高校大规模排考系统的算法统计

It is a multifactor optimization problem to arrange examinations on a large scale for universities. In this paper, a kind of grouped optimization algorithm was proposed. A principle about related degree, which plays a core role in realization, was introduced in the algorithm. According to the algorithm, we worked out a set of software correspondingly and applied it to a certain university in Shanghai to arrange examinations. It shows that the algorithm is very effective.     

哈佛大学工学院发展战略及其对新工科建设的启示

哈佛大学自2007年重建工程与应用科学学院以来,采取了与传统工程学科大相径庭的发展路径,以解决人类面临重大挑战的前沿科学为重点发展方向,以机制保障为学科交叉融合提供土壤,以空间优化调整助力研究、孵化、成果转化一体化发展,取得了显著成绩。哈佛大学工学院发展路径正体现了新工科建设思路,对我国高校加快建设发展新工科,推动学科深度交叉融合,优化调整空间布局,服务科研创新、成果转化等具有重要启示。     

基于知识治理的公共档案馆服务质量优化机制研究

[目的/意义] 在公共档案馆服务质量优化中引入知识治理理论,使得复杂的服务质量优化问题获得更本质的理解和更有效的解决途径,为公共档案馆服务质量和服务能力提升提供参考。[方法/过程] 以知识治理理论为支撑,对公共档案馆服务质量优化进行分析与探讨,设计公共档案馆服务质量优化机制。[结果/结论] 通过借鉴和探析知识治理机制,构建公共档案馆服务质量影响因素优化机制,主要包括优化的环境、优化的目标、优化内部动能（治理机制）、优化外部动力和优化过程五个部分。     

人力资源优化配置模型研究现状及发展趋势

描述了几种人力资源优化配置模型,包括线性规划指派模型、线形回归模型、多目标规划模型、人员流动优化模型、基于CMMI的人力资源配置模型以及基于贝叶斯理论的人力资源配置模型等,并在此基础上就人力资源优化配置模型今后的发展趋势进行了展望。     

Spark作业性能建模及参数优化

Apache Spark分布式大数据计算框架应用广泛,但是其配置参数繁多导致使用难度较大,且不合理的配置将严重影响作业执行性能,研究Spark参数对性能的影响并进一步对参数进行自动优化具有重要意义.该文分析了 Spark作业中影响系统行为的关键参数,建立了性能模型,并进一步探索了 Spark参数自动优化的方法和策略.通...     

基于粒子群优化的神经网络实时交通信号配时

由于人工神经网络具有表征复杂输入输出系统的强大功能,将其用于城市道路交叉口的实时信号配时,是极有应用前景的尝试。文章采用三层人工神经网络建立城市道路交叉口信号配时模型,并把粒子群优化算法作为神经网络的学习算法。该算法具有极高的全局优化形态与计算效率。这种方法建立的模型将有助于降低交叉口的总延误,提高通行能力,使神经网络发挥更好的控制效果。     

一种自适应遗传算法对Hopfield网络权值的优化

针对Hopfield网络在求解优化问题中学习效率低,收敛速度慢,容易陷入局部最优等缺点和不足,把遗传算法同Hopfield网络结合起来,形成进化神经网络,对网络权值进行优化,并且通过对算法的讨论,说明该算法的有效性。     

递归式多目标遗传算法

介绍递归式多目标遗传算法(Recursive Multiple Objective Genetic Algorithms,RMOGA).整个进化过程分为与目标数量相等的几个递归阶段,每个阶段多增入一个目标.每个阶段先用一个独立的群体进化新增的目标;该群体中性能较好的个体与上一阶段多目标进化的群体联合形成已增目标集的初始群体.实验结果表明,在绝大多数问题中,RMOGA的性能优于NSGA-Ⅱ,SPEA及PAES等3个典型的多目标遗传算法.     

一种基于双控节点的Ceph写性能优化方法

分布式存储系统Ceph由于采用多副本强一致性写入机制,造成集群写性能不理想。针对该问题,提出一种基于双控节点的Ceph写性能优化方法,首先利用双控双存储阵列节点,当一个控制器出现故障时,该节点中的另一个伙伴控制器创建新的OSD进程并快速接管故障控制器的存储阵列,从而保证数据存储的安全性和高可靠性,同时将写入机制优化为主副本OSD在本地写入日志盘后,就向客户端返回写完成,之后写入数据盘和其余从副本的完成情况则由主副本OSD继续收集并完成后续各类回调操作,从而降低非必要写操作对集群写性能的影响。最后对数据可用性和集群写性能进行实验测试,其中写性能测试分别从写延迟、吞吐量和IOPS等3个角度,对优化后的方法和Ceph原生写入机制在顺序写和随机写两方面进行比较,进一步验证优化方法在维护数据高可用的同时,对写性能提升的效果。     

文本分类中粗分类数据噪声修正的网络算法

在文本分类的实际应用中经常使用粗略分类的数据来训练分类器,但是这种数据中经常会包含类别标记有误的数据,这些数据对文本分类结果的精度会造成不良影响。本文针对这个问题提出了一种噪声修正算法,首先建立文档关联网络,把文档上标记的类别作为在网络上划分的集团结构,并用模块度衡量集团结构的质量,通过优化模块度指标把噪声数据调整到合适的类别中,从而提高数据质量。实验结果表明,本文所提算法能够有效修正粗分类数据中的噪声,且有较高的有效性和鲁棒性。该算法可以用于文本分类训练数据的预处理,或作为辅助技术用于文献库建设等工作。