基于AGORA扩展模型的可信需求评价选择方法

需求分析设计过程中如何进行正确的需求选择是可信需求设计的一个重要研究内容,在分析研究了现有目标视图需求分析方法的优缺点后,对AGORA目标视图模型进行了扩展,提出了一种基于开发成本以及正确性、一致性、可变性等多可信属性的需求方案综合满意度评价选择方法。该方法解决了需求分析设计过程中的需求选择评价问题,并通过了一个分析案例表明了其实用性和可操作性。     

基于最小跳数的WSN非均匀分布的路由算法*

针对无线传感器网络节点能耗分布不均衡的问题,采用非均匀分布策略部署节点,提出一种新的路由算法。该算法通过在网络中建立最小跳数场和路径节点最小能量场,使得信息包沿着能耗最优的路径向sink节点发送。通过仿真实验表明,该算法在能量节省、能耗均衡和提高网络生存期方面具有明显的优势,进而能够缓解能量空洞问题。     

三星型压缩机振动问题研究

提出了引起星型活塞式压缩机振动这一宏观现象发生的根源.在一阶惯性力机器内完全平衡的情形下,对二阶惯性力因目前无法在机器内平衡,分析其形成的机理.在机器向大排量方向发展时,二阶惯性力引起机器振动不可忽略,容易引起机器在水平面内移动,所以需采取与基础紧固的措施.     

支持MPLS流量工程的选播路由

对选播服务的网络负载均衡做了研究,提出一种支持多协议标签交换（MPLS）流量工程的选播路由算法（ART）．ART基于最小冲突路由机制,通过MPLS约束路由的标记分发协议（CR LDP）建立1条从选播服务器到客户方向的标记交换路径（LSP）,并预留带宽资源．仿真结果表明,ART能平衡网络的负载,在选播服务中实现网络资源的优化利用,并且在传输服务数据流时,能减少时延及数据包的丢失．     

基于计数排序的最小种子集贪心算法

网络最小种子集问题与网络影响最大化问题相关,研究的是对于具有节点阈值的网络,构造网络的最小节点子集,使得如果这个子集中的节点是活的,则在给定的影响传播模型下整个网络都受到影响。为此提出了新的贪心算法,以节点的度与阈值的差为关键值对网络节点进行计数排序,然后取值最小的节点进行处理。新算法在时间复杂度上改进了基于最小堆的种子点选取算法。在简单多数阈值模型上针对经典的无标度网络得到了所构造的种子集规模上界。实验在随机生成网络和一些实际网络数据集上进行,结果表明所提方法的有效性,特别在无标度网络上生成的种子集具有比相关算法更小的规模。     

深厚覆盖层上高心墙坝地震惯性力动态分布系数研究

对于强震区坐落在深厚覆盖层(深度超过50 m)上的高土石坝,通过拟静力稳定分析结果初步判定其抗震稳定性是抗震设计的主要内容,其中水平向地震惯性力沿坝基覆盖层至坝顶的动态分布系数是关键。然而,现行《水工建筑物抗震设计标准》(GB 51247—2018)中地震惯性力动态分布系数多基于坐落在基岩上的高土石坝的动力响应规律确定,现有动态分布系数忽略了深厚覆盖层和地震动强度对地震动传播规律的影响。因此,以坐落在深厚砂砾石覆盖层上150 m级高黏土心墙堆石坝为研究对象,结合现行土石坝设计规范和国内已建高土石坝实例,基于统计平均的方法确定了坝顶宽度、坝料分区、坝坡坡比、覆盖层材料的静、动力特性等关键参数,深入探讨了150 m级高黏土心墙堆石坝在小震(0.1 g)、中震(0.2 g)和大震(0.4 g)规范谱地震动作用下不同深度砂砾石料覆盖层的动力响应分布规律,进而总结归纳出不同深度覆盖层下150 m级高黏土心墙堆石坝的水平向地震惯性力的动态分布系数,将其引入到拟静力法稳定分析中,最后基于最危险滑动面和最小安全系数与现行规范所得结果进行对比分析。研究结果表明,小震(0.1 g)和中震(0.2 g)下采用文中推荐的考虑深厚覆盖层和地震动输入强度影响的水平向地震惯性力动态分布系数时将得到更符合工程实际的评价结果。研究成果可为深厚覆盖层上的高土石坝抗震设计提供参考依据。     

一种基于路网的多源聚合距离Skyline查询算法

基于路网距离的多源Skyline查询在地图服务中广泛使用,但现有的Skyline查询方法对于复杂的路网距离计算效率低下,并且随着查询点数量的增加查询结果集变得过于庞大,无法为用户提供精简有效的查询结果。为了提高查询结果的有效性和查询效率,提出一种基于最小聚合距离的倒排索引Skyline查询算法,该算法对道路网建立QG-tree索引,提高聚合距离的计算效率;同时对兴趣点集建立倒排索引,结合剪枝策略对兴趣点进行检索,减少聚合距离计算和支配判定的开销,有效地提高查询效率。在真实道路网上的实验表明,所提出的算法效率比现有算法DSR和N3S快1~3个数量级,可以有效地处理道路网环境下多源Skyline查询问题。     

支持权限管理的高效属性撤销机制

针对基于属性的访问控制模型中存在属性撤销后权限确定的问题,本文提出一种支持权限管理的高效属性撤销机制。该方案通过在访问控制机制中引入基于密文策略的属性加密机制CP-ABE来实现密文访问控制,将访问树用主析取范式来表示,主析取范式的每个子集即为访问主体访问资源所需满足的限定条件最小属性集。因此,当属性撤销时,通过判断最小属性集与被撤销属性的关系,来确定被撤销属性对主体的访问是否有影响,进而确定主体的访问权限。性能分析表明,该方案具有较高的安全性,不仅能够实现属性撤销后权限的确定,而且能够抵抗共谋攻击等。     

基于改进粒子群优化和极限学习机的网络安全态势预测

针对网络安全态势预测模型预测精度不高、收敛较慢等问题,提出了一种基于改进粒子群优化极限学习机（IPSO-ELM）算法的预测方法。首先,通过改进粒子群优化（PSO）算法中的惯性权重和学习因子来实现两种参数随着迭代次数增加的自适应调整,使PSO初期搜索范围大、速度高,后期收敛能力强、稳定。其次,针对PSO易陷入局部最优的问题,提出一种粒子停滞扰动策略,将陷入局部最优的粒子重新引导至全局最优飞行。改进粒子群优化（IPSO）算法既保证了全局寻优的能力,又对局部搜索能力有所增强。最后,将IPSO与极限学习机（ELM）结合来优化ELM的初始权值及阈值。与ELM相比,结合IPSO的ELM的预测精度提高了44.25%。实验结果表明,与PSO-ELM相比,IPSO-ELM的预测结果拟合度可达到0.99,收敛速度提升了47.43%。所提算法在预测精度和收敛速度等指标上明显优于对比算法。     

多时空配送任务驱动的无人车队车辆数优化方法

为解决快递终端配送多时空任务驱动下的最小无人车队车辆数配置问题,提出一种随机优化方法。首先,分析服务时长和等待时长对无人车队行驶路线规划的影响,从而构建最短路径模型;然后,基于二维时空网络构造服务序列网络;其次,通过网络转换将最小无人车队车辆数配置问题转化为网络最大流问题,并建立以车队车辆数最小为目标的最小车队模型;最后,针对模型特征设计一种融合Dijkstra算法和Dinic算法的Dijkstra-Dinic算法来对最小无人车队车辆数配置问题进行求解。在四种不同规模的服务网络中进行仿真实验,实验结果表明：在不同成功服务率下,最小无人车队车辆数与服务网络规模呈正相关,但随等待时长的增加而减少并趋向于稳定;所提算法中所引入的One-stop算子大大提高了搜索效率,所提模型和算法适用于大规模服务网络中的最小车队计算。