基于Web的智能组卷的研究与应用

针对智能组卷中基于专家知识的框架模式不能很好地解决互联网中用户需求多样性的特点，文中运用多种策略相结合的组题方式，着重从互联网用户不同的需求和提高智能组卷效率出发，智能地生成不同的试卷或者习题以满足不同需求的互联网用户。     

基于属性访问控制的CSP模型

从可用性的角度提出一个基于属性的访问控制模型.首先介绍了属性、属性项等相关概念,在此基础之上,通过约束满足问题建立了访问控制规则的形式化模型;其次,证明了在给定属性项值域的前提下,正向规则与负向规则可以互相转化,从而提出一致性策略的概念,并分别根据肯定优先及否定优先规则合成算法,给出了一致性策略的形式化模型,研究了策略可允许访问操作集合;最后,通过实例阐述了基于属性访问控制模型的表达能力.     

约束满足型智能规划算法研究

为解决约束满足型任务规划问题具有约束条件多、计算复杂的问题,建立了约束满足型任务规划模型,根据模型特点,借鉴遗传算法和禁忌搜索算法的优缺点,对遗传算法进行改进,通过把遗传算法和禁忌搜索算法进行融合,形成了遗传禁忌搜索融合算法,通过对比分析进行性能比较,显示该算法能够显著的提高计算效率,减少计算成本,是解决约束满足型任务规划的高效可行的智能算法。     

基于约束满足的Job-Shop调度算法研究

文章在分析Job-Shop调度问题的基础上,引入约束满足方法来研究Job-Shop的调度问题。首先建立基于CSP的JSS模型,然后针对该模型设计了调度算法框架,仿真结果证明该调度算法是可行和有效的。     

基于约束满足的智能组卷方法的研究与实现

智能组卷是一个典型的约束满足问题。首先对传统的组卷问题的定量评价准则进行了分析,说明了它在实际应用中存在的问题,引入了智能组卷的四种不同的约束类型：强约束、亚约束、柔性约束和弱约束的概念,提出了一种定性定量相结合的评价体系。针对智能组卷的约束满足问题的特殊性,该文运用启发式知识,采用了生成测试和局部修正相结合的约束满足方法,进行智能组卷,取得良好效果。文中提出的方法在国家物理试题库智能组卷系统中的应用,受到有关专家的肯定。     

基于MAS的分布式约束满足求解在供应链研究中的应用

简要介绍了多智能体系统(MAS)在供应链研究中的应用,给出了约束满足问题(Constraint Satisfaction Problem,CSP)和分布式约束满足问题(Distributed CSP)的定义以及其应用现状,提出了一个利用基于MAS的分布式约束满足求解来研究供应链问题的基本框架,并给出了其求解过程。     

Internet上个性化智能导航学习

介绍在Ｉｎｔｅｒｎｅｔ上实现的一个远程学习系统,根据学生的个体需求动态组织学习材料,并把教师的教学经验融入学习导航过程中,为学生提供个性化智能导航学习环境。在知识构建模型、智能导航原理、智能学习过程、系统实现等方面作了深入的探讨。     

基于深度强化学习的AGV智能导航系统设计

针对现有的AGV在大规模未知复杂环境中进行自主导航配送的问题,基于深度强化学习完成了AGV智能导航系统设计。首先,结合传感器对周围的障碍物进行探测感知,利用DDPG（deep deterministic policy gradient）算法实现AGV小车从环境的感知输入到动作的直接输出控制,帮助AGV完成自主导航和避障任务。此外,针对训练样本易受环境干扰的问题,提出了一种新颖的DL（disturb learning）- DDPG算法,通过对学习样本中相关数据进行高斯噪声预处理,帮助智能体适应噪声状态下的训练环境,提升了AGV在真实环境中的鲁棒性。仿真实验表明,经改进后的DL-DDPG 算法能够为AGV导航系统提供更高效的在线决策能力,使AGV小车完成自主导航与智能控制。     

基于GENET的时间表问题自动求解算法

构造大学考试时间表自动生成系统是一个知名的问题．本文用约束满足问题模型来描述大学考试时间表问题,并提出了一个基于GENET的局部搜索算法来解该问题．该算法采用一些问题相关的策略来提高局部搜索效率．实验结果表明,将“强约束违反”转化为“弱约束违反”的方法能大大地提高算法性能,使该算法优于GENET和演化算法。     

一种基于Max-Flow的协同学习活动调度算法

远程教育中的在线学习过程并非简单的资源检索过程,而是由一系列学习活动组成的。现有的远程教育平台往往过于注重教学内容呈现的个性化,而忽视了对学习者活动的引导。从教育技术学的角度,不同学习目标和情景下的在线学习活动通常可以分为多种模式,针对其中的协同学习模式,提出了一种实现学习活动引导服务的方法。该方法将活动引导以调度生成的方式加以实现,提出了具体的调度模型和求解算法。该算法基于Max-Flow设计,具有较小的时间复杂度,能够有效地为学习活动引导服务提供支撑。     

一种基于灰色模型的预测调度算法

为了保证监控的质量,无线传感器网络通常以高密度的方式部署节点。当这些节点全部处于工作状态时,不仅会引起信道严重的冲突,而且会产生较多的数据,大量消耗节点的能量。因此,让节点轮流工作和休眠,是一种较好的节能方法。论文对此进行了研究,提出了一种基于预测的调度算法。在这个算法中,簇首节点对簇内成员进行管理,并调度低能量的节点进入休眠状态。休眠节点的数据则由簇首节点采用一定的预测算法来预测。仿真结果表明,该调度算法不仅能够有效地延长网络的生命周期,而且数据的精度也能够得到较好的保证。     

一种基于EDF算法的多处理器实时调度算法

多处理器系统实时调度理论是目前实时系统研究的热点问题。EDF调度算法是目前流行的实时调度算法,有很多优点,但在多处理器系统应用中存在问题。论文研究了EDF调度算法在多处理器系统中的调度理论,在此基础上,提出了一种基于EDF算法的优先级驱动实时调度算法,算法充分利用了EDF调度算法的优点,较大程度地克服了EDF算法在多处理器系统中的调度缺点,并提供了较好的实时调度性能。     

基于混合策略的排课算法研究

本文通过分析排课所涉及的元素和约束条件。提出了一种排课任务和教学资源的划分方式．并论述了在此基础上如何构造出一个合理的学生课表。     

基于Edmonds-Karp算法的输入排队调度

输入排队Crossbar调度算法是以获得交换机的输入端口和输出端口最大匹配,从而得到高吞吐量为目的.因而在调度算法理论研究中把应用了二部图最大匹配的Maximum Size Matching和 Maximum Weight Matching算法作为目前各种调度算法性能评价标准.Edmonds-Karp算法是图论中求解网络最大流的经典算法之一.该文介绍了如何使用Edmonds-Karp算法求解二部图的最大匹配问题,并且应用算法于输入排队调度算法仿真中,得出经典MSM和MWM算法的性能仿真曲线,为进一步研究调度算法打下了理论基础.     

动态报表的打印对象的控制设计

每个信息系统的功能大多不相同,但一般都要把表或视图的联接集作为数据集进行报表打印。由于数据库不同,表结构不同,因此每个报表数据集的字段类型、宽度都不可能完全相同,这导致报表的多样性与复杂性,给报表设计带来诸多不便,通过控制报表的打印对象实现动态报表是一个有效解决该问题的方法。在水晶报表中先创建若干个打印对象,程序运行时对SQL语句获取的动态打印数据集的元素进行枚举,使每个元素与水晶报表上已存在的打印对象进行逐一匹配绑定,进而对绑定的打印对象进行控制,从而实现动态报表的目的。     

一种基于CSP的协议模型技术

讨论了为建立协议模型而进行的CSP扩充问题．主要向CSP中引入了可终止进程的概念，给出了可终止进程的判定方法；提出了用CSP来描述异步通信的手段；介绍了如何实现从FSM模型向CSP模型的转换；最后给出了AB协议的CSP描述．     

基于遗传算法的混合Flowshop调度

混合Flowshop调度问题,是一个NP完全问题,很难用一般的方法解决,文章提出了遗传算法求解混合Flow-shop调度问题的方法,给出了一种染色体表示方法,设计了相应的交叉和变异操作算子,这两种算子很容易保证个体的合法性,同时又具有遗传算法本身所要求的随机性。最后给出了一个较大规模的计算实例,仿真结果表明此算法是有效的。     

抢占阈值调度算法的分析与研究

本文详细论述了应用于静态优先级实时系统的抢占阈值调度算法。描述了算法实现和任务集合可调度性判定公式的推导,分析了算法的性能特点,阐述了抢占阈值调度是静态优先级嵌入式实时系统开发中调度算法的合适选择。     

遗传算法的双向车间作业调度算法研究

将双向调度思想应用于作业车间调度,得到一种新调度算法。算法中关键零件采用反向调度,尽可能地满足交货期要求,一般零件采用前向调度方法,最大效率地利用车间资源,尽可能早完工。利用遗传算法的全局搜索特性,得到最佳的调度结果。