求解非线性规划问题的混合粒子群算法

用粒子群算法求解非线性规划问题时不可避免的会产生不可行点,处理好不可行点是粒子群算法取得良好优化结果的关键。依据粒子的目标函数值与违反约束的程度提出了一种处理不可行点的合理选择方案,并运用融合差分演化的混合粒子群算法求解约束优化问题,数值实验表明该算法的有效性。     

基于威胁度的动态报警管理研究

IDS目前的主要问题之一是过高的误报率,这一方面给管理员增加了繁重的工作负担,从而使其可能忽视了系统中真正需要处理的关键攻击事件;另一方面,过高的误报率使得自动入侵响应,比如与防火墙联动,不能很好地执行下去.针对这个问题,提出了基于威胁度的动态报警管理TDAM模型,它通过对系统环境的感知分析报警信息,确定其威胁度.通过实验,可以得出TDAM框架能够比较好地进行报警评价、管理.     

基于双概率神经网络的纹理图像识别

为提高纹理识别速度,在文献1纹理图像识别正确率较高的基础上,提出一种基于双概率神经网络（DPNN）的纹理图像识别方法。首先构造两个概率神经网络A和B,如果纹理特征明显,以较少的纹理特征能量特征作为网络A的输入参数即可识别,否则再加入统计特征和能量特征一起作为概率神经网络B的输入参数以达到较高的识别率。实验结果表明：采用双概率神经网络的纹理图像识别较文献1有更快的识别速度。     

二进制编码差异演化算法在Agent联盟形成中的应用

在多Agent系统中,通过形成联盟可以提高Agent求解问题的能力,因此,联盟是多Agent系统的重要合作方法.从本质上讲,Agent联盟的形成是一个复杂的组合优化问题.引入差异演化算法来解决这一问题.差异演化是一种基于群体差异的演化算法,适合于求解连续空间的最优化问题.首次将以实数编码的差异演化算法应用于Agent联盟问题,提出二进制编码的差异演化算法解决组合优化问题,通过引入S型函数把变异操作的结果限制在集合{0,1}上,可以快速、高效地找出合适的Agent联盟.与遗传算法和蚁群算法的对比实验表明,该算法是正确、有效、可行的,在运行时间和解的性能上都优于相关算法.     

一种面向模型的动态架构及其支撑平台

为了让应用系统能够灵活地动态演化以适应用户需求的变化,提出了一种面向模型的动态应用架构.该架构以生成的框架对象实例来调度各应用构件的工作,在框架层解释模型与构件间的引用和交互过程.通过把用户业务需求这一抽象概念具体化为可直接操控的模型,给出一种面向模型的动态架构演化技术.为支持这一架构,设计并实现了一个支撑平台IPmis,为具有动态调整能力的应用系统的开发和运行提供了可视化的集成环境.在此平台上完成了医疗保险集成系统的开发,系统满足了随用户需求变更动态可调的需要.     

一种支持动态演化的防火墙软件的设计与实现

对于软件防火墙,如果具备了动态更新的能力,会使被保护的系统更安全,即使在更新时也能对被保护系统进行保护.为达到这一目的,在分析ncffihcr和OSGi框架的原理的基础上,提出采用这两种框架分别处理防火墙安全策略和功能模块更新的方案,实现了一种基于这两种框架的支持动态演化的防火墙系统.     

一种基于数据挖掘的量化新增需求代码量的分析方法

需求演化频繁发生于软件项目中,并且在很大程度上影响着软件项目的成败。对需求演化的影响进行准确的估算,将有效地帮助项目管理者降低软件项目失败的风险。其中,如何量化新增需求对软件项目的影响,是一个尤其难以解决的问题。提出一种基于数据挖掘的需求演化影响的量化分析方法,将新增需求与软件项目已有需求进行聚类,对于聚类结果进行分析,能够相对准确地量化新增需求将要产生的代码量。     

无线传感器网络簇级拓扑演化模型研究

复杂网络理论研究表明,复杂系统的容错能力不仅仅存在于具有冗余组件的系统之中;而且也同样存在于具有无标度(scale-free)特征的网络之中;文章借助于复杂网络理论和偏好依附机制提出一种无线传感器网络簇级拓扑演化模型;拓扑动态分析表明,该模型能够很好地体现无线传感器簇间的拓扑生长过程,由该模型演化成的无线网络拓扑具有无标度网络的性质,所以该拓扑模型具有很强的容错性。     

CA与生命游戏演化的组合模型*

基于摩尔奇偶型CA,提出一种结合生命游戏的演化模型.首先设置初始构型进行摩尔奇偶型规则演化,再引入生命游戏规则,按游戏规则演化;最后依此重复摩尔奇偶规则和生命游戏规则,直到演化整个元胞空间.证实在摩尔奇偶型CA的基础上,结合生命游戏在很大程度上减小了演化过程对初始构型的依赖,出现更为丰富的图元以及基于图元和演化框架的动态图案,且演化过程仍然符合摩尔奇偶型CA的演化规律.结合模型可以避免演化过度依赖初始构型以及演化过程的单调性,而且组合演化模型可以应用于图案生成,生成保持风格的规则几何纹理图案,丰富图案的生成方法.     

MAS动态协作任务求解模型与算法

针对网格环境的自治性、动态性、分布性和异构性等特征.提出基于多智能体系统(mutil agent system, MAS) 博弈协作的资源动态分配和任务调度模型,建立了能够反映供求关系的网格资源调度动态任务求解算法,证明了资源分配博弈中Nash均衡点的存在性、惟一性和Nash均衡解.该方法能够利用消费者Agent的学习和协商能力,引入消费者的心理行为,使消费者的资源申请和任务调度具有较高的合理性和有效性.实验结果表明,该方法在响应时间的平滑性、吞吐率及任务求解效率方面比传统算法要好,从而使得整个资源供需合理、满足用户QoS要求.