一种用于作战任务分解的启发式算法研究

针对多CGF(Computer Generated Force,计算机生成兵力)协同仿真系统中面临的复杂作战任务描述和分解问题,首先对其进行了形式化描述,将任务分解问题转化为有约束条件下的最小开销问题,然后提出了一种启发式的任务分解算法,给出了算法的具体实现步骤.经过实际算例检验,该算法能较为有效地实现复杂任务的分解.     

一种快速分解大整数的小因子的优化分解树OFT算法

分解大整数的小因子是解决IFP，DLP问题的诸多攻击方法中的重要运算模块．本文在目前分解大整数小因子算法的基础上，提出的优化分解树(Optimized Factorization Tree)算法，利用树型数据结构和相应的构造算法与回溯算法，配合以作者提出的分解表截支方法和优化分组策略，可以将分解大整数小因子的速度提高50％以上．该算法还可以为大整数素性判别做高效过滤，快速识别大部分合数．     

一个启发式任务团调度算法

基于任务聚类的启发式任务团调度是实现并行任务调度的有效方法。面向大型复杂武器系统的实时并行仿真,在研制自动并行化系统ＡＦＰ的过程中,基于关键任务的聚类算法,设计并实现了一个启发式任务图调度算法。     

一种关联规则挖掘的新算法--逆向分解算法

提出了一种关联规则挖掘新算法：逆向“跳跃式”地分解高淮频繁项集产生低维频繁项集，直接分解高维关联规则得到低维关联规则。该算法显著减少了已有算法中产生频繁项集及扫描大规模数据库的操作，性能改善明显。     

一种增量式非负矩阵分解算法

针对现有的非负矩阵分解算法在应用于问题规模逐渐增大的情形时,运算规模随之增大、空间和时间效率不高的情况,提出一种增量式非负矩阵分解算法,使用分块矩阵的思想降低运算规模,利用上一步的分解结果参与运算从而避免重复运算。实验结果表明,该算法对节约计算资源是有效的。     

微机上解线性规划的一种快速算法

本文用E~V列阵对解线性规划单纯法的整个解题思想进行了改造。每更换一次基变量,对非基矩阵N作一次矩阵乘法运算,对列阵E~V作m次除法代替对m×m阶基矩阵B求逆B~(-1)。而且,在整个解题中不需要储存矩阵B与B~(-1)中的元素,从而获得两大好处,提高了算法的时空效率。与原单纯形法(注1)相比,可以:1.每更换一次基变量,减少乘法m(3 m—n)次,减少加法(m—1)(3m—n)次。2.节省2(m+1)m个元素的贮存空间。该算法对程序设计十分有益,在微机上使用本算法,优越性更为突出。     

一种基于单元分解仿真算法一SRSIM

针对标准的QSIM算法对于复杂系统推理求解时会产生不可控分技问题,提出一个分解仿真方法-SRSIM算法.应用聚类分析方法将定性模型分解成单元,对单元分开单独应用QSIM推理,对单元间的关系通过约束传播使得子模型推理一致.这种分解仿真算法可大大降低QSIM算法的不可控分枝,提高系统的仿真效率.     

一种基于单元分解仿真算法——SRSIM

针对标准的QSIM算法对于复杂系统推理求解时会产生不可控分枝问题,提出一个分解仿真方法--SRSIM算法。应用聚类分析方法将定性模型分解成单元,对单元分开单独应用QSIM推理,对单元间的关系通过约束传播使得子模型推理一致。这种分解仿真算法可大大降低QSIM算法的不可控分枝,提高系统的仿真效率。     

激活规则多目标优化算法在任务分解中的应用

针对工业生产中计算量大、故障原因复杂的故障诊断任务,提出一种基于MPSO/D的激活规则多目标优化算法。采用置信规则库系统(EBRB)实现任务分解,以激活规则的不一致性与激活权重和作为多目标优化问题的目标函数,利用MPSO/D算法获取不一致性最小的激活规则集合,提高推理准确性。标准测试函数和三元复合驱采出井卡泵故障诊断实例中的测试结果表明,该算法能够有效提高EBRB系统的推理能力和虚拟导诊的任务分解准确性。     

卫星应用任务分解规则库建立及匹配算法

卫星应用任务的分解是准确分析航天信息系统使命任务的关键步骤,为此需要对任务的分解建立标准的规则库.文章基于Disciple代理的知识表达方法,建立了卫星应用任务的分解规则库;然后通过一般化的概念对任务和规则进行分析,提出了一种任务匹配规则库的算法.文章以卫星应用中典型的侦察任务为例,探讨了规则库的建立和匹配.可以看出Disciple灵活的表达可以有效地描述好所涉及对象及其之间的关系,满足规则库建立的需要.     

解“时间表问题”（TTP）的启发式算法

本文给出了一种解“时间表问题”的启发式算法，从整个时间表的生成过程来说，它是一种并行和无回溯的方法，从一天的时间表生成来说，它是一种改进的Ｔａｂｕ查代方法。该算法不能保证在任何情况下都能获得可行的时间表，但能保证所获得的时间表是最优的或较优的。     

基于公平性和负载均衡的云计算任务调度算法

任务调度是云计算的关键技术之一,其主要目标是能更有效地满足系统资源和任务的公平性,同时尽可能实现系统资源的负载均衡。结合遗传算法的优点,提出一种公平均衡遗传调度算法FBGSA(Fair Balanced Genetic Scheduling Algorithm)。该算法充分考虑到任务调度过程中资源和任务的公平性问题,以及资源的负载均衡等因素。实验结果显示该算法不仅可以有效减少任务总完成时间,而且可以满足系统资源和任务的公平性,有效实现资源负载均衡。     

同构型分布式计算机系统的启发式任务分配算法

本文讨论一种启发式任务分配方法，称之为改进的ｌｉｓｔ分配方法，它适用于分配一组具有先后关系和通信延迟的任务集到同构型分布式计算机系统上。文中描述了此分配方法的原理和算法，给出相应的仿真流程图，并对具有不同拓扑结构，任务运行时间和通信时间满足多种概率分布的任务集进行了分析和仿真。结果表明，当处理器个数小于任务集的并行度，任务粒度大于５时，任务分配效率大于８０％。     

COMPARATIVE ANALYSIS OF A HYBRID DE ALGORITHM WITH THE VNS ALGORITHM AND ITS VARIATION SVNS TO SOLVE A REAL-WORLD FREQUENCY ASSIGNMENT PROBLEM

The Frequency Assignment is a very important task in the planning of the GSM networks, and it still continues to be a critical task for current (and future) mobile communication operators. In this work, we compare a hybrid Differential Evolution algorithm with the Variable Neighbourhood Search algorithm and also its variant Skewed Variable Neighbourhood Search to solve a real-world Frequency Assignment problem (FAP) in GSM Networks. The results that are shown use accurate interference information. That information was also adopted by other researchers and it represents a real GSM network, granting, therefore, an really important applicability. Furthermore, we have analyzed and compared our approach with other algorithms proposed so far to this problem. Hence, our approach using the SVNS algorithm has proven to be efficient in solving this problem, and permitted us to obtain good results. In fact, with this work we have contributed to the FAP problem with an additional comparison between approaches using metaheuristics based on trajectory (VNS and SVNS) and others based on population (DE).     

方格取数问题的动态规划算法

动态规划算法对很多实际问题的解决是灵活和高效的.首先对方格取数问题进行分析,通过一条路径和两条路径选择的对比分析,得出了该问题的动态规划算法,并对该算法关键部分加以代码实现,最后对该算法的时间和空间复杂度进行分析和讨论,并对复杂度进行优化.试验的结果说明了该算法对于解决该类问题在时间效率上要明显优于贪心算法等一些算法.     

关于TSP问题的一种求解方法:CED聚合法

本文提出了 CED聚合法——几何算法和生态算法 ,并把 TSP转化为判定问题来处理 .给出了重要的定理 ,提出了数学聚合法原理 .最后 ,计算实例的结果表明 ,这种方法具有可行性和有效性     

神经网络中克服局部最小的BP—EP混合算法

人工神经网络在很多领域有着成功的应用,神经网络有许多学习算法,BP算法是前向多层神经网络的典型算法,但BP算法有时会陷入局部最小解,进化规划（EP）是一种随机优化技术,它可以发现全局成解,当网络学习过程陷入局部最小时,利用EP确定BP算法中的学习速率,使学习过程逸出局部最小,结合具体例子给出了算法实现的具体操作步骤和实验结果。     

结合遗传算法和设禁搜索求解可重构制造系统的生产计划问题

针对可重构制造系统的生产计划问题提出了一种采用遗传算法与设禁搜索相结合的方法.文中将该类问题用含有模糊数的整数规划问题进行建模,算法采用遗传算法作为算法的框架结构,将设禁搜索和模糊规则结合在种子的变异过程之中.通过数学仿真,可以得到一个很满意的结果.     

A fault-tolerant object service in the OMG's object management architecture

The object management architecture (OMA) has been recognized as a de facto standard in the development of object services in a distributed computing environment. In a distributed system, the provision for failure-recovery is always a vital design issue. However, the fault-tolerant service has not been extensively considered in the current OMA framework, despite the fact that an increasing number of useful common services and common facilities have been adopted in OMA. In this paper, we propose a fault-tolerance developing environment, called Phoinix, which is compatible to the OMA framework. In Phoinix, object services can be developed with embedded fault-tolerance capability to tolerate both hardware and software failures. The fault-tolerance capability in Phoinix is classified into two levels: restart, and rollback-recovery; where the fault-tolerance capability enhances as the level increases. Currently, Phoinix is ported on Orbix 2.0 and on SunOS 4.2. In this paper, the design and implementation of Phoinix is presented and its performance is evaluated.     

基于最大相关块的关系模式全部主属性的一种解法

本文是把关系模式中的函依赖集进行划分，对应的属性集合构成一个相关块，再对每个相关块求其主属性，最终给出求全部主属性的多项式时间的一种算法。