Mogent系统迁移机制的设计和实现

移动agent计算模式将成为未来网络计算的主流模式,迁移技术 是移动agent的核心技术之一,受到了广泛的关注,在分析现有agent系统迁移机制的基础上,提出一种结构化的agent迁移机制,该机制提供了任务级迁移,采用结构化旅行计划三月分离移动信息和agent功能体,在降低agent开发复杂度的同时保证了较高的灵活性和表达能力,最后,结合自笔研制的移动agent系统-Mogent系统,讨论了该机制的实现工作。     

《数据结构》课程双语教学的探讨

《数据结构》是计算机程序设计的重要基础课程。论述在该课程中开展双语教学所使用的教材,采用的教学模式及课堂实现方法。     

低速飞行模拟转台变结构控制设计

针对飞行模拟转台在低速运行时的控制问题进行研究。由于摩擦力矩对飞行模拟转台在低速运行的影响较大,为了使转台在低速运行时具有精确的跟踪能力,采用变结构控制方法设计了控制器,并利用干扰观测器对摩擦力矩进行估计,从而在不增加系统硬件设备及改变转台结构的情况下对摩擦力矩进行补偿。仿真表明,该方法可以使飞行模拟转台在低速情况下具有良好的跟踪能力,干扰观测器可以准确地对摩擦力矩进行估计,并有效地补偿了摩擦力矩的影响,验证了该方法的有效性。     

函数双向S-粗集的信度特征

利用函数双向S-粗集的结构,给出函数迁移的信度特征,函数集Q的下近似信度特征,函数集Q的上近似信度特征;利用这些结果,给出函数双向S-粗集的信度特征,提出函数双向S-粗集的随机结构与随机定理。函数双向S-粗集的结构是函数双向S-粗集的随机结构的特例,函数双向S-粗集的随机结构是函数双向S-粗集结构的一般形式。     

Application of the dynamic compliance method for fluid–structure interaction

This article is focused on application of the dynamic compliance method for fluid–structure interaction. The dynamic compliance method is in principle a method which provided reduction of the order in the frequency domain. This method has been implemented in MATLAB and tested on a relatively simple structure and fluid models. Results were compared with the exact solution and a good agreement was found.     

对象技术与抽象数据类型的实现

讨论了抽象数据类型的实现方案,并以“线性表”为例,说明对象技术在抽象数据类型实现中的应用。对于一种抽象的数据类型,先将它定义成一个抽象类,再结合某一种具体的存储方式加以实现。采用这种对象技术的特点是,任何存储方式或实现细节的改变都不会影响外界对类的使用。这种设计原则已应用于面向对象版的“数据结构”课程之中,取得了良好的效果。     

通用搜索算法的设计

问题求解系统常常涉及到多种形式的搜索方法，搜索方法的关键是搜索算法设计。这里给出一个简捷的通用搜索算法，算法采用结点指针和搜索指针对关系矩阵进行双重处理的方法，搜索过程中不断改变结点指针和搜索指针，进行推进和回退处理，最终找出问题的全部解。     

基于字符结构知识的车牌汉字快速识别技术

车牌汉字识别效率一直是制约车牌自动识别系统推广应用的瓶颈。采用多级分类方法,充分利用车牌汉字图像的空问结构特征(像素空间分布投影,字符的笔段类型、数量及拓扑关系等)可实现车牌汉字的快速辨识。实践表明,该方法能快速从车牌汉宁图像中辨识出汉字字符,识别准确度可达98％。     

基于溢出性原理的联盟结构生成算法

联盟结构的生成问题中由于搜索空间的联盟结构数目太大,因而搜索联盟结构的最底两层建立一个最坏情况下的边界值是必要的,边界值将最优的联盟结构限制在某个限界内,通过进一步的搜索可以在任意时间内得到一个较优值。根据联盟的溢出性质,文中提出了一种新的建立边界值的方法,即对任意不相交的联盟集合计算其上下边界的值,通过搜索特定的联盟结构集合建立最坏情况下的边界值。联盟的边界值建立以后,可以在任意时间内得到一个较优值,通过搜索剩余的联盟结构集合,可以对边界值和返回的联盟结构进一步优化。在此基础上文中提出了基于溢出性质的任意时间算法。实验结果表明,采用新的方法建立边界值,使得算法的收敛速度更快,效率更高。     

基于BIC测度和混合遗传算法的BNC结构学习

贝叶斯网络分类器(BNC)结构学习是一个NP难题。贪婪搜索(GS)算法是一种有效且准确性较高的结构学习算法,但贪婪搜索算法很容易陷入局部最优。标准遗传算法是一种全局搜索优化算法,它通过模拟生物种群的进化过程,得到全局最优解。但就其个体而言,个体局部解的质量无法保证,不具备局部寻优的能力。提出了将两种算法相结合,以贝叶斯信息标准(BIC)测度为评价函数,得到一种混合遗传算法,实现了它们的优势互补。实验表明:该算法优于单独利用GS算法进行Bayesian网络结构学习,从而说明该算法的正确性和有效性。