基于机器学习的数据库系统参数优化方法综述

参数优化是影响数据库性能和适应性的关键技术,合理的参数配置对于保障数据库系统的高效运行至关重要,但由于参数较多且参数间具有强关联性,传统参数优化方法难以在高维连续的参数空间中寻找最优配置,机器学习的发展为解决这一难题带来新的机遇。通过总结和分析相关工作,将已有工作按照发展时间和特性分为专家决策、静态规则、启发式算法、传统机器学习方法和深度强化学习方法。对数据库参数优化问题进行定义,并说明启发式算法在参数优化问题上的局限性。介绍基于传统机器学习的参数优化方法,包括随机森林、支持向量机、决策树等,描述机器学习方法解决参数优化问题的一般流程并给出一般实现。由于需要大量带标注的数据,传统机器学习模型在适应性和调优能力等方面存在不足。侧重介绍深度强化学习模型的工作原理,定义参数优化问题与深度强化学习模型的映射关系,比较基于深度强化学习的相关工作对数据库性能提升、模型训练时间和涉及的技术,描述基于深度神经网络构建和训练智能体的具体流程。最后,总结已有工作的特点,对当前机器学习在数据库参数优化方面的研究热点和发展方向进行展望,指出多粒度调优、自适应算法和自运维是未来的研究趋势。

基于组合模型的复杂系统超多目标优化算法

代理模型辅助进化算法广泛用于昂贵的复杂工程系统优化设计,能够加速找到问题的最优解集。然而,单个模型预测性能依赖于具体问题,并且随着目标个数的增加,预测性能的不确定性将随之增加。因此,提出一种基于组合模型的复杂系统超多目标优化算法。首先,建立组合代理模型并结合随机参考向量替代机制,以更好地搜索超多目标问题的非支配解集。其次,基于改进的统计下限最小值(LCB)准则及自适应个体选择策略选择优秀个体进行真实评估,以更新组合代理模型,使其能更好地辅助算法找到最优解集。最后,通过所提算法与已有代理模型进化算法在一系列测试函数和工程优化实例上的对比结果表明,所提算法具有良好的性能和潜力。

机载PLC非充分循环前缀加窗OFDM容量优化

机载电源线通信(PLC)技术可以减少机载设备间布线的数量和复杂度,但电源线中多径分量衰减小,信道持续时间长,采用常规循环前缀(CP)设计方法,使用长度不小于信道最大多径时延扩展的CP,会导致容量非最优,可通过选择非充分CP,并结合加窗技术进行优化。基于此,采用对内外侧的子载波施加不同长度CP的边窗技术,以提高通信容量为优化目标,提出一种综合分析通信窗函数和内外侧子载波CP长度的参数设计方法。根据分段机载PLC通信的互连拓扑和频变阻抗,利用传输线理论,建立PLC信道衰落模型;分三阶段调整CP和窗函数参数,进行设计优化,第1阶段得到满足邻道干扰(ACI)约束下的最小加窗扩展长度,第2阶段在该窗函数条件下,调整CP长度增大系统容量,第3阶段通过边窗技术分别优化内外侧子载波,得到最终的优选参数。仿真实验分析表明:所提方法能够在减小ACI的同时避免正交频分复用(OFDM)符号的过度时域扩展,使保守的CP和窗函数选择导致的波特率损失得到改善,最终提高OFDM系统容量;同时,所提方法可以接近或达到全空间枚举的优化效果,且使计算量可接受。

超边内部结构对无标度超网络鲁棒性的影响

鉴于现有超网络鲁棒性的研究中并未考虑超边内部结构对超网络鲁棒性的影响,提出一种能描述超边内部结构与超网络鲁棒性关系的容量-负载模型,并通过仿真实验获得了超边内节点在优先连接、随机连接、全连接3种方式下,k均匀无标度超网络的鲁棒性。通过对比分析发现,无标度超网络的鲁棒性与其超边内节点的连接方式密切相关,同时也与超边内节点的规模k以及超边内部普通边的数量mk有关。研究结果表明,超边内部结构对无标度超网络整体的鲁棒性有较大的影响。

一种基于联邦学习的供应链需求预测方法

供应链需求预测是供应链管理的核心环节,直接影响着供应链的运作效率和成本控制。然而,在不确定的市场环境下,如何提高需求预测准确性一直是供应链管理的难题。尤其是在供应链中,各个企业出于保护自身利益和隐私的考虑,不愿意与其他企业共享自己的需求数据,导致了传统的基于单一数据源的预测方法存在较大的误差和局限性。针对这一问题,本文提出了一种基于联邦学习的供应链需求预测方法。该方法通过构建一个分布式的预测模型,使得供应链中同一层级的企业可以在不泄露自己数据的情况下,利用其他企业的数据来优化自身的预测模型,从而提高预测的准确性和效率。本文通过数值实验与传统方法对比分析,验证了基于联邦学习的供应链需求预测方法在提高预测准确性和缓解牛鞭效应方面的有效性,为供应链管理提供了新的思路和方法。

图腾柱功率因数校正器GWO-PID设计

灰狼优化(Greywolf optimization,GWO)属于种群智能优化算法,具有简单高效的优点,成功应用于许多领域。本文在阐述GWO搜索机制和设计过程后,将其应用到图腾柱功率因数校正器(TPFC)的电压外环PID参数选择,采用一种改进ITAE指标和能量变化约束进行PID参数寻优,得到电压外环优化的KP、KI和KD。分析结果表明,在启动过程中输出电压响应速度快且无超调,输入电流不超调,在变载过程中输出电压抗负载波动能力强。TPFCGWO-PID参数设置方法不依赖系统特征参数和传递函数的精确性。

考虑风光气电协同供能的冷热电联供系统多目标优化

建立以光伏发电、风电、燃气、网电多能源协同供能的冷热电联供系统。以独立供能冷热电联供系统为度量基准,构建由系统投资运行成本、一次能源利用、二氧化碳排放组成的多目标优化函数。针对全年冬季、夏季与过渡季的3种典型日的电热冷负荷需求,分析系统的容量配置以及“以电定热”“以热定电”的运行策略的协同优化。考虑优化问题的连续和组合优化的混合特性,模型求解采用多目标粒子群双层优化算法。采用正交试验分析关键因素对决策结果的影响作用。仿真结果表明,风光气电协同供能的冷热电联供系统相比独立供能系统,具有明显的经济、节能与环保的综合优势。

考虑任务分配的无人机信息交互拓扑生成

无人机(UAV)持久编队信息交互拓扑的优化是保证UAV编队结构稳定性和任务执行时效性的重要基础。现有的编队生成算法针对距离因素进行权重赋值和拓扑生成,由于未考虑任务分配因素,可能会引起整体任务执行时间过长甚至任务失败的问题,对UAV的能量也造成了不必要的损耗。以任务消息传输时间和能量损耗为关键优化目标,在保证UAV编队结构稳定的前提下,提出考虑任务分配因素的信息交互拓扑生成算法,优先连接承载实时性要求较高通信任务的关键汇聚链路,对剩余链路通过引入惩罚项,在权重上进一步将任务消息传输量因素考虑在内,生成最终的信息交互拓扑。使用OMNet++进行仿真验证,相比于只考虑距离因素的信息交互拓扑生成算法,所提算法在20架UAVs编队场景下,消息传输时间方面最高降低57.3%,最低降低28.1%,关键任务消息的到达时延降低了45.2%~51.6%,而任务执行过程单UAV的能量损耗总体减少了17.5%,平均每个节点减少损耗16.1%。

偏最小二乘Kriging模型辅助的高效全局优化方法

针对昂贵约束优化问题中因超参数过多引发的维数灾难及优化效率不高问题,提出一种新的偏最小二乘Kriging模型辅助的高效全局优化方法。该方法通过偏最小二乘核函数提升Kriging模型建模效率,构建两种偏最小二乘权期望填充准则实现模型的自适应调整及高效全局优化。测试函数及工程实例结果表明,所提方法可有效减少超参数计算量,提升昂贵约束优化问题求解效率。尤其在高维问题中,所提方法在解的收敛速度,稳健性及精度方面均具有优势。

基于模糊Kano-QFD的农产品团购服务设计优化研究

近些年,由于疫情的常态化以及反复性,社区团购模式逐渐成为居民消费农产品生鲜的重要途径。为了能够给消费者提供更优质的服务,首先使用Kano-QFD模型中Kano模型识别用户需求并进行分类,利用用户反馈数据计算修正后的最终用户需求重要度,然后借助模糊QFD中二元语义与三角模糊数运算,将需求重要度作为权重与社区团购服务设计要素进行整合得到设计要素的优先级排序。排序后得到平台研发设计、前置仓管理体系与自提点管理体系的优先级最高,是服务设计优化的关键性改进项。根据服务设计要素排序与对应的需求项相对重要度提出改进方案,为农产品团购平台优化方向选择提供思路。

基于Spring的MVC框架设计与实现

为构建高效、灵活且易于使用的模型-视图-控制器(MVC)模式实现机制,提出一种基于Spring框架的MVC框架。该框架使用JSP技术构建视图层,采用总体控制与局部控制相结合的方法增强控制层的功能,采用O/RMapping类完成数据访问操作。基于IOC/AOP技术实现事务管理,并应用该框架开发网络收藏夹。

改进萤火虫算法及其收敛性分析

萤火虫算法因具有结构简单、控制参数少、易于实现的特点而得到广泛的关注和应用,但其易陷入局部最优导致过早收敛,从而影响寻优精度。针对这一问题,本文在位置更新规则中加入随机扰动因子,并剔除了冗余的随机项,以提高算法搜索能力;引入位置置换变异和差分进化算法中的最优变异策略,在保持种群多样性的同时,增强算法跳出局部最优的能力。采用马尔可夫过程证明了算法以概率1收敛到全局最优。利用基准函数和装箱问题对算法进行仿真测试,结果表明,改进后的算法能够有效跳出局部最优,对给出的所有问题均能找到理论最优解,寻优精度和成功率有明显提升。

基于仿真试验和Kriging模型的多目标优化问题全局优化算法

针对复杂工程系统的多目标仿真优化问题,基于Kriging模型,提出一种将优化过程与试验过程相结合的全局多目标优化算法。该算法利用构造的加点准则序贯选取能应对约束和逼近真实Pareto解集的试验点,只需少量仿真试验就能得到优化问题的高精度Pareto解集。考虑试验点的可行性概率、间隔距离和Kriging模型的不确定性,设计亦能有效辨识非连通可行域的加点准则;提出以最大化试验点的期望超体积改进和可行性概率为目标的近似Pareto解集改进准则,使新试验点兼顾改进近似Pareto解集的质量和精确刻画可行域边界。通过三个数值算例将所提算法与已有算法进行比较,计算结果验证了所提算法的有效性和高效性。

自适应随机共振微弱信号检测

针对传统随机共振方法检测微弱信号精度低的问题,把全局版人工鱼群算法与随机共振算法相结合,提出了一种基于全局人工鱼群算法的自适应随机共振微弱信号检测方法。该方法把随机共振输出信噪比增益作为全局人工鱼群算法的适应度函数,将微弱信号检测问题转化为多参数并行寻优问题。分别在Langevin和Duffing系统中进行仿真实验及其寻优结果对比研究,仿真结果表明本文所提方法高效可行,相比较Langevin系统,Duffing自适应随机共振系统体现更高的微弱信号检测精度和检测性能。引入控制频率,将Duffing自适应随机共振应用于多频大信号的检测,拓宽了随机共振的应用范围。

物流配送网络优化模型及其求解算法

针对现代物流中比较典型的3级配送网络结构,结合企业生产和用户需求的不确定性的特点,提出了带模糊约束的模糊规划优化模型.根据该优化模型的特点,提出基于扩展运输问题的混合遗传算法,并对该算法在V isua l C++6.0环境下进行数值仿真,仿真结果令人满意.

基于生产线平衡的导弹技术准备流程优化

基于工业工程的生产线平衡理论与方法,用平衡率和平滑性指数定量描述了导弹技术准备流程的线平衡效果,建立了线平衡的效费比模型,确定了瓶颈工作站作业时间的平衡区间,再结合技术准备工艺要求,应用消除、组合、重组、简化(eliminate combination rearrange simplify,ECRS)原则重组了工艺路线,然后引入了网络计划图,找到了瓶颈工作站的关键路径和工序,参照ECRS原则对该工序进一步重组,以此最终优化技术准备工作流程。

水资源可再生能力评价的集对分析方法

针对传统水资源可再生能力评价方法所得评价结果多为离散等级、不能精确反映实际水资源可再生能力等级,分析了集对的同异反层次结构,提出了确定联系数的同异反层次法,据此建立了水资源可再生能力评价的集对分析模型并应用于黄河流域。结果表明,该方法原理简单、计算简便、评价结果精确,具有推广应用价值。

一种求解多车型CARP问题的高效进化算法

对传统遗传算法的染色体编码机制和种群结构进行了改进,并借鉴单亲遗传算法和Memetic Algorithm(MA)算法的优秀思想,设计了一种解决CARP(Capacitated ArcRouting Problem)问题的高效算法HEGA。新算法不但有效解决了使用现有算法无力解决的多车型CARP问题,并且应用于一般的单车型CARP问题在求解效率和求解精度上也比现有MA算法效果更好。结合洒水车路径优化问题,通过一组真实的数据集合对文中算法在该问题上的求解能力做出评测。

SAN存储系统的性能分析模型

存储区域网(SAN)作为一种新的网络存储体系结构,已成为存储领域重要的研究方向。性能研究是网络存储研究中的一个重点内容。该文通过对SAN数据传输流程的分析,建立了存储区域网系统的排队网络模型,并求得了基于光纤通道的模型性能参数的定量结果。通过仿真实验发现,模型的理论结果和仿真实验性能测试结果十分接近。

基于Linux的网络爬虫系统

针对目前影响爬虫程序效率的诸多关键因素,在研究爬虫程序内部运行机理的基础上,进行架构优化,改进爬虫程序中的相关算法。在Linux网络环境下,通过对实现的爬虫程序运行进行检测,反馈出该解决方案和改进之处具有可行性,提高了页面抓取的效率和爬虫程序的整体性能。