软件模糊测试中遗传杂交算法的研究

利用遗传算法的导向性原理,可以不断寻找能够触发软件异常的测试用例.杂交过程是遗传算法中重要过程之一,如何定义父代中的优秀基因并遗传到子代,对寻找算法搜索空间的最优解非常重要.定义了重要基因及优良选择的概念并提出相应杂交算法.在Windows RPC测试中发现,该算法能够寻找到种群中优良基因并不断遗传到子代中,为自动构造软件输入数据,触发软件异常提供支持.     

手机MMI自动化测试系统的关键技术研究

在分析了实现手机人机界面(MMI)软件自动化测试的原理和技术难点的基础上,通过游程长度编码算法对屏幕数据进行压缩和一些数据比较技巧来解决屏幕数据传输与比较问题;通过一系列容错处理来保证ATS系统在无人参与的情况下自动运行;通过对系统软硬件进行抽象和加入TCL脚本解释器来增强系统的可扩展性和可重用性;最后应用这些技术方案实现了一个实际可用的ATS系统;应用结果表明,该系统能大幅提高手机MMI的测试效率。     

谈专业竞赛对教学实践改革的促进作用

本文结合"数据结构"实践教学,探讨了高等教育大众化教育背景下计算机专业人才培养模式。通过介绍近年来我校参加的计算机专业竞赛,说明改革实践教学模式的必要性。     

在信息技术课程中开展过程性评价的探索与实践

过程性评价就是在在学习一评价一学习的过程中,引导学生积极主动地学习,促使学生全方位地良性发展,以学生综合素质为目标,采取灵活多样的评价方法,注重学生学习过程和学习结果的评价。在信息科技课程的评价过程中我们要探索新的评价原则和评价方法,促进学生的发展和信息科技课程的改革。     

异构多子网的以太网物理拓扑发现算法研究

针对异构网络的特点,在分析了网络拓扑发现相关协议的基础上,本文提出了一种依赖SNMP协议、基于异构多子网的以太网物理拓扑发现算法。实验显示,该算法可以准确、高效地进行物理拓扑发现,准确识别链路连接类型,是解决该问题的一种有效方法。     

考虑有功协调优化的配电网动态电压控制

配电网电压动态变化特征日益凸显,对配电网动态优化控制提出了新的要求。除此之外,配电网有功与无功的耦合特性也使得仅基于无功/电压的控制方法效果降低。因此,提出了一种考虑有功/无功快速协调优化的配电网动态电压控制方法,实现在秒级时间尺度内关键节点的电压恢复。首先建立配电网有功/无功控制设备动态模型,并基于模型预测控制理论建立了动态电压控制系统预测模型。设计了面向配电网电压协调控制的多目标自适应优化策略,基于配电网同步相量测量单元动态测量数据实现有功/无功控制设备出力的动态协调。仿真结果表明,该方法能够实现配电网电压波动的秒级抑制,并将目标节点电压快速无差地恢复至扰动前水平。     

基于单片机的变论域模糊 ＰＩ 车载供电系统设计

针对现有车载供电系统的效率低和常规PI控制策略的超调量大、响应时间长、抗干扰性能差等问题,提出了基于单片机的变论域模糊PI供电系统。该系统可以输入低压直流电,经DC-DC升压电路、DC-AC电路变换,输出交流电压为小型用电器供电,并采用变论域模糊控制策略,根据误差大小对PI参数进行实时在线调整,从而满足最优的性能要求。实验结果表明,该系统效率高,响应速度快,电流波动小,电压稳定性高,具有较强的鲁棒性,证实了所提出的方法可行。     

融合多尺度特征的脑电情感识别研究

基于单尺度二维、三维卷积的脑电情感识别算法存在原始信号映射到高维特征矩阵过程中信息易丢失、模型参数量大、提取特征相对单一等问题。提出多尺度金字塔交互注意力残差网络（MPIAResnet）。利用多尺度一维卷积核直接提取原始脑电信号的多尺度空间特征,将标准卷积替换为分组卷积,相比二维、三维卷积具有更少的参数量,同时利用通道交互注意力机制优化特征提取过程。在此基础上,与双向GRU(BiGRU)融合组成MPIAResnetBiGRU网络,进一步提取脑电信号的上下文语义信息,实现脑电信号的时空特征融合。基于公开数据集DEAP的实验结果表明:在受试者依赖实验中,该模型Valence和Arousal维度识别准确率达到97.60%和98.15%,相比单尺度模型提升8.56和8.36个百分点;在小批量训练集实验中,当训练集占比为30%时,测试集准确率依然可以保持在90%以上;在分频带实验中,2个高频带信号识别准确率优于低频带信号,证明了模型的有效性;而在受试者全部参与实验中,该模型的识别准确率也均优于对比方法。     

基于机器学习的FPGA电子设计自动化技术研究综述

随着后摩尔时代的来临,现场可编程门阵列(FPGA)凭借其灵活的重复可编程特性、开发成本低的特点,现已被广泛应用于物联网(IoTs)、5G通信、航空航天以及武器装备等各个领域。作为FPGA设计开发过程中所必备的手段,FPGA电子设计自动化(EDA)技术的研究在各界得到了广泛的关注。尤其是在机器学习方法的推动下,FPGA EDA工具的运行效率和结果质量(QoR)得到了很大的提升。该文首先对FPGA EDA技术与机器学习技术的概念内涵进行了简要概述,随后综述了机器学习技术在FPGA EDA高层次综合(HLS)、逻辑综合、布局与布线等各个不同阶段应用的研究现状。最后,对基于机器学习的FPGA EDA技术的发展进行了展望。以期为本领域及相关领域的专家和学者提供参考,为后摩尔时代我国集成电路产业的发展提供技术支持。     

基于改进深度Q网络算法的多园区综合能源系统能量管理方法

多园区综合能源系统可通过多能互补互济显著提升运行经济性,然而园区之间的复杂互动、多能耦合决策会给多园区综合能源系统的能量管理带来决策空间庞大、算法难以收敛等挑战性问题。为解决上述问题,提出了一种基于改进深度Q网络(modified deep Q network,MDQN)算法的多园区综合能源系统能量管理方法。首先,采用独立于园区的外部气象数据、历史互动功率数据,构建了基于长短期记忆(long short-term memory,LSTM)深度网络的各园区综合能源系统外部互动环境等值模型,降低了强化学习奖励函数的计算复杂度;其次,提出一种基于k优先采样策略的MDQN算法,用k-优先采样策略来代替ε贪心策略,克服了大规模动作空间中探索效率低下的问题;最后,在含3个园区综合能源系统的算例中进行验证,结果表明MDQN算法相比原DQN算法具有更好的收敛性与稳定性,同时可以提升园区经济效益达29.16%。