基于集对分析与NSGA-Ⅱ的生产作业多目标优化

针对生产过程中生产作业的优化调度问题,以生产质量、效率和成本阈值为约束条件,基于集对分析建立了的生产质量—效率—成本控制的生产作业多目标优化模型;利用快速非支配排序遗传算法（NSGA-Ⅱ）求解优化模型,得到相对确定条件下质量—效率—成本控制的Pareto最优解集。决策者依据实际生产过程需要,为各项生产作业从Pareto最优解集中筛选最合理的调度方案。最后,通过算例仿真验证了结合集对分析与NSGA-Ⅱ的方法解决生产作业多目标优化问题的准确性、有效性和实用性。     

求解工程结构优化问题的改进布谷鸟搜索算法

针对布谷鸟搜索算法局部搜索能力不强的缺点, 提出一种基于随机局部搜索的改进布谷鸟搜索算法用于求解工程结构优化问题。引入惯性权重以平衡算法的勘探和开采能力; 利用随机局部搜索方法对当前最优解进行局部搜索, 以加快算法的收敛速度。两个工程结构优化问题的实验结果表明了该算法的可行性和有效性。     

基于主动轮廓的声呐图像水雷识别方法

针对声呐图像具有噪声大、目标边缘模糊等特点,提出了一种基于主动轮廓的声呐图像水雷目标识别方法.首先根据水雷目标在声呐图像中的形状特征,采用水平集思想,得到了引入超椭圆形状约束的水平集函数;然后根据水雷目标在声呐图像中的灰度特征,采用Chan-Vese模型的演化思想,提出了一种基于超椭圆形状约束的多相水平集主动轮廓模型.将该模型用于声呐图像水雷目标的识别实验,实验结果表明,该方法对声呐图像中的水雷目标具有很好的识别效果,而且具有抗噪性和抗变形性能.     

Web软件可信性的模糊评价方法

在对ISO/IEC 9126模型及Web软件属性图进行改进和扩充后,应用因子分析法构建了Web软件可信性评价指标体系,运用结构熵值法确定了各个可信指标的权重,并运用改进的证据合成方法构造专家评价信息的模糊评价矩阵;最后,运用置信度识别准则对软件可信性进行等级评价和得分计算,对应可信性决策规则集得出相应的策略。结合对Web软件中网上银行项目的实例分析说明了该方法的实用性和有效性。     

基于粗糙集的焦炉加热工序控制规则提取

应用粗糙集(RS)理论对焦炉直行温度的控制规则进行了提取。首先收集人工成功控制直行温度的原始样本,添加可控与不可控参数,得到初始决策表;指出模糊控制方法因输入参数过少,从而会导致不确定性决策;然后利用RS理论对初始决策表进行约简,发现了关键影响因素及潜在规律,最终得到两组仅含有三个参数,简洁、一致、完备的控制规则,并经实际运行检验了规则的适用性。     

具有自适应噪声边界的Tube可达集鲁棒预测控制

针对过程噪声设定边界与真实噪声边界失配的有界干扰离散线性不确定系统,提出一种具有自适应噪声边界的Tube可达集鲁棒模型预测控制方法.首先,该算法引入基于MIT规则的自适应集员滤波在线估计系统状态和噪声边界.其次,基于估计值,通过迭代自适应集员滤波的时间更新部分计算出预测时域内闭环不确定系统状态的可达集.最后,用可达集代替不变集并根据Tube鲁棒模型预测控制策略,给出了实际不确定系统的控制律,确保系统状态鲁棒渐近稳定,并收敛于终端干扰不变集.仿真结果验证了该控制方法的有效性.     

一种基于点集拓扑分形变幻的云计算登录认证方法

考虑到云服务登录安全性及便捷性的需求,针对单点登录认证模式,提出云计算的统一登录认证方法,并采用点集拓扑分形变幻方法生成随机密钥,提高登录认证的安全等级。首先对云计算登录认证系统结构进行分析,然后以网络公共数据库中的指纹图像为例,进行分形变幻环运算,生成伪随机序列,再将这些序列加密并通过UDP发送给服务器端进行认证,最后进行实例仿真。     

一种面向大规模短特征集的字符串匹配技术

面向大规模特征集的字符串匹配技术在病毒检测、内容过滤等问题上的应用愈加广泛,而短模式串一直是阻碍性能提升的重要瓶颈。针对短模式串进行分析讨论,基于跳跃算法优化,采用了动态块大小和动态Hash处理以及Hash函数设计场景化的策略,同时探讨了多核处理器与多线程设计之间的关系。实验数据证明改进的算法策略具有支撑百万级特征集字符串匹配的能力。     

基于谈判集的模糊合作博弈的收益分配方案

为了弥补核心作为博弈解可能为空集的缺陷,将经典合作博弈中的谈判集解拓展到模糊合作博弈中,提出了模糊合作博弈的模糊谈判集的概念.探讨模糊网络博弈的模糊谈判集和核心的等价性质,并对相关结论加以证明.研究表明,模糊合作博弈的模糊谈判集是经典合作博弈谈判集的自然拓展,该结果丰富了对模糊合作博弈的解的研究,也表明了模糊网络博弈核心的非空性,进而保证其最优分配方案的存在性.     

基于属性约简的MPI运行时参数优化

目前MPI实现提供上百种可供调整的运行时参数,但默认的运行时参数不能发挥程序应有的性能。为了给应用程序提供接近最优的运行时参数,本文提出基于粗糙集理论中的属性约简建立优化模型。首先通过属性约简方法为不同基准程序产生参数组合值,再根据未知应用程序的程序特征通过所建立的优化模型为其预测参数值。实验表明,该方法可以有效地为未知应用程序预测参数值,并且比使用默认参数程序性能提升约20%。