双代号网络计划图的生成与绘制

本文介绍了网络计划技术的概念,阐述了双代号网络计划图和单代号网络计划图的 特点。详细分析了面向铁路工程的双代号网络计划图的生成算法,包括网络图的节 点编号算法和节点坐标的生成方法。同时介绍了与ＡＵｔｏＣＡＤ的几种不同接口技术。     

双代号网络图绘制算法的研究与实现

双代号网络图是现代工程项目管理中的一种十分重要的图件。本文在针对传统双代号网络图绘制过程中存在的箭线大量交叉、布局凌乱和结构复杂等问题,通过对活动的位置计算与布局、活动的挂起、虚活动的生成及网络图的优化等关键问题研究,提出一种双代号网络图的绘制方法。实例表明,该方法生成的双代号网络图具有效率高、交叉少和结构简单等特点。     

工程网络的计算机生成

本文介绍了一种在微机上实现工程网络自动生成的软件。并介绍了有关网络生成的算法和技巧。该软件用FORTRAN77编写,能完成单代号网络图、双代号网络图及横道图的自动生成。     

一种扩展的单代号网络图绘制算法研究

在工序较多时,单代号网络图难以清晰地表示出工序间的层次结构关系。通过在单代号网络图中引入摘要工序(或节点)以及对引入后节点行、列坐标计算和节点间箭线绘制问题的研究,提出一种扩展的单代号网络图的绘制算法。该算法生成的网络图既能够较好地体现出工序间的层次结构关系,又可方便地利用摘要工序的叠起与展开,使得生成的网络图具有结构简洁和逻辑关系清楚等优点,较好地解决了在工序较多情况下传统单代号网络图所存在的问题。     

一种求双代号网络图关键线路的简便矩阵算法

关键线路的总持续时间决定了项目的工期，因此关键线路的求解是网络计划分析的目标。以往求解双代号网络图关键线路的计算方法都不够简洁。在分析双代号网络图的结构矩阵和邻接矩阵的基础上，提出了一种求解双代号网络图关键线路的简便矩阵算法，最后结合实例验证了该算法的简便性。     

双代号网络图中虚工作的简化判断方法

在双代号网络图中，虚工作与实工作存在着本质的区别，虚工作的主要作用是在于传递工作之间的逻辑关系。针对在双代号网络图的绘制过程中虚工作的生成与消除简化问题提出一种判断方法，从而使得双代号网络图的最终成图能够准确的根据使用者的要求而绘制，达到在成图中能更加清晰明确的表达出各项工作之间的逻辑关系的目的。     

网络图自动生成系统设计与实现

文章针对当前项目管理软件中网络图绘制的缺陷,对网络图自动生成的算法作了新的探索,提出了新的算法并开发了自动生成系统。生成的网络图逻辑关系清楚,布局合理,直观清晰,对改进项目管理软件在此方面的不足有重要意义。该算法亦有一些遗留问题需进一步研究。     

生成对抗式分层网络表示学习的链路预测算法

针对当前链路预测算法无法有效保留网络图高阶结构特征的问题,提出一种生成对抗式分层网络表示学习算法。根据网络图的一阶邻近性和二阶邻近性,递归地对网络图进行边缘折叠和顶点合并,形成逐层规模变小的子网络图,使用Node2vec算法对规模最小的子网络图进行预处理,并将预处理结果输入到生成对抗式网络（EmbedGAN）模型中,学习得到最小子网络图顶点的低维向量表示,将其输入至上一层子网络的EmbedGAN模型中,作为上一层子网络图顶点的低维向量表示。按照该方法进行逐层向上回溯学习,直至学习到原始网络图,从而得到原始网络图顶点的低维向量表示。在多个不同领域的真实网络数据集上进行链路预测,实验结果表明,该算法的准确率与稳定性均优于LP、Katz和LINE算法。     

计划网络图的计算机辅助设计和绘图软件(CAPD)

CAPD软件是在IBM—PC/XT微机上开发的具有网络图逻辑设计和绘制功能的实用软件。它可以将作业分析表或单代号网络图自动变成最优的双代号网络图,完全代替了手工设计和绘制网络图的工作。它可以在不予先绘制网络图形的情况下,给网络图的各项作业的始结点和终结点进行正确的编号,计算网络图的时间参数,指山关键路     

Pathfinder算法优化研究

Pathfinder算法是复杂网络分析及可视化的重要方法,但现有算法时间复杂度大,难以在大数据环境下广泛应用。提出一种基于Prim算法的Pathfinder优化算法,在求解复杂网络图的最小生成树的过程中,通过距离矩阵计算得到Pathfinder算法的结果图。算法时间复杂度可稳定为O(n2)。实验结果表明,在顶点数为500的稠密网络上,该算法的运行时间有较大的优势。     

An algorithm for constructing project network diagrams on an ordinary line printer

An algorithm for generating activity-on-arrow network diagrams is presented that does not need a graph plotter for its application, and can print networks of practical size within reasonable computer time. Computational experience is reported.     

复杂网络拓扑可视化方案设计与实现

针对复杂网络拓扑采用传统网络拓扑可视化方式呈现会导致网络结构信息难以观察的问题,文中在提出一种基于节点和边关键性的网络拓扑压缩算法—NECB算法以及改进的FDA算法—FR算法的基础上,利用复杂网络拓扑可视化软件NetworkX设计并实现了一种复杂网络拓扑可视化方案。呈现结果表明NECB算法能在有效压缩网络拓扑规模的同时保存原始网络的主要信息,该方案能有效展现复杂网络拓扑的结构信息,为分析复杂网络提供支持。     

卫星路由算法研究

对目前几种主流的组网技术,包括异步传输模式(ATM),网际互连协议的协议栈(IP),多协议标签交换(MPLS),卫星网络与地面网络的网络构成、拓扑以及通信时延等特点作了分析比较,同时对地面网络上的主要的路由算法进行了分析,主要包括距离向量算法和链路状态算法等：给出了运行于卫星网络上的路由算法,并对路由算法的三种策略进行了分类分析,其中基于虚拟拓扑路由策略的路由算法多用于基于像ATM等面向连接的网络;而采用虚拟节点概念的路由算法常用于基于IP的路由;基于拓扑依赖策略的路由算法,对于特定的星座网络将会有较高的效率。     

IWO-Kohonen聚类算法在IDS中的应用

针对Kohonen神经网络模型网络入侵聚类正确率较低的问题,将入侵杂草优化(IWO)算法与Kohonen神经网络相结合,提出IWO-Kohonen聚类算法。利用IWO算法优化Kohonen神经网络的初始权值,训练Kohonen神经网络模型得到最优值。使用IWO算法增强算法的搜索能力,提高聚类正确率,并加快算法的收敛速度。实验结果表明,该算法与模糊聚类算法和广义神经网络聚类算法相比,分类正确率较高;与蚂蚁聚类算法和模糊C均值聚类算法相比,网络入侵检测率较高,误报率较低。     

基于BP神经网络的入侵检测算法

为解决传统入侵检测算法存在的高漏报率及高误报率问题,结合BP神经网络算法的优点,提出一种采用遗传算法来优化BP神经网络算法的入侵检测算法。该算法通过遗传算法找到BP神经网络的最适合权值,采用优化的BP神经网络对网络入侵数据进行学习和检测,解决直接使用BP学习造成的训练样本数量过大而难以收敛的问题,同时缩短样本训练时间,提高BP神经网络分类正确率。仿真实验结果表明,与传统网络入侵检测算法相比,该算法的训练样本时间更短,具有较好的识别率和检测率。     

网络性能管理中一种数据采集算法的研究

根据大量的网络管理实践，研究了网络性能数据变化的规律和现在被大量采用的等时间间隔数据采集算法的弊端，提出了一种自适应时间间隔数据采集算法，该算法根据网络性能数据变化的缓急自动调整采样时间间隔，更合理地使用网络带宽，理论分析和仿真实验结果证明，该算法克服了等时间间隔数据采集算法没有考虑所采样数据的变化、采用统一采样时间间隔从而浪费网络带宽的缺点，在消耗相同网络带宽的情况下，自适应时间间隔数据采集算法的数据拟和曲线与等时间间隔数据采集算法的拟和曲线相比，失真度明显偏小。     

Deep Mining of Redundant Data in Wireless Sensor Network Based on Genetic Algorithm

Mining effective data from wireless sensor network node data is one of the main subjects in studies concerning wireless sensor network data processing. Wireless sensor network data are muli-dimensional and dynamic. Generally, data mining technology cannot satisfy the requirements of wireless sensor network. A large amount of accumulated and redundant wireless sensor network monitoring data reduces the efficiency of data processing. To solve the above problems, this study proposed a data mining algorithm, which integrated rough set algorithm and genetic algorithm to mine redundant data in node network data. The results of the simulated calculation based on MATLAB platform suggested that the identification rate, false accept rate and reject rate of the proposed algorithm were 94.65, 1.753 and 2.331%; compared to network data mining algorithm based on improved genetic algorithm, it has higher efficiency and accuracy in data mining. The algorithm could effectively excavate redundant data in wireless sensor network and optimize the operation environment of wireless sensor network. The application of the rough set and genetic algorithm based data mining algorithm in wireless network has a promising prospect.     

运用PSO算法的自递归RBF网络建模与应用

普通三层RBF网络已经是一种较好的神经网络，为了进一步提高RBF网络的性能，在普通三层RBF网络的基础上，构建出一种运用PSO算法的自递归RBF网络。学习算法采用以梯度学习算法配合PSO算法对参数进行调整。与采用动量-梯度学习算法，且为结构为三层的RBF网络相比，提的运用PSO算法的自递归RBF网络可以在神经元较少的情况下，具有更好的泛化能力、鲁棒性和准确性。最后通过仿真实验，对算法的有效性进行了验证。     

基于网络复杂性的BP算法

BP算法(误差反向传播算法)是前馈神经网络中最常用的算法之一.在对前馈神经网络和传统的BP算法研究的基础上,发现了传统算法中存在的问题.通过引入网络复杂性的量,提出了一种新的改进算法,命名为基于网络复杂性的BP算法.该算法能够删除掉冗余的连接甚至节点,通过对网络学习步长的动态调整,避免了算法收敛速度过慢和反复震荡的问题.最后通过实验说明该算法在一定程度上比传统BP算法有一些优越性.