云环境下基于神经网络和群搜索优化的资源分配机制

在云环境下,各种闲置资源可以通过池化形成资源池,进而利用虚拟化技术将资源池中的不同资源组合以服务的形式提供给用户使用,因此需要合理而有效的机制来分配资源.针对云环境下资源的特点,将经济学和智能方法相结合,提出了一种基于双向组合拍卖的智能资源分配机制.在该机制中,提出了基于体验质量（quality ofexperience,简称QoE）的威望系统,引入威望衰减系数和用户信誉度,降低拍卖中恶意行为造成的影响,为资源交易提供QoE 支持.对拍卖中的竞价决策,综合考虑多种因素,提出了基于BP 神经网络的竞标价格决策机制,不仅可以合理确定竞标价,而且使价格可以动态适应市场变化.最后,由于组合拍卖胜标确定问题是NP 完全的,因此引入群搜索优化算法,以市场盈余和总体威望为优化目标,得到资源分配方案.仿真研究结果表明,该机制是可行和有效的.     

异种双活性基染料湿摩擦牢度再探讨

影响异种双活性基染料湿摩擦牢度主要有四个基本因素:染色基质的可染性、活性染料的化学结构、洗涤效率和助剂因素。提出了棉坏布预处理、使用助剂、提高染料的固色率和吸尽率、提升力等9项改进此类染料湿处理牢度的措施。有3篇参考文献。     

区间数信息下的多属性群决策研究

随着决策系统的不断扩大以及复杂化,评价指标以实数值描述稍显欠妥。研究属性权重为实数值、区间数信息下的多属性群决策问题,建立集结区间数信息的非线性规划模型,采用模拟植物生长算法集结各方案中多位专家给出的区间数偏好,并利用得到的偏好区间数构成群决策偏好矩阵。结合已知权重,引入投影理论得到各方案的综合评价值,从而选出最优决策方案。算例结果表明,模拟植物生长算法不仅计算简便、灵活,并且尊重每个专家的意见,较好地保留了信息的完整性,显示出人工智能算法在信息集结方面的有效性。     

基于量子克隆的二面体群隐含子群问题量子算法的研究

基于最短向量问题的格公钥密码体制是典型的抗量子计算密码体制。格的唯一最短向量问题可转化为二面体群的隐含子群问题。有效地求解二面体群的隐含子群问题可攻破基于格的唯一最短向量问题的公钥密码体制。Kuperberg提出了二面体群隐含子群问题的半指数级量子算法。通过研究Kuperberg量子算法,利用概率量子克隆,文中提出了二面体群隐含子群问题的多项式时间量子算法。     

具有不同代理群的多代理多签名方案

目前在大多数多代理多签名(multi-proxy multi-signature,MPMS)方案中,所有的原始签名人指定同一个代理群生成代理签名。然而在很多实际应用中,每个原始签名人经常需要在自己所在的组织中选择代理群,从而导致各个原始签名人需要选择不同的代理群,代表自己生成代理签名。现有的多代理多签名方案中还没有考虑这方面的需求。提出一个可以指定不同代理群的MPMS方案。在该方案中,可以指定一个多人的验证群合作验证最终签名的合法性。为证明方案的安全性,对现有的安全模型进行改进,在计算Diffie-Hellman假设的基础上,验证所提方案是安全的。与已有方案相比,本方案更加安全和有效。     

项目化教学在分组模式中的实现

项目化教学是通过实施一个完整的项目工作而进行的活动。以《Java程序设计》课程为例,将项目化教学在分组模式中实现,不仅能提高学生主体能动性和综合运用能力,还培养了学生团队合作精神和解决问题的能力,为其今后符合企业要求的高技能软件人才奠定基础。     

基于LabVIEW Web服务的物联网发电设备远程监测系统应用

物联网、云计算是未来科技的发展趋势,本文将LabVIEW中的远程通信Web服务应用到物联网发电设备远程监控系统中,LabVIEW通过访问Java编程工具发布的网络Web服务进行通信,进行数据的传递及相关处理,并将处理后的结果返回Web客户端,实现对发电机组的远程监测.     

群决策中基于语言评价信息的TOPSIS方法

针对基于语言评价信息的群决策问题,提出了一种新的TOPSIS方法。依据传统的TOPSIS方法的基本思路,首先将语言决策矩阵转换为规范决策矩阵;其次,通过变量转换关系对有序语言短语集中的有序语言短语进行"量化",构造与原语言决策矩阵"等价的导出"决策矩阵,并利用算术加权平均算法对所得到的导出决策矩阵进行群的集结;然后对所得到的决策矩阵构造理想点和负理想点,计算每个方案的相对接近度,根据得到的相对接近度对方案进行排序从而确定最优方案。最后通过一个算例说明了该方法的有效性和实用性。     

浅谈机器学习方法简

本文以什么是机器学习、机器学习的发展历史和机器学习的主要策略这一线索,对机器学习进行系统性的描述。接着,着重介绍了流形学习、李群机器学习和核机器学习三种新型的机器学习方法,为更好的研究机器学习提供了新的思路。