Flow shop问题的嵌套分区优化调度方法

介绍了嵌套分区算法(NP)的基本思想, 并用于求解流水作业优化调度问题. 算法用嵌套分区树来描述流水作业调度问题, 对可行域进行系统性分区, 然后集中搜索有优良解的区域. 在每一步迭代中, 算法跟踪最有希望的分区, 并结合启发式算法和邻域搜索来实现分区转移. 仿真实验表明, 该算法比单纯的启发式算法和邻域搜索有较好的寻优能力.     

基于收发平衡判定的TCP流量回放方法

基于真实网络流量的互动式回放测试是当前针对防火墙、IPS等串接型安全设备进行测评的最新方法.文中在分析现有基于状态判定的TCP流量互动式回放方法基础之上,引入收发平衡机制,提出了一种基于收发平衡和状态判定相结合的新的TCP流量回放方法.通过在发送TCP数据包前优先进行收发平衡判定将数据包发送出去,提出的方法能够有效减少TCP流量在发送过程中的状态判定开销,提高回放性能.对引入收发平衡机制前后的TCP流量回放方法的差异进行了分析比较.从单个TCP会话特性、并发会话流量特性、网络传输延迟与丢包等角度分析验证了影响引入收发平衡机制后的算法有效性的因素.实际流量实验表明,文中所提方法在回放TCP流量时性能有显著提升,适用于在更大规模的流量环境下对防火墙、IPS等串接型网络安全设备进行测评.     

考虑水头影响的梯级水电系统优化调度算法研究

提出一种基于Ｌａｇｒａｎｇｉａｎ松驰技术的梯级水电系统优化调度算法，能够综合处理离散运行区间、最小启停机时间等离散约束、水库间的水力耦合网络约束以及水头影响。基于实际系统数据的数值验证表明了本算法的有效性和实用性。     

采用规划识别理论预测系统调用序列中的入侵企图

规划识别是一种根据观察数据识别和推断被观察对象目的或意图的预测理论．在计算机系统入侵检测研究中，为了提前预测出异常事件的发生，提出了一种基于规划识别理论的入侵企图预测方法．通过对主机上的系统调用序列为观察对象建立预测模型，提出了一种带参数补偿的贝叶斯网络动态更新算法，对观察对象的目的进行预测．实验结果表明动态贝叶斯网络对预测系统调用序列中的异常入侵企图有较高的精度．     

无线传感器网络及应用简介

主要介绍无线传感器网络的相关知识、应用前景、研究现状和笔者在传感器网络的目标检测问题中的若干研究成果。     

面向负荷特征分析的地理分布式协同聚类方法

能源互联网架构下,用户数据传输延迟和电力公司管理规定促使电力数据中心在全国各地建立,电力数据因而呈现地理分布式,对此研究了在地理分布式情景下的用户负荷特征聚类算法。首先,对于地理节点内用户负荷的特征分析,在采用主成分分析与负荷指标特征加权组合算法的基础上,提出了考虑密度峰值信息的K-means算法,并为地理节点间的信息共识提供了支撑。其次,针对用户需求的地理分布式网络化感知结构,构建了考虑特征迁移的分布式聚类模型框架,提出将节点局部信息通过参数共识得到全局聚类模型的分布式K-means算法,在节点间仅传递公开信息的前提下,实现了用户特征的全局聚类。最后,通过爱尔兰、中国北方部分城市的负荷数据对模型及算法进行验证。结果显示,分布式K-means能利用全局信息、考虑不同区域的差异来更好地识别典型用电曲线,并且算法具有较好的可迁移性。     

基于贝叶斯神经网络的垃圾邮件过滤方法

垃圾邮件过滤是当前互联网应用中急需解决的一个重要课题，日益受到人们的关注。本文提出了一种基于贝叶斯神经网络BNN(Bayesian Neural Network)的垃圾邮件过滤方法，利用贝叶斯推理和神经网络相结合的贝叶斯神经网络算法对用户给定的正常／垃圾邮件集合进行训练，得到邮件过滤模型。并且提出了一种有效的特征选择方法，采用信息增益准则，有效降低了特征维数。经过实验测试，本文提出的方法可以实现对垃圾邮件的有效过滤。     

无线传感器网络及应用简介

主要介绍无线传感器网络的相关知识、应用前景、研究现状和笔者在传感器网络的目标检测问题中的若干研究成果。     

具有模糊参数的大工业过程的关联平衡法

考虑到模型-实际差异,将子过程的数学模型中的系数处理为模糊数,提出了基于模糊 模型的大工业过程的稳态关联平衡法.论文研究了关联平衡法的三种情况:开环的、有全局反馈 的以及双迭代的关联平衡法.仿真结果验证了基于模糊模型的关联平衡法的有效性.同时表明 模糊双迭代法是迄今为止在线迭代次数最少的稳态协调算法.     

离散事件动态系统性能评估的改进标准钟方法

标准钟（SC）方法是求解离散事件动态系统（DEDS）性能评估问题的十分有效的 仿真手段． 文中在SC的基础上提出了一种新的仿真算法——改进标准钟方法（ISC）．ISC 方法是一种和减小方差技术（VRT）中的条件期望法紧密结合的仿真算法，其算法中去掉了S C方法中的核心概念——标准钟．和SC方法相比，ISC方法不但具有更小的计算负担，而且还 具有更好的评估精度．文末给出的各种算例，均验证了ISC方法的有效性．