一类层次型职称编码维护的设计和实现

本文针对层次型职称编码维护的现状,分析和讨论了一种界面友好且操作方便的自动编码方案,并详细介绍了其设计和实现方法,该方法可提高整个应用系统的可维护性和可重用性.     

基于GIS的数字校园教学管理系统的设计与集成

为实现校园教学管理的信息化、科学化和可视化,在分析现有校园信息管理系统特点的基础上,研究了将GIS技术和校园教学MIS系统集成的方法,建立了基于CORBA的校园教学信息集成模型框架,对它的系统体系结构、功能设计及实现技术进行了比较详细的探讨,并以应用实例阐述了基于C／S模式的校园教学管理GIS查询系统的实现方法,为实现校园教学管理可视化提供了一种有效的解决方案。     

基于免疫原理的量子进化算法及收敛性研究

分析量子进化算法的特点及免疫进化的机理,提出一种基于免疫算子的量子进化算法．该算法通过免疫克隆选择、免疫细胞交叉变异、记忆细胞产生、抗体相似性抑制等进化机制,可以最终找出最优解,比传统的量子进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力．不仅从理论上证明了所提出算法的收敛性,而且通过仿真实验表明了该算法的优越性．     

基于聚度的自适应动态混沌蚁群算法

针对蚁群算法收敛速度慢，容易陷入局部最优的问题，提出了一种基于聚度的自适应动态混沌蚁群算法（A_ACS）。在迭代前期利用聚度来衡量解的多样性，自适应调节局部信息素分布，同时引入混沌算子来增加种群多样性，避免算法陷入局部最优，从而提高解的精度；在迭代后期去掉混沌算子，减少混沌扰动性，来提高算法的收敛速度。将A_ACS用于TSP问题，仿真结果表明，该算法较ACS和MMAS算法减少了搜索时间，并且提高了解的质量，其平衡了多样性与收敛性之间的矛盾，整体性能优于其他两种算法。     

基于GIS的数字校园教务管理可视化方法研究

文章分析和讨论了一种将GIS技术应用到校园教务管理中的方法，详述了基于C／S模式的校园教务管理系统的体系结构框架、数据流分析及空间数据库的设计方法，为数字校园教务管理可视化等问题提供了一种有效的解决方案。     

基于OPenGL的自然树木三维模拟生成技术

本文对自然树木的三维模拟生成技术进行了探讨,详细描述了在Windows环境下如何运用OpenGL技术模拟生成三维松树的算法,实现了对三维松树的光照及多角度浏览等操作。     

基于栅格模型机器人路径规划的量子蚁群算法

针对复杂环境中移动机器人路径规划问题,提出了一种基于量子-蚁群算法(QACA)融合的路径规划算法。该算法的核心是在蚁群系统(ACS)中引入量子算法中的量子态矢量和量子旋转门来分别表示和更新信息素,增加位置的多样性,加快算法的收敛速度。通过仿真实验表明,该算法可增加算法的随机性,较传统的蚁群算法具有更好的种群多样性,更快的收敛速度和全局寻优能力,即使在障碍物较复杂的环境下,也能迅速规划出一条最优路径。     

量子行为网络资源并行分配优化模型及其应用

通过建立博弈量子场数学模型,探讨了具有量子行为的分布式并行处理模型。利用博弈量子场由非平衡状态到平衡状态的演化过程与分布式系统演化过程之间的相似性,分析了量子力学系统与分布式演化模型之间的对应关系。建立了具有量子行为的分布式并行演化模型,并研究了模型的自治性、平衡态和稳定性。最后通过宽带网络的带宽分配问题中的应用实例,验证了模型的性能。     

分层递进的改进聚类蚁群算法解决TSP问题*

随着旅行商问题(TSP)规模的增大,传统蚁群算法的运行时间会增大,算法的解精度也会降低,并且算法很容易陷入局部最优的情况。提出的分层递进算法的思想源于分工合作的产品线组装流程,首先利用改进的密度峰聚类算法确定拐点,从而选举出聚类中心,根据聚类中心确定包含的数据点;其次将初始的TSP问题分割成较小的簇,这些簇称为二类TSP问题;再经自适应信息素更新策略的蚁群算法运算,找出每个簇的最优解,进一步将簇与簇之间相近的节点构成的边断开;然后两簇之间断开的节点重组成全局最优解;最终通过局部优化策略对重组的优化解进一步优化,从而在保证算法解质量的前提下有效地缩短了运行时间。从TSPLIB中选取小规模、大规模基准案例,通过Matlab仿真验证了改进算法具有更好的鲁棒性,特别是在大规模基准案例中显著地减少了算法运行时间。