带可变随机函数和变异算子的粒子群优化算法

标准粒子群优化算法的收敛分析表明,改变随机函数、个体历史最优,群体全局最优,有助于提高该算法的性能。为此,本文提出了一种带可变随机函数和变异算子的粒子群优化算法,即通过改变速度更新方程中的随机函数分布来调节粒子在迭代过程中飞向个体历史最优和群体全局最优的比重,通过对个体历史最优和群体全局最优进行变异来增强种群的搜索能力。实验结果证实了该算法的有效性。     

基于模型的子空间聚类与时间段蚁群算法的合同生产批量调度方法

针对目前冷轧薄板厂生产流程复杂、大量的多品种小批量合同并线生产,导致难以制定生产计划的问题,本文提出了混合模型子空间聚类（Subspace clustering mixed model,SCMM）方法,以合同中待加工钢卷的宽度、冷轧机组的入口厚度、 出口厚度以及合同的交货期为约束,对待生产合同进行组批. 依据冷轧厂实际生产过程,将冷轧机组视为核心节点,考虑准时交货、 在制品库存和生产流向产能分配的要求,对组批后的生产合同建立全流程合同计划模型,并且利用提出的时间段蚁群算法（Time-section ant colony optimization,TSA）,制定合同计划.利用生产过程的实际数据测试,本文的方法优于人工排产,可以满足制定冷轧薄板全流程生产计划的要求.     

ARD算法收敛性分析

对交替行对角化（ARD）算法收敛性进行分析.基于收敛性分析,给出了一些关于如何选取初始矩阵的策略,提出了算法终止的新准则.通过3个数值例子来说明所提出的分析策略的有效性.     

基于Wiener结构的软测量模型及辨识算法

Wiener模型结构能有效地表征系统的动态和静态特性, 因此这里首先基于这一结构建立软测量模型, 利用动态与静态子模型分别建立辅助变量与主导变量间的动态与静态关系, 并说明该软测量模型的可行性, 给出模型具体表达式. 其次, 针对所提模型, 提出分步辨识方式获得最优模型参数, 说明其可行性. 再次, 为了减少计算和实现模型在线更新, 这里提出参数辨识递推算法, 并给出软测量模型参数的收敛性结论. 通过实例仿真, 可以看出本文提出模型的可行性, 以及分步辨识方式与递推算法的有效性.     

对全轮3D分组密码算法的Biclique攻击

3D算法是CANS 2008会议上提出的一种代替-置换网络型分组密码算法.该文通过构造3D算法的Biclique结构,提出了对全轮3D算法的Biclique攻击.该攻击可以扩展为对r轮3D算法的一般化Biclique攻击(r10).结果表明,Biclique攻击数据复杂度为232个选择密文,在时间复杂度上优于穷举.     

布朗运动模拟退火算法

针对传统模拟退火算法计算效率较低的问题,文中将布朗运动和模拟退火相结合,提出一种智能启发式算法.该算法将布朗运动中粒子运动时间和模拟退火温度联系在一起,布朗运动的粒子运动时间等效于退火温度的倒数,通过理论分析得到基于布朗运动的邻域函数模型以及相应的温度下降函数.温度下降函数具有更快的退温特性,保证算法执行过程中具有更高的效率.数值实验结果表明,该算法具有搜索速度快、稳定性高和易于实现的特点,能显著提高求解全局优化问题的计算效率.     

针对RSA算法的踪迹驱动数据Cache计时攻击研究

Cache计时攻击是旁路攻击领域的研究热点.针对滑动窗口算法实现模幂运算的RSA算法,分析了RSA算法访问驱动Cache计时攻击的难点,建立了踪迹驱动数据Cache计时攻击模型.在攻击模型与原有踪迹驱动计时攻击算法的基础上,利用幂指数与操作序列的相关性、窗口大小特征和预计算表索引值与窗口值的映射关系,提出了一种改进的幂指数分析算法,并给出了利用幂指数dp和dq的部分离散位恢复出私钥d的格攻击过程.利用处理器的同步多线程能力实现了间谍进程与密码进程的同步执行,针对OpenSSL v0.9.8b中的RSA算法,在真实环境下执行攻击实验.实验结果表明:新的分析算法大约能够获取512位幂指数中的340位,比原有算法进一步降低了密钥恢复的复杂度;同时对实际攻击中的关键技术以及可能遇到的困难进行分析,给出相应的解决方案,进一步提高了攻击的可行性.     

Tableau算法的优化及模型规约技术

为了近一步提高模态逻辑推理机的效率,提出了两种Tableau算法优化技术——冲突技术和矛盾学习技术,并结合这两种技术实现了针对模态逻辑S4的推理机S4P.在此基础上,为了从Tableau算法生成的模型图中构造一个规模较小的模型,又提出通用模型的概念,然后给出通用模型的规约技术并证明该技术对于任意依赖于公理D、T、B、4和5中部分或全部公理的正规模态逻辑的正确性.最后,使用逻辑工作台测试用例对S4P的效率进行测试,实验结果表明S4P的效率优于RACER和FACT++;同时,对S4P生成的测试用例中非有效公式的否定对应的通用模型进行规约,实验结果表明通过模型规约能明显地缩减模型的规模.     

一种基于GAS模型的k-Truss分解算法

在大规模网络中发现稠密子图具有极其广泛的应用,如社区发现、垃圾邮件检测等。为了在大规模网络数据中快速、有效地发现稠密子图,本文提出一种基于GAS (Gather-Apply-Scatter)编程模型的分布式k-Truss算法—GASTruss。该算法采用GAS的模式完成数据同步和算法迭代,有效的克服了传统并行算法重复性计算及不能有效处理依赖关系大的数据等问题。本实验选择在GraphLab平台上进行,结果表明：与串行k-Truss算法以及基于MapReduce的GPTruss算法性能相比,GASTruss算法对数据规模具有良好的拓展性,在保持算法效果的同时能有效降低时间复杂度。     

改进的蚁群算法在溶质运移参数识别问题中的应用

非饱和土壤水分和溶质运移参数(扩散率、导水率和水动力弥散系数)取值范围较大,往往跨越几个数量级。采用传统离散化蚁群算法求解此类问题,所需节点较多,这会造成算法收敛时间较长。该文在传统蚁群算法基础上,对蚂蚁搜索路径进行改进,改进后的蚁群算法寻优路径由参数精度位数(整数位和小数位)、参数个数以及0–9十个数字构成,并将路径解码公式修改为具有判别参数正负功能的解码公式。采用改进的连续蚁群算法对非饱和溶质运移参数识别优化模型进行求解。数值模拟表明相同迭代次数下改进的蚁群算法比传统蚁群算法耗时少,算法计算时间与迭代次数满足线性关系,含水率和溶质浓度实测值与计算值吻合较好、相关性较高。