异构多处理机系统的负载均衡与任务调度

分析了异构多处理机系统中的负载均衡和任务调度参数,讨论了异构集群任务调度模型,提出了一种负载均衡启发式优化算法(LBHOA)。LBHOA采用启发式搜索策略,每次分配一个任务时,从不完全分配的结点中选择估计值最小的结点进行扩展搜索,直到找到完全分配的目标结点,且目标结点的时间开销估计值是所有完全分配结点中最小的。实验结果表明,与算法WLCA和LTGA相比,算法LBHOA的平均应答延迟时间的开销减少了10%,任务完成时间的开销减少了15%。LBHOA降低了资源最优分配中的计算复杂度,能够满足异构集群系统中的负载平衡和优化调度的需要,使异构多处理机系统在系统资源均衡分配的同时使系统资源利用率最优。     

盐穴储气库卤水介质对A3钢腐蚀规律研究及防护分析

为了解决地下盐穴储气库注采管线与造腔管线合并带来的造腔期的卤水腐蚀问题,采用水腐蚀性测试方法,研究了地下盐穴储气库卤水管道工况和介质对管道腐蚀的影响规律。研究结果表明,温度、卤水浓度、溶解氧含量、流速均会加剧卤水对A3钢的腐蚀,结合卤水管道应用工况,建议选用双金属复合钢管,既能起到优良的耐蚀防护作用,又能在一定程度上降低成本,对实际工业生产具有较高的经济价值。     

“Java程序设计”课程教学思考

目前,面向对象语言Java已成为Internet上最受欢迎的开发语言之一,许多高校纷纷将Java列为程序设计的核心课程。在多年Java教学经验的基础上,就Java语言的教学,包括教材的选择、开发环境的选取、教学内容的筛选、教学方法的运用、教学实例的选用等问题进行了较为深入的探讨,给出了可行性思路。     

有向基因组移位排序问题的O(n2)快速算法

有向基因组移位排序问题在计算生物学研究中占有重要位置．以前最好的算法时间复杂度为O(n^2logn)．该文给出一个有向基因组移位排序的新多项式算法，将移位排序的时间复杂度改进为O(n^2)．算法改进的关键在于找到一种寻找有效合理移位的新方法，通过在最小子排列中删除无关顶点确定一个合理移位是否有效，从而将寻找一个有效移位的时间复杂度改进为O(n)，总时间复杂度由此降为O(n^2)．     

并行图切割马尔可夫随机场算法设计

图切割(Graph-Cut)算法被广泛应用于马尔可夫随机场,使得原NP问题转变为多项式时间近似求解问题.讨论了Yuri Boykov的图切割算法的并行能力,设计并实现了其增长(Grow)和收养(Adopt)步骤的并行算法.在增长函数中使用分支界限法的广度优先搜索,并使用扩展终止线程函数,提升算法的执行效率,并在上述2个函数中调用OpenMP3.0新加入的任务(Task)功能,解决其不规则(Irregular)算法.对p个处理器,最坏情况的运行时间从原来的O(bd/2+a+nr)缩短到O(bd/2/p+a/p+nr/p).分别在单核与多核对多个能量函数的优化进行计算,实验证明此并行算法准确有效     

基于三维空间旋转平移的自适应知识表示方法

现有知识图谱表示学习研究中普遍存在忽视特定关系的语义空间、难以建模非单射复杂关系或多种关系模式等问题,尤其是在不可交换的组合以及子关系两种关系模式上表现不佳。针对该问题,在对实体自适应投影的基础上,利用罗德里格斯旋转公式将旋转操作从二维空间拓展到三维空间并进行平移优化,提出一种新的具有强表征能力的模型ATR3DKRL,通过理论推导可以证明该模型能够建模非单射复杂关系以及多种关系模式。在多个通用数据集上的实验结果表明,该模型可以有效提高链接预测精度,在数据集DB100K与FB15K-237中四个指标上领先现有基线模型,其中在DB100K上评价指标MRR和H@1相较于基线模型RotatE分别大幅提高了3.3%以及6.5%。     

含氢输送管道材料技术发展分析

随着氢能的广泛应用，输氢管道也成为了至关重要的一环。由于氢渗透造成材料的氢腐蚀，使输氢管道材料成为制约。主要介绍了3种国内外含氢输送管道研发方向：一是关于通过冶金和热处理来净化钢材、改变组织成分开发的纯净钢；二是通过在材料表面制备涂镀的阻氢层阻碍氢原子渗入基体；三是通过气体抑制剂来抑制氢原子在管线表面的吸附，可有效减少氢渗透。最后，对这3种技术提出了发展展望。     

"人工智能+新工科"视域下软件工程专业实验实践教学改革

针对"人工智能+新工科"新背景对软件工程专业的新要求,阐述如何构建软件工程专业实验实践教学"一体两翼"架构和实验实践"四模块—多层次"教学体系,提出基于产学合作、协同育人、实习实训、双创教育的"多主体—多途径—多阶段"实验实践教学模式,指出专业教师能力提升的新策略,结合本专业的教学实践,从实验实践教学体系改革、创新创业实践教育、新工科国际化办学方面介绍实验实践教学改革的一些探索.     

求解动态最优路径的混合优化算法

对动态网络环境下动态需求的最优路径搜索问题进行了研究,首次提出了一个能同时利用演化算法的全局优化能力和蚁群算法的局部探索能力的混合智能优化算法Evo-Ant,并将其应用于DVRP.为了验证算法的有效性,给出了DVRP的混合整数规划模型,建立了DVRP的动态性能测试类,并进行了大量的仿真实验和比较.结果表明,Evo-Ant算法能够根据实时接收到的信息对当前规划路径进行及时调整,具有明显改善的性能优势.