基于代价的复杂网络抗攻击性研究

目前的复杂网络抗攻击性研究大多基于"无代价"条件,而这一假设下的大多数复杂网络面对的选择性攻击都非常脆弱,这与现实网络相矛盾。针对这一矛盾,提出代价下影响复杂网络抗攻击性的关键指标——网络紧致系数、平均度;基于网络紧致系数、平均度建立了代价下面向节点的选择性攻击模型,定性分析了网络紧致系数、平均度与复杂网络抗攻击性间的关系。仿真结果证实了所提度量指标的有效性:网络紧致系数越大、平均度越大,则网络越鲁棒;相同平均度下,网络紧致系数越大,则网络越鲁棒。     

基于优化理论的社区无标度网络模型

当前建模社区无标度网络的研究多基于组合法,即先构造无标度特征再构造社区特征,或者先构造社区特征再构造无标度特征.基于组合法的模型能生成令人满意的社区无标度网络,但是该方法需要满足社区大小相等、社区特征和无标度特征间的顺序依赖等特定条件,而这些特定条件在真实网络的演化中往往并不存在.值得注意的是,多数学者同意社区网络起源于网络节点之间的类别距离,如地理距离、兴趣距离、偏好距离等,但现有研究尚未确证社区结构与类别距离之间的因果关系.针对组合法的缺点和社区特征起源的问题,该文建立了一个优化模型,该模型以无标度属性为优化目标,以类别距离为约束条件.仿真结果表明该模型揭示了类别距离与社区特征间的因果关系,能生成多种参数下的社区无标度网络,更好地拟合了现实世界中的社区无标度网络.     

演化元胞自动机函数优化算法案例研究

BUMP是一个超多维,超多峰,超非线性的问题,被广泛应用于各种演化算法的性能比较。但最好解是未知的。基于元胞自动机的遗传算法报告了BUMP曾经发表过的最好解。该文设计了基于演化元胞自动机的新算法(ECAA)并获得了更好的结果。文中详细讨论了算法中各算子的设计方法及其在算法中扮演的角色,分析了该算法的极度并行,天然局部搜索等重要特性。     

细胞自动机函数优化算法

细胞自动机广泛用于仿真、建模，提出用细胞自动机进行函数优化。该思想与演化算子结合的算法CAMGA在试验中取得了很好的效果。其中对BUMP问题的求解优于现今已经发表的结果。     

高级语言程序设计课程建设思路

"高级语言程序设计"是计算机专业的重要课程。针对高校目前计算机专业"高级语言程序设计"课程设置的现状,借鉴国外高校课程建设模式,提出课程调整方案,探讨课程改革思路,以期为程序设计后续课程的改革奠定基础。     

解决非静态优化问题的MEAP算法

演化算法已在传统的静态优化领域显示了惊人的能力,但非静态优化问题更接近于我们的生活。如何将演化算法应用于非静态优化是当前的一个研究热点。本文讨论了几种算 法,并提出了一种基于传统演化算法的新算法（MEAP）。这种新算法可以及时得知环境的改变并进行预处理,从而让种群有更多的机会产生优解。测试结果表明,该算法有优优良的性能。     

Windows编程教学实践研究

本文介绍了我院通过Windows编程教学实践所总结出的“夯实基础、鼓励学习方法的合作、以兴趣为导向、差异化发展”的教学思路。     

一种新的求解多目标优化问题的遗传算法

提出一种新的求解多目标优化问题的算法-GGGA。该算法运用几何斜率Pareto选择的精英策略,多个子种群从求解目标的不同方向进行区域演化,并借鉴了郭涛算法的多父体杂交算子。数据实验表明这是一种可行的有效算法。算法避免了基于Pareto占优比较的复杂性,在解空间的多样性和快速收敛性方面也显示出优越性。     

基于资源整合的E-Learning系统研究

讨论了E-Learning的基本概念及意义,分析了国内外部分高校E-Learning系统研究现状,指出了目前我国高校电子资源的建设和使用现状,提出了资源整合的必要性,给出了资源整合的基本思路,并将其应用在E-Learning系统设计中.通过对E-Learn-ing系统的探索与实践提出了建设与完善高校电子教参资料系统的对策,提高了电子资源的利用率.     

基于 LDA 模型的 Ad hoc 信息检索方法研究

传统的话题模型假设每个文档只属于一个话题,而实际情况下一个文档往往与多个话题相关。应用LDA 模型将文档表示为多个话题的组合,并基于语言模型框架,提出了一种基于 LDA 的混合模型用于文本信息的 Ad hoc 检索。该方法将 LDA 模型与文档模型相结合,与聚类模型相比,在保持较低的计算复杂度外,具有很高的检索性能,因此更适用于大规模文档集的信息检索。