基于种群混合迁移策略的并行量子遗传算法

针对量子遗传算法求解大规模优化问题存在收敛速度慢、易于陷入局部最优等问题,改进量子遗传算法。设计一种种群混合迁移机制促进算法的种群多样性,采用仿TriBA种群结构、双精英种群、重生种群、自适应迁移算子、个体竞争排挤算子以及随机失活机制,提高算法的局部勘测能力和全局寻优能力。利用Spark框架实现算法在分布式集群环境下的运算。改进2-opt&R优化算法,通过引入高斯变异提高算法的局部搜索能力,缩小算法的搜索空间。实验结果表明,改进后的算法在全局优化能力、收敛速度、运行速度和求解稳定性等方面均有大幅度提升。

基于自适应机制的遗传算法研究

为了克服传统遗传算法在解决组合优化问题中存在的收敛速度慢、易陷入局部最优解等问题,引入自适应机制调整遗传算子改进遗传算法。根据当前代的进化状态设计遗传算子的自适应调整公式以选取最优遗传算子,从而提高算法的收敛速度和全局搜索能力;为了进一步加快自适应遗传算法的收敛速度并提高算法的执行效率,在算法实现的过程中增加了快速进化机制。实验结果表明,所提出自适应遗传算法在收敛速度、搜索全局最优解及执行速度方面具有较好的综合表现。

基于多尺度特征融合的时间序列长期预测模型

长期时间序列预测在多个领域中具有广泛的应用需求。但是,时间序列的长期预测过程中表现出的非平稳性问题是影响预测准确性的关键因素。为了提高时间序列长期预测精度,以及预测模型的普适性,构建了基于序列分解的多尺度融合注意力神经网络预测网络(MSDFAN)模型。该模型采用时间序列分解提取输入数据中的季节成分和趋势成分,对不同数据成分进行不同的预测建模,能够对具有多尺度稳定特征的非平稳时间成分进行建模和预测。实验结果表明,与FEDformer相比,MSDFAN在5个基准数据集上的预测结果的均方误差(MSE)和平均绝对误差(MAE)分别平均下降了12.95%和8.49%,MSDFAN模型在多变量时间序列上取得了更好的预测精度。

基于多算子协同进化的自适应并行量子遗传算法

量子遗传算法具有种群规模小,全局搜索能力强的特点被广泛应用于各类优化问题的求解.为了进一步提高量子遗传算法的收敛速度和搜索稳定性,克服算法的早熟问题,本文改进了基于自适应机制的量子遗传算法.在自适应量子遗传算法的基础上根据种群的适应度定义了个体相似度评价算子、个体适应度评价算子和种群变异调整算子及相应算子的计算方法,利用多算子协同评价当前种群状态并根据进化代数的变化,自适应的改变个体的变异概率,提高了算法全局寻优能力和收敛速度,降低了算法陷入局部寻优的概率.此外,为了提高算法的时间效率,将算法采用并行多宇宙的方式实现.实验结果表明,本文提出的算法在全局搜索性能、收敛速度和时间效率方面有较好的综合表现.

基于网络编码的双路径组播树生成算法

为了将网络编码技术引入到全光组播网络中,提出了能够在多项式时间完成的基于网络编码的双路径组播树生成算法.该算法主要包括两大步骤:首先,从给定的组播网络中根据节点间度平衡的原则为源节点和每个目的节点之间确定一条有向路径,从而建立一棵传统有向树并保证有向树中任意节点的出度尽可能小,减少节点之间的关联性;其次,在所建立的传统有向树的基础上,从每一个目的节点到源节点根据冲突回溯原则建立源节点和每个目的节点之间的第二条路径,并保证源节点到任意目的节点间的两条路径为分离路径.算法中包含的约束原则能够保证所建立的双路径组播树包含最少的编码节点,从而使得所建立的组播树支持光域网络编码高效率实现,实现基于网络编码的全光组播并提升全光组播的性能.

基于逻辑运算的光域网络编码节点模型

光网络缺少随机存储设备,难以独立于光电光变换实现线性网络编码技术.为了将网络编码技术引入到光网络中,提出一种能够在光域中实现的基于逻辑移位和逻辑异或运算的双路径网络编码机制.该网络编码机制比异或网络编码的通用性更强,并且能够在光域中独立于光电光变换实现,降低了实现代价.此外,针对提出的网络编码机制在实现过程中遇到的运算不封闭的问题,设计了能够承载该网络编码机制的网络编码节点模型,从而保证该网络编码机制能够在全光异或门和光移位寄存器等主要光器件的支持下在光网络中实施.最后,对该网络编码节点模型所涉及到的部分关键模块进行了实验分析,结果表明模块能够完成所期望的功能.

俄罗斯《2006～2010年联邦教育发展目标大纲》述评

2006年1月12日,俄罗斯联邦政府正式颁布《2006～2010年联邦教育发展目标大纲》。完善教育内容和教育方法,建立教育质量评价的保障体系,提高教育机构的有效管理职能,完善教育内部的经济机构等,是其重点解决的问题。大纲为解决上述问题采取有效措施,其措施的有效实施必然会促进现代化教育体系的形成。

论形容词的标记性

标记理论是结构主义语言学的重要理论之一,自20世纪30年代创立至今已形成了较为完整的理论体系。本文以标记理论为理论基础,从形容词的词汇-语法类别、构词、句法功能等层面论述形容词的标记性。希望通过对此问题的研究能让人们从另一角度看待形容词,从而更深刻地理解有关形容词的特性。

基于网络编码的波长冲突解决方法

通常在波分复用(WDM)组播网络中采用波长转换器解决组播请求和单播请求之间的波长冲突问题。然而,全波长转换器解决波长冲突代价大,受限波长转换器解决波长冲突力度不够。对此,将网络编码技术引入WDM组播网络中以解决组播需求和单播请求之间的波长冲突。该方法能够在降低波长转换代价的基础上大幅提升解决波长冲突的能力,从另外一个角度提供一种切实可行、高效的方法解决WDM网络中的波长冲突,在实现代价、解决问题效果等方面均有显著的优势。

适合全光组播网络的网络编码技术研究

传统的网络编解码算法需要进行线性运算,只适合在电域中实现。而当前全光器件的发展已经能够实现逻辑运算和移位操作。为了将网络编码引入到全光组播网络当中,文章研究了生成网络编码组播树的算法,以及适合于光网络编码的编码向量选取方法,并对所提出的算法进行了仿真分析。结果表明,将网络编码应用于全光组播中能够显著提高组播性能。

现代俄语标准语和方言的关系

现代俄语标准语作为俄语民族语言的一个分系，在当今社会交际方面具有重大意义。不论是在科学、文化和教育领域，还是在人们社会生活的交往中，能否正确使用标准语，都显得尤为重要。本文在强调掌握标准语的同时，介绍了作为俄罗斯语言的另一个分系———地域方言，阐述了标准语和方言的形成、各自的特点以及它们的发展趋向，并且从标准语和方言社会基础的变化、标准语和方言的交际范围、标准语和方言中的规范特点、标准语和方言相互作用的方式等多角度、多侧面论述了标准语和方言的相互关系，彼此之间的相互渗入、相互作用，这无疑会给学习和掌握现代俄语标准语带来很大的益处。

基于自适应机制的多宇宙并行量子衍生进化算法

进化参量的选取对量子衍生进化算法(QEA)的优化性能有极大的影响,传统QEA在选择进化参量时并未考虑种群中个体间的差异,种群中所有个体采用相同的进化参量完成更新,导致算法在解决组合优化问题中存在收敛速度慢、容易陷入局部最优解等问题。针对这一问题,采用自适应机制调整QEA的旋转角步长和量子变异概率,算法中任意一代的任一个体的进化参量均由该个体自身适应度确定,从而保证尽可能多的进化个体能够朝着最优解方向不断靠近。此外,由于自适应量子进化算法需要评估个体的适应度,导致运算时间较长,针对这一问题则采用多宇宙机制将算法分布于多个宇宙中并行实现,从而提高算法的执行效率。通过搜索多峰函数最优解和求解背包问题测试算法性能,结果表明,与传统QEA相比,所提出算法在收敛速度、搜索全局最优解及执行速度方面具有较好的表现。

程序设计能力培养体系建设与实践

分析地方应用型高校以提高程序设计能力和培养计算思维为目标的课程体系,提出一种以竞赛促进教学、以教学带动竞赛的竞教相长为特色的程序设计能力培养模式,阐述通过自主开发的程序在线测评系统支撑多门专业基础课的实践教学和考试改革,说明培养效果.

俄罗斯中等职业教育的现状及发展趋势

俄罗斯中等职业教育是国家教育体系中一个重要的组成部分。中等专业学校是国家经济发展中普通技术人才的主要培养基地,20世纪90年代,中等职业教育经历了重大变革,近些年来有了稳步的发展。分析、研究俄罗斯中等职业教育的现状,并在此基础上预测俄罗斯中等职业教育的发展趋势,对我国中等职业教育的发展将有一定的启示和借鉴。

建立现代化的教育体系——谈现阶段俄罗斯的教育改革

为适应当今世界政治经济、科学技术的飞速发展和国家政治体制及经济体制的改革,俄罗斯开始全面实施教育改革。实行12年制普通教育,统一全国大学入学考试,增加教育拨款,提高教师的工资等首先被提到议事日程。

高等师范院校俄语专业课程结构改革的基本设想

本文依据现代课程理论和素质教育的课程理念,借鉴国外高等师范院校的课程设 置,提出现阶段我国高等师范院校俄语专业课程结构改革的基本设想:遵循发展原则,扩充通 识课程;从整体性、功能性出发,精选、优化俄语专业课;突出师范性,丰富教育专业课。

基于Radon变换的三维模型检索算法

三维模型特征提取过程中如何减少三维模型信息丢失及提高检索效率是基于函数变换三维模型检索技术中有待解决的关键问题。利用球面上经纬线的交点对三维模型表面采样,在采样点处定义含有模型表面法向量和面积信息的三维模型表示函数,将模型函数进行Radon变换,使用Radon变换后的函数值进行特征匹配,提高了检索性能。

知识结构与综合能力形成的理性思考

本文依据知识系统性特征,根据大纲提出的人才培养目标,对如何培养符合社会要求的高素质、复合型俄语人才、怎样加快学生综合能力的形成?以及俄语专业学生应有的知识结构及知识与能力的形成关系做出阐述。