基于新型信息素更新策略的蚁群算法*

深入研究了蚁群优化算法（ACO）的路径搜索及参数控制策略,分析了其存在的缺陷。为了提高ACO算法的解题能力,提出一种新型信息素更新策略（PACS）,然后将PACS算法与其他蚁群算法分别应用于旅行商问题（TSP）进行仿真实验。仿真结果表明,PACS算法具有优良的全局优化性能,可抑制算法过早收敛于次优解,有效防止了停滞现象,收敛速度也大大加快。     

认知无线电网络中基于和声搜索的频谱分配与功率控制

针对认知无线电网络中功率控制和频谱分配过程存在互相影响的问题,提出一种基于和声搜索的频谱分配和功率控制算法。通过综合分析频谱分配和功率控制过程中的各种约束条件,建立了联合功率控制和频谱分配的系统模型。算法根据系统模型特点设计和声搜索算法下相应编码方案,采用多目标优化方法处理复杂的约束条件,并赋予可行解适当的优先权重。仿真实验表明,算法可以很好地解决认知无线电网络中的频谱分配和功率控制问题。     

自主协助动态并行I/O调度策略研究

随着处理器速度和网络传输速度的快速提升，I／O成为限制计算机性能的一大瓶颈，并行I／O提供了解决这一问题的有效途径。在并行I／O的实现中，数据访问调度策略对系统的性能有着重要的影响。文章通过对集群计算中现有I／O数据访问调度策略的研究，针对调度器瓶颈问题，提出了自主协助动态I／O调度策略，实验结果表明了所提出策略的有效性。     

MIS数据库性能优化

针对MIS数据库中普遍存在的效率问题，对影响数据库性能的相关因素进行了分析，提出了性能优化的方法和途径。优化数据库是一个系统工程，若单纯注重某一方面的优化不能取得整体效果，应将效率意识贯穿于应用开发的全过程。     

并行文件系统与并行I／O研究

集群计算系统中并行文件系统的研究是当前计算机与网络技术中的一个热点问题,而并行I/O是缓解系统数据输入输出瓶颈的一个技术途径。论文对当前集群系统中的并行文件系统与并行I/O做了研究,阐述了研究发展的现状、关键问题等,指出了在集群计算系统中的文件组织、分布以及其在磁盘上的实现、数据的访问特性、高性能网络文件系统、系统的负载平衡与缓冲和预取策略。     

Web集群系统可用度分析与设计算法

通过建立Web集群系统状态的马尔可夫模型,并利用稳态马尔可夫模型中状态转移概率平衡的特点来求解系统静态配置可用度,着重对系统动态配置的可用度进行了研究,提出了一种基于表的动态可用度调度算法来实现系统的动态高可用度,实验结果表明了算法的有效性.     

集群计算系统中并行I/O访问的自适应调度策略

现代计算机系统的性能已经由受限于CPU转变为受限于I／O，因此，并行I／O是缓解这一难题的有效方法。文章通过对集群计算系统中I／O调度策略的研究，提出了一种新的自适应平等划分的I／O调度策略，并将它们与已经存在的调度策略进行比较。实验结果表明了所提出策略的优越性。     

基于LDA和BiGRU的文本分类

文本分类是自然语言处理的基础任务,文本中的特征稀疏性和提取特征所用的神经网络影响后续的分类效果。针对文本中的特征信息不足以及传统模型上下文依赖关系方面不足的问题,提出经过TF-IDF加权的词向量和LDA主题模型相融合,利用双向门控循环神经网络层(BiGRU)充分提取文本深度信息特征的分类方法。该方法主要使用的数据集是天池比赛新闻文本分类数据集,首先用Word2vec和LDA模型分别在语料库中训练词向量,Word2vec经过TF-IDF进行加权所得的词向量再与LDA训练的经过最大主题概率扩展的词向量进行简单拼接,拼接后得到文本矩阵,将文本矩阵输入到BiGRU神经网络中,分别从前后两个反方向提取文本深层次信息的特征向量,最后使用softmax函数进行多分类,根据输出的概率判断所属的类别。与现有的常用文本分类模型相比,准确率、F1值等评价指标都有了较高的提升。     

基于Linux的SMP机群环境中并行I/O模型研究

提出了一个基于数据通路的波浪推进式并行I/O模型框架,并在基于Linux的SMP机群系统中,根据波浪推进式并行I/O模型框架对各个数据通路进行建模,具体分析了这个波浪推进式并行I/O模型,从思路上解决了刻画并行I/O性能的并行I/O模型问题。