基于约束的智能光网络路由算法的实现

对智能光网络规划方法进行了较为全面的分析和阐述,提出了一种新的用于智能光网络仿真、规划的约束最短路径优先算法,能够有效均衡网络负载,提高网络资源利用率,降低链路失效时的风险.在此算法的基础上实现了智能光网络仿真规划软件,为运营商实际引入智能光网络后的研究设计和运行维护提供了有利工具.     

层次化的侧信道攻击风险量化评估模型

随着攻击的多元化发展,在多种泄露条件下,密码芯片的安全风险评估问题以及优化的攻防策略选择问题成为目前研究盲点。针对多种泄露,从信息泄露的角度出发,利用信息熵对密码芯片的信息进行量化,并将互信息作为安全风险的衡量指标,提出了一种基于层次化的风险评估模型。该模型采用“自下而上,先局部后整体”的分析方法,将不同类型的泄露和攻击方法进行划分,并将互信息作为泄露风险的量化指标,通过模糊综合分析方法对安全风险进行有效的评估。     

机床误差对圆弧齿线圆柱齿轮齿面误差影响规律的理论研究

机床误差是导致圆弧齿线圆柱齿轮齿面误差的主要原因,研究机床误差与齿面误差之间的关系将为机床加工参数反求、齿面误差修正等提供理论依据。基于圆弧齿线圆柱齿轮成型原理建立了齿轮机床结构模型,建立了机床坐标系体系。通过齿坯和刀盘位置误差、刀具形状误差对机床整体误差进行描述,基于啮合原理推导了理想情况下和包含机床误差的齿面方程。研究了齿轮误差曲面计算方法,采用二阶近似曲面和齿面平均误差影响系数分析不同机床误差下误差曲面,研究机床误差对齿面误差的影响规律。通过实例分析了被加工齿轮几何参数不变时和变化时,机床误差对圆弧齿线圆柱齿轮凹齿面误差影响规律。     

黔北地区龙马溪组页岩气地质特征研究

志留系龙马溪组扬子板块页岩气开发在重点层位,黔北地区龙马溪组发育好,地质条件与重庆涪陵地区极为相似,并取得了良好的勘探成果,显示了良好的持续开发潜力。以黔北地区龙马溪组为研究对象,从富有机质泥岩页发育特征、沉积环境及泥页岩储层特征等方面,系统研究龙马溪组页岩气地质特征,认为龙马溪组及富有机质泥页岩呈东西向条带状分布,从北往南具逐渐变薄,平面上,由南往北主要发育潮坪相、浅海陆棚和深水陆棚相,深水陆棚的缺氧滞留环境是富有机质泥页岩发育的主要区域,储层中碎屑矿物及自生脆性矿物可以提高储层的物性特征,是富集页岩气的关键。     

双道原子荧光光谱法测定蔬菜中的砷和汞

采用湿法消解蔬菜样品,用AFS-230E型双道原子荧光光度计测定蔬菜中的As和Hg重金属含量。在最佳实验条件下,As和Hg元素的工作曲线相关系数(r)分别为0.999 2和0.999 6,检出限分别为0.011 9和0.013 9μg/L,加标回收率分别为:91.6%~101.5%和89.8%~97.3%,相对标准偏差(RSD,n=7)分别为1.4%和0.52%,方法可供各地测定各类蔬菜中As和Hg等重金属元素含量作参考。     

基于动态种群和广义学习的粒子群算法及应用

为了提升粒子跳出局部最优解的能力,本文提出一种动态种群和广义学习粒子群算法(DCPSO).在算法运行过程中,引入种群增加策略和减少策略以提升种群的多样性,进而提升粒子跳出局部最优解的能力;同时引入广义学习策略以增加粒子飞向全局最优位置的概率.在基准函数的测试中,结果显示DCPSO算法比其它PSO算法有更好的性能;在实际...     

基于中国观鸟数据的移动对象周期模式发现

移动对象的轨迹数据中包含大量时空信息,挖掘时空信息背后隐藏的周期模式对掌握移动对象变化规律具有重要作用。为此,提出一种三阶段移动对象周期模式检测算法,通过研究轨迹点的时空特征识别并剔除重复数据,利用密度聚类算法发现轨迹点密集区域并找出密集区域中每一类移动对象的周期模式,解决移动对象轨迹周期模式挖掘中轨迹数据重复、采样数据不连续及潜在周期模式发现问题。基于2003年—2015年中国观鸟记录中心、中国观鸟年报等公开数据的实验结果表明,该算法可有效处理轨迹数据并准确挖掘出规律性移动对象的周期模式。     

基于ε占优的自适应多目标粒子群算法

针对粒了群算法求解多目标问题极易收敛到伪Pareto前沿(等价于单目标优化问题中的局部最优解),并且收敛速度较慢的问题,提出一种ε占优的自适应多目标粒子群算法(εDMOPSO)..在εDMOPSO算法中,每个粒子的邻居根据粒了的运行动态地组建,且粒了的速度小由其邻居中运行最好的粒予来调整,而是由其所有邻居共同调整.同时...     

求解约束优化问题的多目标粒子群算法*

提出一种多目标粒子群算法处理约束优化问题(MOCPSO). 首先将约束优化问题转化为多目标问题, 然后给出一个不可行阈值来充分地利用不可行粒子的信息引导种群的飞行; 并提出一种粒子间的比较准则以比较它们的优劣; 最后, 为了增加种群的多样性, 提升种群跳出局部最优解的能力, 引入高斯白噪声扰动. 选取有代表性的标准测试函数对MOCPSO算法的性能进行仿真实验, 相比较其它算法, 结果显示MOCPSO算法是求解约束优化问题的有效算法.     

基于自适应拥挤网格的多目标粒子群算法

粒子群算法求解多目标问题极易收敛到伪Parct。前沿(等价于单目标优化问题中的局部最优解),并且收敛速度较慢。鉴于此,提出一种基于自适应拥挤网格的多目标粒子群算法(ACG-MOPSO)。其特点包括:利用自适应网格和拥挤距离确定外部存档中粒子的密度,并利用密度信息维持外部存档的规模;利用外部存档中非劣解的密度和拥挤距离信息确定全局最优粒子,提升粒子向Parcto前沿收敛的概率。模拟结果表明该算法在求解多目标问题上要优于其它算法。