PVA纤维对混凝土性能及早期塑性收缩开裂的影响

试验研究了聚乙烯醇(PVA)纤维对混凝土材料的改性以及对混凝土早期塑性收缩开裂的控制。研究结果表明,对于体积掺量为0.5%的PVA纤维混凝土,由于PVA纤维的掺入使得混凝土的流动度降低,混凝土中的薄弱界面及孔隙率等缺陷增加,其抗压强度和抗渗性能有所下降。但是由于纤维的约束作用,混凝土的早期塑性收缩开裂得到了很好的控制。要提升PVA混凝土的自身强度及耐久性能,宜优化纤维掺量,并掺入活性掺合料。     

一种改进的图卷积网络半监督节点分类

目前大多数图卷积(GC N)关注于提取局部特征信息,忽略了全局特征,使得标签不能有效地传播到整个图上.对此,设计一种可以用于半监督节点分类任务的深度池化对偶图神经网络(DPDNN).该网络引入池化机制,将结构相似的节点聚合为超节点,扩大节点的接收域.通过随机游走得到图全局信息的潜在表示,使用随机游走模型与GC N进行协同训练,从而补充GC N模型在获取整个图拓扑结构信息上的能力.实验结果表明,该网络模型与现有方法相比提高了分类精度,在少量数据标记时效果更为明显.     

车载自组织网络中的最小延时链路调度算法

为降低车载自组织网络中的信息传输延时,提高信息接收的及时性,构建车载网络中信息传输延时最小化数学模型。通过比较不同传输模式(包括直接传输、协作传输和多跳传输)下链路的信息传输延时大小,提出一种梯度投影算法解决多路径路由中信息传输延时最小化问题。源节点可通过此算法选择延时最小的传输方式,将信息逐级发送至目的节点。仿真结果表明,梯度投影算法具有较好的收敛性及较强的实用性。     

求解气隙磁场的差分方法

为了提高电机的运行性能,必须要准确地进行电机的磁路、参数、损耗等计算。今天,完全可以通过求解电磁场方程而获得。本文研究的气隙磁场解法,给出了无旋场的离散化过程及其程序。     

面向多应用的绿色卸载与处理方案研究

移动边缘(Mobile Edge Computing, MEC)计算因其低时延、低功耗和高网络容量等特点被广泛应用于新型的物联网应用中。为进一步充分利用系统的计算资源并降低功耗,研究了基于D2D辅助卸载的MEC系统下的计算卸载决策、功率分配方案和计算处理顺序。提出了面向多应用的终端设备总功耗最小化问题,实现绿色卸载。为解决原始的NP-hard问题,设计并提出了基于贪婪配置思想和冒泡排序思想的绿色卸载与应用处理排序算法(Green Offloading and Application Processing Sorting Algorithm, GOAPSA)。仿真结果表明,该算法通过灵活调整应用的处理顺序和功率分配方案,应用D2D辅助卸载可以有效降低系统的总功耗并提高系统容量。     

基于并行遗传最大最小蚁群算法的分布式数据库查询优化

针对分布式数据库中关系及其分片多副本、多站点存储的特性会增加查询搜索空间及时间复杂度,从而降低查询执行计划(QEP)搜索效率的问题,提出一种基于分片分配选择器(FSS)设计准则的并行遗传-最大最小蚁群算法(PGA-MMAS)。首先,结合实际的企业分布式信息管理系统设计FSS,启发式选择较优关系副本,以减少查询连接代价并缩小PGA-MMAS的搜索空间;然后结合遗传算法(GA)收敛较快的优势,对最终连接关系进行编码和并行遗传操作,得到一组相对较优的QEP,并将其转化为并行最大最小蚁群算法(MMAS)的初始信息素分布,从而使其更快速地搜索到全局最优QEP;最后分别在不同关系数情况下对算法进行仿真实验,结果表明,基于FSS的PGA-MMAS搜索最优QEP的效率高于原GA以及基于FFS的GA、MMAS和GA-MMAS;经实际工程应用验证,所提算法搜索出的高质量QEP可以提高分布式数据库多关系查询效率。     

传输合同约束下编码分组网络的效用最大化研究

研究在传输合同约束条件下当编码子图给定时编码分组网络的效用最大化问题。基于提出的网络效用最大化模型,通过对偶分解理论,提出了分布式的次梯度投影算法,证明了算法收敛的充分条件,最后通过仿真验证了算法的正确性。     

基于改进蚁群算法的高能效WSN协作传输策略*

针对传统传感器网络分簇不均匀,数据传输能耗相对较高的问题,提出了I-CoopACO(Cooperative transmission scheme based improved Ant Colony Optimal algorithm)算法.该算法在协作LEACH (Low Energy Adaptive Clustering Hierar-chy)的技术基础上,改进了成簇过程,使得分簇规模更加均匀;在稳定传输阶段,利用节点剩余能量和传输功耗构建启发因子,通过改进的蚁群算法搜索下一跳中继节点获得最优节点,使得传输功耗更低,能耗更均衡.仿真结果表明,在随机分布的感知网络中,I-CoopACO算法减少了传输能耗,均衡了网络负载,延长了网络工作寿命,比协作LEACH算法延长了64.93％的工作寿命.     

基于卷积核网格化二维近程微波全息

引入一种二维近程微波全息成像算法,该方法采集的散射数据不仅包括后向散还包括前向散射,对目标的入射场不做任何假设,完全由测量或仿真获得,具有较强抗噪声性能,成像分辨率较高,较适于近程成像。为了探讨算法在实际应用中的影响因素,利用FEKO 软件模拟目标散射场和入射场,验证了该算法能够获得高质量目标图像,比较和分析了不同扫描频率、扫描间隔以及天线位置的成像效果,为实际应用提供参考依据。针对该算法中外部干扰源等引起的混叠效应,提出利用卷积核网格化方法处理采集的散射数据来纠正网格。给出几种典型的卷积核函数,比较分析了它们的抗混叠性能,得出球谐函数是一种较优的卷积核函数,抗混叠较强。