一种从面向对象Z规约到代码的精化演算方法

COOZ(complete object-oriented Z)的优势在于精确描述大型程序的规约.COOZ本身的结构 不支持精化演算,这限制了COOZ的应用能力,使COOZ难以作为完整的方法应用于软件的开发. 将精化演算引入COOZ,弥补了COOZ在设计和实现阶段的不足,同时也消除了规约与实现之间在 结构和表示方法上的完全分离,使程序开发在一个完整的框架下平滑进行.该文提出了基于CO OZ和精化演算的软件开发模型,通过实例讨论了数据精化和操作精化问题.在精化演算实现技 术方面构造了一种数据精化算子,提出一     

一种从Z规约到并行程序的精化方法

提出了一种通过对设计模式进行精化,从Z规约开发并行程序的方法.该方法对Z语言进行了并行扩充,从Z功能规约出发,通过使用扩展的设计模式逐步精化得到并行的设计规约,再通过保持语义的转换,得到可最后转换为并行代码的抽象并行程序.通过实例对这一方法进行了详细的描述.     

基于遗传算法求解约束优化问题的一种算法

在用遗传算法求解约束优化问题时,处理好约束条件是取得好的优化效果的关键.通过考虑遗传算法和约束优化问题的某些特点,提出将直接比较方法和在进化群体中自适应地保持不可行解比例的策略相结合来处理约束条件的一种新方法,并将该方法结合到通用的遗传算法中.数值实验显示了这种方法的有效性.     

一种基于半监督学习的多模态Web查询精化方法

Web搜索系统往往通过与用户的交互来精化查询以提高搜索性能.除文字之外,网页中还存在着大量其它模态的信息,如图像、音频和视频等.以往对于查询精化的研究很少涉及对多模态信息的利用.文中提出了一种基于半监督学习的多模态Web查询精化方法M2S2QR,将Web查询精化转化为一个机器学习问题加以解决.首先,基于用户判断后的网页信息,分别为不同模态训练相应的学习器,然后利用未经用户判断的网页信息来提高学习器性能,最后将不同模态学习器结合起来使用.实验验证了文中方法的有效性.     

一种高效的基于服务功能规约的服务选择方法

服务因其灵活的应用机制,逐渐成为软件开发过程中的主要载体.面对网络中涌现出的大量功能相同或相似而QoS(quality of service)不同的服务群体,如何快速、准确地定位到所需要的服务个体,仍是一项十分具有挑战性的工作.基于服务对功能的封装特性,提出一种基于服务功能规约的服务选择方法,将功能相关的抽象服务规约为一个粒度更大的服务级的抽象服务;然后,针对规约后的大粒度抽象服务完成服务发现和组合优化的过程.由于规约操作能够有效减少参与服务组合优化的抽象服务的个数以及相应的候选服务的个数,从而使算法的执行效率得到有效提升.实验结果表明:该算法与传统的启发式算法相比执行效率更高,并且对服务组合规模及候选服务规模表现出更好的扩展性.     

一种基于模型精化的业务流程开发方法

如何高效组织建模过程和提高业务流程的重用效率是现代业务流程建模和再造过程中亟待解决的问题。传统的业务流程建模方法面向角色组织建模人员、面向单一实例组织流程制品,无法有效组织多人协作、降低流程重用成本。讨论了基于模型精化的流程建模方法,该方法基于流程模型的抽象级别组织建模人员和流程制品。研究还设计实现了使用该方法进行流程开发的分布式业务流程开发平台DMRB-BPMA,用于帮助企业规范和优化建模过程,通过内置的任务分发和流程合并机制有效地组织建模人员进行协作,指导其高效完成业务流程制品的重用。     

一种基于最大相似性的TSP问题求解算法

提出了一种新的基于最大相似性的TSP问题求解算法。该算法在最近邻算法(Nearest-Neighbor AIgorithm)的基础上作了改进,将最短路径问题转换为最大相似性问题,即将问题由选取城市iR1=arg min{dik:k∈V\{i1,i2,…,ii}}转换为选取城市ij 1=arg min{Wjk:k∈V\{i1,i2,…,ii}},Wjk为城市i与城市i之间的相似系数。实验结果表明,该算法简明旦具有较好的有效性。     

一种基于角色解决方案的多Agent合作问题求解模型

传统基于角色的方法大都缺少对合作问题求解的具体考虑.结合角色和团队形成机制提出了一种基于角色解决方案的合作问题求解模型.其新颖之处在于将角色解决方案与团队结合起来,致力于分析、设计和实现合作问题求解.深入研究了复杂的CPS循环过程,并给出了一种基于角色解决方案的CPS算法过程.以角色解决方案和团队的观点试图解决传统的合作问题求解过程,提高了对多Agent应用系统的理解,并为多Agent系统的分析与设计人员提供参考.     

一种基于概念分解的政策精化方法*

提出了一种基于概念分解的政策精化方法,将政策的精化归结为对概念的分解,依据本体论中的概念结构将政策中较高层的概念转换为较低层的概念,从而实现政策的精化。给出了该精化算法的步骤,并通过一个案例演示了该方法的执行过程,最后与其他几种政策精化算法进行对比分析,指出该算法的优缺点。     

一种基于约束的布局求解算法

在研究现有布局求解的基础上，提出了一个基于约束的布局求解算法，该算法借助机构分析与综合中有关自由度分析的概念，在两个层次上进行布局求解，即在高层次上对层布局顺序进行规划，而在较低层次上进行具体的数值定位，通过两层次上交替进行求解最终求得布局结果。     

机器学习在GDP预测分析中的应用研究

应用机器学习思想对GDP数据进行分析,使用遗传算法优化BP人工神经网络建立GDP数据分析模型并进行预测,带回验证表明模型具有较高精度.在机器已习得数据规律后,利用Sestito和Dillon提出的SD算法,对习得知识后的模型进行知识获取的分析,得出一些由机器学习过程而获得的有意义的结论.这种分析方法可以广泛应用到如人口、经济等复杂系统的预测和分析中,分析出相关因子对结果的影响程度,为决策提供第三方的客观依据,具有很强的推广性和实用性.     

基于问题模式的形式化软件规格说明生成方法

精确的形式化软件规格说明是软件描述、开发与验证的基础,而工业界普遍使用非(半)形式化的表示定义与描述用户需求,如何由非(半)形式化的用户需求生成形式化软件规格说明是需求工程的难点之一.将设计模式的概念进行扩展,定义了问题模式,提出了一种基于问题模式形式化软件规格说明生成方法.该方法从结构化自然语言SNL描述的高层问题需求出发,通过选择知识库中的问题模式逐步精化得到各个新的子问题对应的形式化规格说明,之后对各个子问题组合并进行优化以得到最终的形式化规格说明.进一步,使用模型精化演算的原理与概念给出了该生成方法的理论基础.采用算法程序领域作为研究对象并使用Radl语言作为形式化规格说明语言.通过算法程序领域中的典型实例对这一方法进行了详细的描述,实际效果表明该方法能有效地生成高质量形式化规格说明.     

基于Matlab的线性规划问题求解

线性规划是运筹学中研究较早、发展较快、应用广泛、方法成熟的一个重要分支,它是辅助人们进行科学管理的一种重要的数学方法.文章首先介绍了线性规划的基本概念及标准形式,着重讨论了线性规划问题的三种常用解法:单纯形法、直接搜索法以及遗传算法,最后在Matlab R2009a环境下进行了仿真.通过结果可以看出,用Matlab求解线性规划问题,可以避免手工的烦琐计算,大大地提高工作效率和结果的准确性.     

基于Matlab的非线性规划问题的求解

非线性规划问题是运筹学重要的分支,非线性规划理论及其算法为工程、管理、经济、科研、军事等方面的最优设计提供了有力的工具.论文首先介绍了非线性规划的基本概念和一般形式,并重点讨论了二次规划,一般非线性规划和0-1非线性规划的求解算法及求解过程.并在Matlab R2012a环境下进行仿真,通过结果可以发现,用Matlab求解非线性规划问题,大大简化计算、提高了计算效率和结果的准确性.     

基于双向广度优先搜索的魔力方块问题求解

将魔力方块问题与八数码问题进行对比分析,通过讨论魔力方块问题是否有解、解的最少步数、状态表示、状态判重、状态转换关系等相关问题,提出一种基于双向广度优先搜索和状态转换表的求解算法。实验结果表明,与有界深度优先搜索、简单广度优先搜索及A*搜索算法相比,该算法效率较高,稳定性较好,可以实现魔力方块问题的实时求解及演示。     

基于遗传算法的TSP问题优化求解

旅行商问题（TSP）是典型的NP完全问题,本文运用遗传算法求解TSP问题,提出了该算法在解决这一问题中的一些处理方法,使用该算法能够较快地求出一批最短路径,可根据需要设置叠代代数,求得理想最优解。     

基于蚂蚁算法的连接增强问题求解

描述了连接增强问题的实质,提出了基于蚂蚁算法求解连接增强问题的算法,针对如何处理约束条件提出了两种不同的策略。通过模拟实验证明了算法的可行性,评价了算法的性能,讨论了参数的设定,最后比较了两种不同策略的性能。     

基于GIS的物资运输最优化配置方案设计

利用GIS网络分析技术、数学模型并结合传统的优化解法,没计了基于GIS的城市物资运输最优化配置的设计方案。通过汕头市防洪物资优化配置没计实例展示了GIS技术在城市物资运输中良好的应用前景。     

人工萤火虫的混合算法实现医药配送中的最佳规划

医药配送规划已成为一项急需解决的重要研究问题。首先分析医药配送问题的特征,针对该问题提出带约束条件的数学模型,确定达到医药配送路径最佳方案的适应值函数,然后提出基于人工萤火虫的混合算法对模型进行寻优。仿真实验显示,该算法可以有效地找到医药配送问题的最佳方案,不仅节约了成本,而且提高了药物配送的运作效率,为解决医药配送问题提供了有价值的参考。