椭圆管外流动熵产及放热系数的数值分析

以椭圆管加热水流动为研究对象,对椭圆管加热水流动系统进行了二维数值模拟。通过联立求解流体力学基本方程和熵产方程,获得了熵产、放热系数与雷诺数和纵、横向间距的变化关系。数值分析结果表明:熵产主要发生在管壁表面附近,而在系统内部区域熵产较小,可以忽略;熵产随雷诺数的增大而增大,随纵、横向间距增加而减小,熵产与雷诺数、纵、横向间距存在对应关系,纵、横向间距宜在1.75～2.0间;在相同的雷诺数值时,熵产、放热系数沿流动方向呈现单调减小的趋势;不同的雷诺数值,熵产、放热系数不同,单调减小的趋势相同。放热系数随Re的增大而增大,且与雷诺数存在对应关系。纵向总放热系数随纵、横向间距增大而减小,且存在对应关系。     

基于模拟植物生长算法作业车间调度问题研究

为了有效且简单的实现车间作业调度问题,提出了采用模拟植物生长算法的求解方法。针对车间作业流程,确定评价作业分配效率的指标,在此基础上建立车间作业分配的数学模型。然后通过对实例的计算及与其他优化算法的比较分析,验证了模拟植物生长算法不仅可获得最优解,求解效率也较其他算法得到了提高,是一种可行有效的方法。     

Electrical response of Sm2O3-doped SnO2 to C2H2 and effect of humidity interference

Pure and Sm₂O₃-doped SnO₂ are prepared through a sol–gel method and characterized by X-ray diffraction (XRD) and transmission electron microscopy (TEM). The sensor based on 6 wt% Sm₂O₃-doped SnO₂ displays superior response at an operating temperature of 180 °C, and the response magnitude to 1000 ppm C₂H₂ can reach 63.8, which is 16.8 times larger than that of pure SnO₂. This sensor also shows high sensitivity under various humidity conditions. These results make our product be a good candidate in fabricating C₂H₂ sensors.     

一种基于MOF技术的网络建模研究与实现

基于模型驱动架构方法极大提高了软件的开发效率,而模型之间的转换是开发基于模型驱动架构应用工具的关键技术。采用MOF技术建立不同类型模型结构,运用XMI Bus的数据交换技术将MOF和XML很好地结合在一起,极大降低了模型转换的壁垒,使得异构环境下的工具和各种模型间的交互变得简单。本文研究了MOF的相关技术,最后运用该技术实现了网络中的建模过程。     

一种基于扩展规则的#SAT 求解系统

#SAT 问题是SAT 问题的扩展,需要计算出给定命题公式集合的模型个数.通过将问题求解沿着归结的反方向进行,并利用容斥原理解决由此带来的空间复杂性问题,提出了一种基于扩展规则的模型计数和加权模型计数问题求解框架,可以看作是目前所有模型计数问题求解方法的一种补方法.证明了该方法的完备性和有效性,设计了基于扩展规则的#SAT 求解系统:JLU-ERWMC.实验结果表明,JLU-ERWMC 在有些问题中优于目前最为高效的#SAT 问题求解系统.     

面向多层次知识表达的贝叶斯分类模型研究

提出多模式贝叶斯分类算法,由变量值之间的条件独立和条件相关性推断因果关系,根据每个完整随机样本而非整个样本空间构造子模式.结合局部计算近似推理进行概率密度和条件概率分布估计,在此基础上采用后离散化策略自动确定连续变量边界.在UCI机器学习数据集上的实验结果证明了该算法的合理性和有效性.     

一种快速的基于球体混合重建的碰撞检测算法

为了解决虚拟特征和虚拟环境中虚拟物体的相交问题,必须对实时的虚拟应用环境实施快速的碰撞检测.提出了基于球体混合重建的碰撞检测算法,对球体混合表面提出了一个子线性时间复杂性的重建过程;利用四元组构造变换范围,扩展了从线性到球形混合的构造变换方法;采用循环划分的方法完成了由球体混合到线性混合的分解过程.尽管这个方法的实现过程较线性的方法更难些,但算法的执行过程所需时间却与线性方法相差无几,其复杂性也与线性结构的相同.     

Large-scale network intrusion detection based on distributed learning algorithm

As network traffic bandwidth is increasing at an exponential rate, it’s impossible to keep up with the speed of networks by just increasing the speed of processors. Besides, increasingly complex intrusion detection methods only add further to the pressure on network intrusion detection (NIDS) platforms, so the continuous increasing speed and throughput of network poses new challenges to NIDS. To make NIDS usable in Gigabit Ethernet, the ideal policy is using a load balancer to split the traffic data and forward those to different detection sensors, which can analyze the splitting data in parallel. In order to make each slice contains all the evidence necessary to detect a specific attack, the load balancer design must be complicated and it becomes a new bottleneck of NIDS. To simplify the load balancer this paper put forward a distributed neural network learning algorithm (DNNL). Using DNNL a large data set can be split randomly and each slice of data is presented to an independent neural network; these networks can be trained in distribution and each one in parallel. Completeness analysis shows that DNNL’s learning algorithm is equivalent to training by one neural network which uses the technique of regularization. The experiments to check the completeness and efficiency of DNNL are performed on the KDD’99 Data Set which is a standard intrusion detection benchmark. Compared with other approaches on the same benchmark, DNNL achieves a high detection rate and low false alarm rate.     

集群环境中微服务容器资源特征分析及优化

在集群环境中部署微服务已经成为微服务部署的重要方式.由于不同种类服务对于CPU、内存、磁盘等资源的需求不同,导致集群中的节点产生资源碎片、出现资源消耗倾斜.如何提高集群资源利用率、降低集群能耗,成为继保障服务级别协议(service level agreement, SLA)之后的重大挑战.本文以阿里巴巴集团2021年发布的近两万个微服务的详细跟踪为数据样本,从容器资源使用情况、节点部署特征和资源消耗偏好等多个维度出发,分析其集群资源消耗特征,发现集群中出现了资源消耗倾斜的情况.通过进一步分析节点中容器部署情况发现容器资源分配不合理加剧了这一现象.基于此我们提出了一种使用深度双Q网络的模型,依据上游服务资源需求的实时变化,对容器资源分配进行优化.对比实验结果表明该方法可以在保证服务SLA的情况下有效提高容器资源利用率,改善节点资源消耗倾斜的情况.