多源协同的电力线路恢复路径优化方法

传统恢复路径优化方法仅考虑单一维度下的恢复情况,对重要节点的负荷供电时间较短,为此设计一种多源协同的电力线路恢复路径优化方法。建立重构时间最短的目标函数模型,针对目标函数设计过电压约束、运行约束和启动时间约束等约束条件,修正电力线路非连通方案编码,提高电力线路恢复路径优化效率。实验结果表明,设计的恢复路径优化方法与传统方法相比,电力系统在多源协同下实现优化,重要负荷供电时间增长,一级负荷恢复供电的累计数量增加,验证了设计方法的有效性。     

基于混合变量动态分组的大规模多目标进化算法

变量分组是解决大规模多目标优化问题的有效途径。针对混合变量分组存在的问题,文章提出基于混合变量动态分组的大规模多目标进化算法来对混合变量进行更精确的分组,通过控制变量分析中个体非支配排序后第一层的个体数与采样数的比例来挖掘混合变量的动态特征。本文算法MOEA/DVA-F与其他三种经典的大规模多目标进化算法一同在LSMOP1~LSMOP5测试问题上进行IGD性能测试,实验结果表明,MOEA/DVA-F算法具有较好的收敛性和多样性。由此表明MOEA/DVA-F算法是一种有前途的大规模多目标进化算法。     

基于LTE上行触发的预调度算法策略优化高负荷问题研究及实践

文章通过研究设置不同的LTE上行触发预调度算法策略改善高负荷问题方式进行验证,通过选取少量基站小区为实验对象。对上行调度参数设置分两种方案进行对比实验得出效果最佳的方案推广至全网小区进行整体优化。全网推广效果表明方案二参数组不但对密集城区小区组KPI有明显提升,同时对非密集城区高负荷小区也有显著改善。该配置策略的成功实践为后续指导处理相关网络问题提供了一定的借鉴经验。     

多现场调度自动化系统的系统管理设计及实现

随着调度自动化系统的发展,出现了多现场调度自动化系统。多现场大系统是由多个在地理上分散,相互之间可以进行信息共享的现场组成的多现场运行系统,因此,如何统一管理这样的大系统成为亟需解决的问题。介绍了多现场调度自动化系统的系统管理的设计及实现,对该系统管理的体系结构、系统管理对象及信息存储、系统运行管理、系统管理信息同步及系统管理工具做了较为详细的阐述。该系统管理已被应用于地县一体化调度系统、城市轨道交通调度系统。实践证明,该系统管理具有统一配置、统一监视、维护工作量小、系统稳定等优点,能很好地对多现场调度自动化系统进行管理。     

面向机床状态波动的调度模型

为提高作业计划对机床状态的自适应力,建立了质量数据驱动的作业车间计划调度模型.首先挖掘隐藏在质量数据中的关联规则,基于专家领域知识和关联分析结果,获得机床状态波动信息;构造基于损失时间函数的全局调度性能指标,实现机床状态波动对调度模型的循环优化调节,提高小时间尺度调度方案的可行性;并通过对比某制造企业的调度方案和机床状态变化时的调整方案,验证了调度模型的有效性.     

一种基于强化学习的嵌入式系统抗拒绝服务攻击的缓存调度方案

在多核嵌入式操作系统中,中央处理器对共享最后一级缓存(Last Level Cache,LLC)的资源调度决定了各用户进程的指令周期数(Instructions Per Cycle,IPC),以及对拒绝服务(Denial-of-Service,DoS)攻击的鲁棒性。但是,现有缓存调度方案依赖于具体的LLC调度模型和DoS攻击模型,使中央处理器难以在不同调度环境中的每个调度周期及时获得用户进程的运行信息。因此,文中提出一种基于强化学习的嵌入式系统LLC调度技术,以抵御拒绝服务攻击。该技术根据用户进程的LLC占用起始位置和终止位置,结合反馈的指令周期数、载入未命中率和存储未命中率等信息,优化LLC的占用位置和占用空间。在动态LLC调度环境下,中央处理器不需要预知DoS攻击模型,即可提高指令周期数并同时降低恶意进程的DoS攻击成功率。在多租户虚拟机共同参与的多核嵌入式操作系统中的仿真结果表明,所提技术可以显著提高指令周期数并降低DoS攻击的成功率。     

优势关系粗糙集增量属性约简算法

在现实生活中,数据不断累积增加,原有准则和决策之间的相互关系也随之动态变化,如何高效地计算属性约简是动态决策亟需解决的问题。增量更新方法可以有效地完成动态学习任务,因为它可以在原有知识的基础上获取新的知识。文中利用优势粗糙集方法研究了在有优势关系的数据中添加单个对象时的增量属性约简方法。首先,定义了优势集矩阵作为更新的目标,用来计算新的优势条件熵;其次,通过分析增加对象的3种不同情况,提出了优势条件熵的增量学习机制;然后,基于优势集矩阵设计了增量属性约简算法;最后,对6种不同的UCI数据集进行实验,用于比较增量和非增量算法的有效性和高效性。实验结果显示,提出的增量属性约简算法不仅在有效性上与非增量属性约简算法保持一致,而且在高效性上要远优于非增量属性约简算法。因此,所提算法能有效且高效地完成动态优势关系数据中属性约简的任务。