基于Petri网的交通信号控制系统

用带禁止/容许弧的增广Petri网结合自控网技术构建一类模拟六相位的交通信号控制系统。系统设有专用的行人相位以分离行人与行驶车辆,避免它们之间的冲突。此系统便于实现对区域内多路口的交通信号进行协调控制。考虑到路口意外事件的发生,系统采用中断技术对交通信号进行中断处理。最后对模型进行了正确性的分析。

智能电网中电能存储系统的容量优化

智能电网中的电能存储系统能够在系统故障修复期间持续供电,以避免大面积停电.然而,电能存储系统的成本与其容量成正比.使用有限容量Petri网建立智能电网传输系统的模型.通过对模型性质的分析,文中提出一个计算电能存储系统最小容量的方案.该方案不仅避免了因为系统参数间的不协调所导致的大面积停电;还为故障期间避免大面积停电提供一个必要的约束条件;最后,对方案进行了验证.实验结果表明,该方案能有效避免大面积停电且电能存储系统的容量也得到优化.

基于增广Petri网带封锁机制的数据库并发控制模型

用带禁止/容许弧的增广Petri网构建一类带封锁机制的数据库并发控制模型,此模型适用于描述多个进程并发访问多个共享资源,采用两段锁协议解决了数据库中并发所引起的数据不一致性,并采用先进先出策略以及一次封锁法避免了由于两段锁协议所引起的死锁和活锁问题。最后,利用S-不变给出此模型的验证。

基于Fuel环境的Openstack大数据课程教学平台搭建与部署

大数据与云计算作为信息时代的典型代表,给企业和高校的研究与发展带来了机遇与挑战,其相关课程已被广泛开设于各大高校。本文综合高校实验室硬件配置情况,提出了基于fuel环境的Openstack大数据课程教学平台的搭建与布署方法,以更好地服务于高校大数据类课程的教学及实验平台搭建与部署。

微博信息流行度预测研究综述

微博的出现改变了传统的信息传播方式。文章针对微博流行度预测的一系列问题展开综述。在对微博流行度预测问题进行定义的基础上,从微博内容、用户信息和网络结构3方面对影响微博流行度的主要因素进行介绍,对基于时间序列、基于流行病模型、基于分类模型和基于回归模型的4种微博信息预测主流方法进行比较,指出流行度预测未来的研究方向主要集中在时间粒度的划分、最小观测时间的确定、微博流行度的动态预测等方面。该研究对信息检索、舆情研判、企业营销等具有重要意义。

基于增广自控网的路灯故障检测系统

用带禁止/容许弧的自控网构建一类路灯故障检测系统模型,此系统模型适用于描述对按线性编号的故障路灯设备进行检测的过程,能够准确的检测出多个故障路灯。系统模型采用应答方式的工作原理。最后,用可达标识和关联矩阵对模型进行分析、验证。

工作流网的混或检测和预防策略

独立的冲突和并发在基于Petri网的工作流建模中分别起到进程选择控制和保持系统高效执行的作用.但非独立的冲突和并发会导致不完整和不确定的冲突行为使得系统的冲突行为分析变得困难.这种现象被称为混或并经常出现在工作流网中.首先,将混或形式化为具有冲突和并发限制的一类特殊的标识子网,通过分析子网特征提出混或检测算法.其次,构建了基于广义互斥约束的混或预防监控器设计方案.最后,用一个工作流网实例对提出算法进行仿真,仿真结果表明,提出的方法能够有效地在工作流网中检测和预防混或.

解决高维优化和特征选择问题的多策略改进麻雀搜索算法

为解决基本麻雀搜索算法(sparrow search algorithm,SSA)在求解高维复杂优化问题时存在收敛速度慢、容易陷入局部最优解及后期种群多样性变弱等问题,提出了一种基于海鸥优化算法算子和鲸鱼优化算法算子的改进麻雀搜索算法(improved sparrow search algorithm based on seagull optimization algorithm operator and whale optimization algorithm operator,SWSSA)。首先,该算法设计了自适应种群比例策略以增强种群在迭代过程中的多样性;其次,在局部搜索阶段融入鲸鱼优化算法气泡网捕食策略,增强麻雀搜索算法的局部搜索能力、加快收敛速度;然后,在追随者位置引入改进的海鸥优化算法算子降低算法陷入局部最优的概率。最后,选取了12个高维基准测试函数和16个UCI网站上的高维数据集进行仿真实验,将SWSSA与基本SSA、SSA变体版本、黄金正弦算法(golden sine algorithm,GSA)、蝴蝶算法(butterfly optimization algorithm,BOA)、黏菌算法(slime mold algorithm,SMA)、海鸥算法(seagull optimization algorithm,SOA),以及其他学者改进的算法进行比较。结果表明,本文提出的算法在12个测试函数上的收敛精度取得最优的比例达到了100%,在约95%的测试函数上收敛速度最快,在16个数据集中有9个数据集分类准确率最高和6个最佳特征子集数量最少。可见所提算法在处理高维函数优化和数据集特征选择问题上具有一定的优势。

基于深度强化学习的自适应图像隐写算法

针对自适应图像隐写中如何在轻量化隐写、最佳嵌入定位、高隐匿输出三者之间实现均衡的问题,提出一种基于深度强化学习的自适应图像隐写算法(AISA-DRL)。设计一种轻量化安全隐写网络,在降低模型隐写成本的前提下加强模型对图像隐写特征的提取能力,增强载密图像的安全性和稳定性。首先将具有高效特征融合特性的EPSANet引入EfficientnetV2-s,得到改进的EPSA-EfficientnetV2-s,以提高像素级嵌入过程的表征能力,从而获得最优像素修改位张量。随后将秘密信息与最优像素修改位张量加权求和得到载密图像。最后通过学习隐写分析网络对载密图像进行最优像素级奖励分配,根据设计的最小化失真函数通过梯度回传来更新网络参数,以获得最佳嵌入位置,从而实现秘密信息的最佳化嵌入。实验结果表明,AISA-DRL算法的模型参数量减少了94.22%,FLOPs减少了24.88%,与其他基于强化学习的隐写方案相比,在不同经典隐写分析器下的检错率提高了2.48%~6.55%。此外,在不同载荷下生成的载密图像PSNR值均在30 dB以上,不仅提高了模型对像素修改位的定位准确率,而且使隐写网络具有更强的表征能力。

高峰期电能传输中断的Petri网控制方案

传统的电能传输系统作为智能电网的基础核心主体,其运行的稳定性将直接影响智能电网的整体性能。特别是高峰供电阶段,电能传输系统必须具备较强的故障自愈能力。文章针对传统电能传输系统的基本结构及其监督控制系统,给出其Petri网形式化定义;通过对模型的分析,提出一套故障检测及定位方案;针对高峰用电期,提出一套优化的故障恢复方案,在保证系统具有较强自愈能力的同时,尽可能提高应急线路的利用率和系统故障的可恢复率。最后,通过一个实例对提出的方案进行说明并分析。