Java语言多重分派机制的研究

多重分派是面向对象语言的一个高级特性,是面向对象程序设计中多态性实现的基础。目前的主流面向对象语言Java与C++都不支持动态多重分派。文章介绍了Java语言现有的分派技术,讨论了为Java语言添加动态多重分派特性的几种途径并对它们的利弊进行比较。文章提出并分析了面向对象语言实现多重分派需要解决的若干问题,最后展望了未来的研究方向。     

基于多机制与策略约束的任务分派元模型

任务分派是工作流系统的重要工作内容.以往的任务分派研究由于缺乏对任务分派内容的全面分析与定义,由此导致相应任务分派系统的开发质量低下.通过对任务分派机制与策略的严格区分与定义,定义了基于多机制与策略约束的工作流任务分派元模型,并给出该模型的参考实现.     

工作流任务分派的现状及其发展

工作流任务分派策略是工作流管理系统的关键技术之一,本文从学术研究和当前市场上工作流产品两个方面对工作流任务分派进行了比较研究,认为当前工作流任务分派描述存在不足,提出了工作流任务分派策略应该基于组织模型和流程模型的导航,并采用业务规则技术来描述.它是提高任务分派策略表达能力、增强柔性和易用性的有效方法.     

基于多任务优先算法的异地敏捷软件开发任务分派

针对日益受欢迎的异地敏捷软件开发,提出了一种基于多任务优先算法的任务分派方法,并运用数学计算方法进行任务分派.通过多模型调查研究,较全面综合考虑异地敏捷开发中多方面影响因素,给出一种具体分派方法,以提高任务分派的有效性.经验证,该任务分派方法适合异地敏捷软件开发.     

基于Web并行计算环境的自适应任务分派算法AHRRN

基于Ｗｅｂ或ＮＯＷ分步式环境上的并行计算的研究正成为热点,一个大的计算任务可划分成多个子任务分派给网络上的工作站,由它们合作计算来完成。该文介绍了一种自适应的计算任务分派算法ＡＨＲＲＮ,它包括任务选择算法和任务分派算法,它对任务的选择和分派能反应可用工作站的负载的动态变化情况。文章最后给出了 ＡＨＲＲＮ与 ＳＴＦＳ、ＦＩＦＳ、ＨＲＦＳ的仿真比较结果,证明其能提供较高的服务质量并具有较快的响应。     

基于循环神经网络的缺陷报告分派方法

随着开源软件项目规模的不断增大,人工为缺陷报告分派合适的开发人员（缺陷分派）变得越来越困难.而不合适的缺陷分派往往会严重影响缺陷修复的效率,为此迫切需要一种缺陷分派辅助技术帮助项目管理者更好地完成缺陷分派任务.当前,大部分研究工作都基于缺陷报告文本以及相关元数据信息分析来刻画开发者的特征,忽略了对开发者活跃度的考虑,使得对具有相似特征的开发者进行缺陷报告分派预测时表现较差.本文提出了一个基于循环神经网络的深度学习模型DeepTriage,一方面利用双向循环网络加池化方法提取缺陷报告的文本特征,一方面利用单向循环网络提取特定时刻的开发者活跃度特征,并融合两者,利用已修复的缺陷报告进行监督学习.在Eclipse等四个不同的开源项目数据集上的实验结果表明,DeepTriage较同类工作在缺陷分派预测准确率上有显著提升.     

基于社会关系的工作流任务分派策略研究

在工作流管理系统中,任务分派策略对工作流系统的性能影响较大,而人力资源社会属性的不稳定也给任务分派带来了挑战.一般的任务分派策略还存在以下问题:分派时只考虑候选资源的个体属性,忽略了流程中其他资源对候选资源的影响;需要为候选资源预先设置能力指标,但预设指标很难与候选资源的实际情况吻合,错误的能力指标会导致将任务分派给不合适的资源,降低工作流系统的性能.为克服上述问题,基于不同的状态转移视角和奖励函数,提出了4种基于Q学习的任务分派算法.通过对比实验,论证了基于Q学习的任务分派算法在未预设资源能力的情况下仍能取得较好效果,且支持在任务分派过程中考虑社会关系的影响,使得平均案例完成时间进一步降低.     

基于P2P的多发送节点流媒体数据分派策略

为解决P2P流媒体播放系统中多发送节点对一个节点同时提供服务的数据调度问题,提出了一种考虑网络变化、抖动、调度失败等情况下的动态数据分派策略.本文设计了基于P2P和C/S的混合流媒体系统三层结构,建立了数据分派的数学模型,并给出了一个具有最小缓冲延迟的动态数据分配算法.     

主动实时数据库事务的优先级分派

主动实时数据库（ARTDB）的事务处理尚未得到太多的研究．本文论述ARTDB事务处理的一个重要方面，即事务的优先级分派问题．我们给出为主动（触发）事务及立即和推迟子事务（被触发事务）分派优先级的各种策略，并按不同情况对这些策略的性能进行评价．     

面向并发多任务的重叠联盟效用分配策略*

重叠联盟效用分配是多agent系统中的一个难点问题,文中提出面向并发多任务的重置联盟效用分配策略.首先基于能者多劳的思想采取按比例分配,对多个并发任务进行并行分派,并根据任务分派情况划分重叠联盟的效用.然后推演一个agent同时加入多个联盟时满足效用非减原则的充分必要条件.最后通过实例验证文中方法的有效性,并与串行效用分配进行对比分析.结果表明,在新agent申请加入联盟时,文中策略更易满足效用非减条件,具有更好的时效性.     

一种面向体系结构的自适应软件构件分派模型及算法

自适应演化软件是近年来软件工程领域的研究热点,而以体系结构为中心的自适应演化尤其受到重视.针对当前演化中对非功能性约束关注的不足,着重对面向体系结构的自适应演化框架中构件的分派优化问题进行研究.首先详细描述了基于体系结构模型的构件分派问题,并建立能够满足嵌入式软件构造机制中非功能性约束的分派模型,接着证明该分派问题为NP完全问题,最后提出一种启发式分派算法找出近似最优解,实验表明,与贪婪和整线性规划算法相比,该算法具有多目标均衡的优势;而与整线性规划算法相比,虽然不能保证找到最优解,但具有较大的计算时间优势.     

基于神经网络的信息收集机器人导航界面

采用任务分派型策略远程导航一个坦克型救援机器人，为某化工厂在灾难发生时收集危险信息。远程人员用鼠标点击目标图像给出导航任务。系统自动计算目标方位，并规划路径，发出底层命令，将机器人移动到目标位置。系统采用BP神经网络技术，从被点击的目标图像在窗口中的位置求解目标的世界坐标。实验结果表明，基于神经网络的导航界面能够很好地实现远程人员分派的导航任务。     

基于代理技术的LD-IDS任务分派机制研究

代理和移动代理具有自治性、智能性、移动性等特点,可相对独立地完成一项任务。将代理技术应用于大规模分布式入侵检测系统的实现中,提出了可应用于LDIDS的任务分派机制,该机制实现对移动代理的使用和管理。给出了机制模型,描述了任务分派机制的具体步骤,并对实现该机制过程中所涉及的关键技术进行了讨论。     

基于业务规则的工作流任务分派设计与实现

任务分派反映了企业的人力资源管理与利用水平,是工作流系统的重要内容.任务分派实现是否有效,直接影响了企业的经济效益与发展.在分析以往工作流任务分派定义灵活性与扩展性不足的基础上引入业务规则,以提高任务分派逻辑定义的效率和质量.本工作流任务分派系统充分利用了现有规则引擎Drools,并在此基础上进行了面向业务层面的改进与扩展,以提高系统开发效率.为基于业务规则的工作流系统开发打下坚实的理论与实践基础.     

面向数据特征的人机物融合服务分派方法

随着工业互联网的不断发展,大数据和人工智能促成了人机物全面互联.用户使用服务时产生的任务数据量正呈指数级增长,在为线上用户推荐服务满足个性化需求的同时,对于需要通过人机物交互完成的服务,如何整合线上和线下资源,并分派合适的人快速、有效地完成任务,也已成为一个挑战性问题.为了保证服务分派的准确性,提出了一种综合考虑人机物各方面数据特征的跨域融合服务分派方法,分别对用户评价的情感倾向性和业务数据的相似性进行分析,然后加入对业务执行有影响的物理世界的属性特征,以获得更合理的分派.最后,以一个互联网在线诊疗平台的医患分派为例,结果表明,文中提出的分派方法具有较高的准确性,可以获得更好的用户体验.     

基于Trace的即时编译器中代码生成策略的改进

针对编译循环内的查找表分派指令导致的代码重复或额外运行开销,在Dalvik虚拟机的基于Trace的即时编译器中提出了改进的代码生成算法。同已有的代码生成算法相比,该方法在划分基本块阶段获取查找表分派的信息,并将查找表分派指令转换成一系列条件分支指令,通过条件分支指令实现子Trace同主Trace的合并,避免了主子Trace切换时额外的函数调用。实验结果表明,对于循环内含查找表分派的应用程序,该算法能提升其性能。     

基于Java语言的公司任务分派系统设计与实现

以Java语言和MySQL数据库为基础,在Myeclipse工具上开发了一款适合公司员工使用的（项目）任务分派系统。该系统的主要功能是管理公司的任务以及发放给自己的任务,包括管理员工的基本信息（奖惩信息）,以及员工完成任务的汇报情况和绩效（工资）的考核,通过系统可实现员工信息的录入、更新、删除、查询等功能。系统具有界面直观、操作简易、数据库反应快等特点。     

基于LDA主题模型的软件缺陷分派方法

传统的基于向量空间模型的软件缺陷分派方法,由于存在特征空间维度高、数据稀疏且包含噪音等问题,分派准确率较低。为此,提出一种基于隐含狄利克雷分配(LDA)主题模型的软件缺陷分派方法,将缺陷报告从原始的高维文本单词空间映射到低维语义主题空间,在新的低维主题空间上进行分派。实验结果表明,在使用SVM和KNN分类器时,该方法的分派准确率较高。     

基于开发者多元特征的软件缺陷自动分派方法

软件缺陷修复是软件生命过程中一个不可忽视的问题,如何高效地进行软件缺陷的自动分派是一个十分重要的研究方向。目前已有的研究方法多侧重于缺陷报告的文本内容或开发者抛掷网络中的浅层信息,而忽视了开发者抛掷网络中的高层次拓扑信息。为此,提出了一个基于开发者多元特征的软件缺陷自动分派模型MFD-GCN。该模型充分考虑开发者抛掷网络中的高层拓扑特征,并运用图卷积网络强大的网络特征提取能力,充分挖掘出代表开发者深层合作关系和修复偏好性的多元特征,并与缺陷报告文本特征一起训练分类器。模型在两个大型开源软件项目Eclipse和Mozilla上进行实验,实验结果表明,相比近年来提出的主流分派方法,MFD-GCN模型在推荐前K个开发者时均取得了较好的推荐结果,其中,在Eclipse项目上Top-1推荐准确率达到了69.8%,在Mozilla项目上达到了59.7%。     

基于敏捷工作流的企业应用集成

分析了了基于工作流的企业应用集成以及其中动态EAI的优势与困难。为了解决动态EAI引入的问题，提出了一个基于敏捷工作流的EAI框架，该框架通过面向服务的ECA逻辑、动态服务发现与分派、分布式消息系统和智能代理技术在系统获得RRS特性的同时，向应用屏蔽了动态EAI的复杂性。