢量量化算法．     

基于CPN的规划识别及多步骤攻击检测方法

在Kautz规划识别算法基础上,利用CPN作为新的规划表示和识别方法.与目前规划识别领域广泛使用的Kautz表示方法相比,新的表示方法更加简便与高效.以多步骤攻击检测作为实例,通过计算行为间的变迁关系,以重新得到攻击全貌.     

CPN：一种基于小世界网络的P2P模型

利用群论理论中Cayley图方法,构建一种P2P动态覆盖网络模型CPN,并定义其DHT协议。CPN符合小世界网络的定义,具有较高聚集系数,稳定性好并支持显式分组。由于该覆盖网络是对称图,其上的路由算法相比经典的P2P覆盖网络更容易实现。仿真实验表明,该模型相比常见覆盖网络具有更优的性能。     

Verification of telecommunication systems specified using communicating finite-state automata using colored Petri nets

Uniform systems of communicating extended finite-state automata are considered. These systems can be used for the initial specification of telecommunication systems such as ring protocols and telephone networks. This paper aims to present an automata systems verifier tool (ASV) designed for the analysis and verification of automata specifications. It is based on an algorithm for the translation of automata systems into colored Petri nets (CPN) presented and justified in [4]. The ASV tool uses CPN Tools [10] for analysis and simulation of CPN, also it uses Petri Net Verifier [12] to verify CPN properties by applying the model checking method to CPN reachability graph with respect to the properties expressed in μ-calculus. The application of the ASV tool is described for the ring RE-protocol verification and the study of the feature interaction in telephone networks.     

Application of Colored Petri Nets for Verification of Scenario Control Structures in UCM Notation

The article presents a method for the analysis and verification of Use Case Map (UCM) models with scenario control structures—protected components and failure handling constructs. UCM models are analyzed and verified with the help of colored Petri nets (CPN) and the SPIN model checker. Algorithms for translating UCM scenario control structures into CPN and CPN into SPIN input language Promela are described. The number of elements of the resulting CPN model and the number of Promela model states are estimated. The presented algorithm and the verification process are illustrated by the study of a network router firmware update.     

基于EM算法的对传网络学习及应用

为克服“胜者全得”对传网络的缺陷,提出使用基于软竞争机制的对传网络.这样增加了网络的训练复杂度.为此,把竞争层中隐单元的输出作为未观察到的缺省随机变量,使用EM算法对基于软竞争的对传网络进行训练,降低训练复杂度,加快网络的收敛速度.在实现EM算法的M步时,根据基于软竞争机制对传网络竞争层的特点,对EM算法实现进行改进,没有使用常用的迭代重新加权最小二乘算法,而利用样本加权平均求取隐层单元的权值向量,使EM算法更加简单易行,收敛速度快.仿真实验结果表明,基于软竞争机制的对传网络具有很好的泛化性能,特别在模式分类上具有很好的实际应用价值.