基于神经网络的场景调度策略

虚拟场景的实时显示是虚拟现实技术的重要研究课题,优化场景的调度策略是解决实时显示的主要方法之一.根据虚拟装配的特点,建立视点状态变化的马尔可夫模型,并且使用径向基函数神经网络挖掘装配过程中视点变化的规律,提出基于神经网络的场景调度策略,利用该策略预测并提前调入装配过程中将要出现的场景.该策略可以使调度更加智能化,提高场景调度的效率,达到实时显示场景的目的.同时该调度策略也可以应用于虚拟现实的其他领域中,如虚拟场景漫游等.     

服务时间依赖于已服务过的顾客数的M[X]/G/1排队系统

研究了每个忙期开始后的前N个顾客接受特别服务M^[x]／G／I排队系统。通过采用补充变量法，推导出系统稳态队长概率母函数的迭代公式。更进一步，得到了系统的平均队长。     

一类不确定性决策问题的变权分析方法

以灰色系统理论和模糊数学为基础,探讨了多属性决策问题中所包含的不确定性可以用灰色模糊数表示的情况,提出了基于灰色模糊信息的多属性决策的概念.利用分析方法和技巧,融合变权和熵权误差分析法,构建了灰色模糊多属性决策问题的算法,直接由灰色模糊决策矩阵确定变权的基础权重和上确界,使算法在理论上更加严谨可靠,为不确定型多属性决策方法研究提供了一条新思路.给出的算例说明了算法的可行性.     

cdma2000 1x EV-DO前向链路高速分组数据传输中的调度算法

在保证用户间公平性的前提下,为尽量提高cdma2000的增强型1xEV DO系统前向链路的数据吞吐量,通过讨论现有的多种调度算法原理,分析了影响系统吞吐量和公平性的因素,在此基础上提出将用户平均请求传输速率、限制用户最小平均传输速率和系统最小吞吐量的影响同时引入调度算法的思想,通过在CadenceSPW软件平台上的仿真研究表明,改进后的调度算法在保持公平性的前提下,有效提高了系统前向链路吞吐量.     

一类多频线谱振动的主动控制方法

针对多频线谱振动提出一种新的主动控制方法--多通道解耦LMS自适应滤波方法.该方法以多个并行的LMS自适应滤波器结构和带通滤波器组成前馈控制器,带通滤波器对自适应滤波器进行解耦,以一个单自由度的减振器作为执行机构,对多个频率线谱振动进行主动减振.综合了LMS算法的快速性和频域自适应滤波的有效性,物理意义清晰,易于扩展.应用于国产某型机械式制冷机的主动减振,用B&K的PULSE 7700对现场调试结果进行分析,验证了该方法的有效性.     

基于面向对象技术的继承机制剖析

OO技术用类来描述具有相同特征的一组对象，以继承作为共享机制，支持单一继承和多重继承．在面向对象的程序设计中，多继承使用频繁，但容易出现二性义问题．继承机制提供了规范化的结构体系和具有自然意义的重用方法，实现了代码和对象域的共享，从而使应用程序更容易维护、更新和升级．     

并行流程式生产线调度问题的概率分析求解算法

并行生产线调度问题兼有并行机器和流程车间调度问题的特点 ,是一类新型的调度问题·针对工件在各工序具有任意加工时间的一般并行生产线调度问题 ,构造了整数规划模型 ,设计了基于概率分析的求解算法·对随机生成的测试问题进行求解的实验结果表明了算法的有效性     

极小化加权完工时间和的调度问题

讨论目标函数为极小化加权完工时间和的调度问题·对于这类问题,平行机问题是NP 难的·基于对问题的分析,对工件的加工时间相等的恒速平行机问题,给出了多项式最优算法·Openshop问题是强NP 难的·给出了工序的加工时间相等的无等待Openshop问题与工件的加工时间相等的同速平行机问题的联系·根据这种联系,对工序的加工时间相等的无等待Openshop问题,给出了多项式最优算法·算法的复杂性均为O(nlogn mn)·     

实物期权方法在多项目预算决策中的应用

研究了实物期权方法在可推迟的多项目预算决策中的应用·通过二叉树方法描述了项目价值随时间变化的路径,进而构造出多项目资本预算决策的模型,并探讨了根据实际需要如何对模型的各种限制条件进行调整·与净现值法相比,实物期权方法考虑了项目的投资机会价值,能求得在资本预算限制下公司可以投资的具有内在期权价值的项目组合,因而可以对公司战略决策中高不确定性项目的投资决策提供支持·     

带机器准备时间的同类机在线与半在线排序问题

研究带机器准备时间的m台同类机(uniform machines)在线和半在线排序问题，目标函数为极小化最大机器(工件)完工时间。对于在线情形，证明了LS算法的最坏情况为ρ=｛（1 √5）/2，m=2,1 √2m-2/2,m≥3，并且当m=2，LS算法是最好的近似算法；当m=2，3，…，6时界是紧的，特别地，当s1=s2=…=sm-1,sm≥l时，证明了LS算法的最坏情况界为ρ=｛（1 √5）/2，m=2,3-4/m 1,m≥3，而且界是紧的；对于已知加工时间递减的半在线排序问题，证明了LS算法的最坏情况界为2—2/(m 1)。