电磁脉冲环境下电源防护电路设计

主要设计了直流电源在强电磁脉冲环境下的保护电路,阐述了设计思路,并进行仿真和实验验证.防护电路设计采用瞬态元件和滤波电路互相配合使用.瞬态元件主要是电压箝位和电流的泄放,滤波电路是滤波和延时作用.仿真与实验结果表明,防护电路可以对强电磁脉冲进行衰减,可以有效保护直流电源.     

机会网络中基于能量消耗的缓存管理策略

为了减少机会网络中节点的能量消耗,均衡各节点之间能量使用情况,延长网络寿命,提出基于能耗的缓存管理策略。在节点缓存空间有限的情况下,所提出的算法根据周围邻居节点能量的使用情况,动态调整节点用于缓存转发消息空间的大小,从而减少节点在存储-转发过程中的能量消耗。同时,为了避免传统休眠机制的能耗路由算法中由于目的节点休眠而导致消息投递失败的情况,引入了新的Inactive节点状态。实验仿真表明,与定时休眠机制的能耗算法比较,采用基于能量消耗的缓存管理策略能够使得机会网络中所有节点的整体能耗降低50%左右,并且节点之间能耗的标准差降低80%以上。     

利用多维分级Cache替换策略减少对PCM内存写回量

寻找新型存储材料代替DRAM内存是当前的一个研究热点。相变存储PCM因其具有低功耗、高存储密度和非易失性的优点受到广泛的关注,然而PCM的可擦写次数有限,要用作内存必须考虑如何减少对其的写操作。针对该问题,一种有效的解决方法是优化Cache替换策略,减少Cache中脏块被替换出的数量。现有研究主要通过在插入和访问命中时给脏块设定较高的保护优先级来达到给脏块额外保护的目的,但是在降级过程中不再对脏块与干净块进行区分,这导致Cache可能在存在大量干净块的情况下仍然先替换脏块。提出一种新型的Cache替换策略MAC,它通过一个多维分级结构在脏块与干净块之间设置了不可逾越的界限,使得脏块能得到更有力的保护。模拟实验表明,相对LRU替换策略,MAC以较低的硬件开销代价平均减少约25.12%的内存写,同时对程序运行性能几乎没有影响。     

大学计算机基础课程实战化案例教学研究与实践

针对当前军校大学计算机基础课程立足于以建设信息化军队,打赢信息化战争的根本方针,结合自身的教学经验,注重在教学实施上以实战化案例教学为原则,形成问题前导、主题研讨、案例辨析、推演论证四位一体的案例化教学方法。列出了大学计算机基础课程中的所有知识模块及教学目标,并详细分析几个关键模块的教学步骤,为军校大学计算机基础课程教学提供一些方法和思路。     

柬教官计算机专业外训教学探索

近年来,我室承担了柬埔寨教官计算机专业培训的外训教学任务,由于没有外训经验,教学过程中面临许多新问题,任务艰巨。如何有效实施计算机专业外训教学,提升外训教学水平是当前迫切需要探索的课题。从柬教官的特点和计算机专业的特点出发,对外训教学的规范化问题提出了几点看法,以期为提高教学效果提供借鉴。     

基于混合方法的中文微博自动摘要技术研究

针对微博内容驳杂、信息稀疏的问题,深入研究传统自动摘要技术,结合微博数据特点,在微博事件提取的基础上提出一种基于统计和理解的混合摘要方法。首先根据词频、句子位置等文本特征得到基于统计的初始摘要;然后通过语义词典,计算句子相似度、确定事件主体进行基于语义理解的可读性加工,使最终摘要更具可读性;最后采用合理的摘要评价方法评价所得摘要。实验结果表明,该方法在不同压缩比例下均能获得质量稳定且可读性良好的摘要。     

一种虚拟路由器资源映射算法研究

网络虚拟化技术的提出,为解决互联网"僵化"问题找到了新的思路,受到广泛的关注。在虚拟路由器平台中,若干台互联的网络服务器资源组成了底层物理网络,通过虚拟网络映射技术,将物理网络资源有效地映射到虚拟网络设备上,组成多个虚拟网络,满足用户对网络的多样化需求。虚拟路由器资源映射问题是虚拟网络映射问题的基础,虚拟路由器实例与物理资源的映射方法决定了虚拟网络平台资源的利用率和虚拟网络系统的性能。针对虚拟路由器平台资源分配的问题,提出了物理网络资源模型和虚拟路由器资源请求模型,设计了一种启发式虚拟路由资源分配算法,并对算法的复杂性和优化目标进行了分析。     

基于模糊控制的低能耗分簇协议

能耗是影响无线传感器网络生命周期的关键,具有低能耗的无线传感器网络是业界所期望的。现有的几个网络分簇协议能在一定程度上解决和改善网络能耗问题。如LEACH协议能在一定程度上延长网络生命周期,但网络环境的可变性以及实际环境中有诸多不可估计的因素,LEACH协议就没考虑当前节点剩余能量和节点分布情况等问题。提出的基于模糊控制的低能耗分簇协议LECP-FC能较好地解决环境可变等不可估计的问题,在簇头选取的过程中着重考虑了能量、节点度、节点中心度、距离、侦听密度等因子。经过网络结构配置和仿真,其结果表明网络工作效率得到很大程度上的提高。     

具有自学机制和退火选择的教学优化算法

为了克服教学优化(TLBO)算法容易早熟,解精度低的弱点,提出一种具有教师自学和学生选择学习的改进教学优化算法。在每次迭代过程中教师个体首先通过反向学习(OBL),实现教师的自我提高,加强优秀个体周围邻域的搜索,引导算法向包含全局最优的解空间逼近,保证算法具有较好的平衡和探索能力。学生个体通过随机执行反向学习进行自学习,同时亦向教师个体进行学习,计算两种学习方法后的状态相对教师个体的突跳概率,并以此概率为基础进行轮盘赌产生子个体。通过在多个标准测试函数上的实验仿真并与相关的算法对比,结果表明所提出的改进算法具有更高的收敛速度和收敛精度。     

云环境中基于LVS集群的负载均衡算法

为了解决传统负载均衡技术应用到云计算环境中引发的新问题,提出一种云环境下基于LVS集群分组负载均衡算法。该算法首先根据硬件性能计算各节点的权值,将性能相同(或近似相同)的服务器分为一组,每组节点数量相等(或近似相等),负载均衡器定期地收集各节点CPU、内存、I/O、网络利用率以及响应时间,动态改变节点的权值,使用改进算法选择该组内最佳节点,并计算节点的综合负载和组负载。最后再次使用改进算法由组负载均衡器选择集群最佳节点,并进行任务请求的合理分配,从而解决因并发量过大而引起的时延等问题。实验结果表明,与加权轮询算法(WRR)和加权最少连接算法(WLC)相比,本算法能够在并发量较大的情况下维持较短的响应时间和较高的吞吐率,使集群负载更加均衡。