项目驱动教学在C#程序设计中的应用与实践

项目驱动教学是一种新型教学方法。该文从项目设计、项目实施和效果评价等方面介绍项目驱动教学在C#程序设计课程的应用。通过实践表明,在C#课程中实施项目驱动教学能够有效地提高学生的动手能力。

基于Web服务的高校学报交换模式

目前的高校学报交换都是通过邮寄的方式来实现,交换过程中的收发以及交换后的管理都需要投入大量的人工劳动和高昂的财务成本。针对传统模式中存在的问题,提出基于Web服务的学报交换模式,不仅能摆脱繁琐的人工劳动,降低成本,同时可以更好地利用交换得到的学报。

C#程序设计课程一体化教学模式实践研究

针对C#程序设计课程传统教学过程中存在的问题,探讨课程理论和实践教学的一体化教学模式.从教学内容、教学环境、教学方法及考核方式等方面进行改革实践,并在实施过程中搭建基于Blackboard的辅助教学平台、开展竞赛活动来提高教学质量.通过实践发现,采用一体化教学模式能够提高C#课程教学的质量和效果.

高并发系统性能优化及其在电子资料平台中的应用

高并发性能成为各种在线应用生存和竞争的关键因素。每个访问都需要涉及数据库高并发读取与写入,这会导致数据库性能下降,响应时间延长。为解决该问题,提出了一种高性能系统架构的设计方案。该架构采用多级缓存、热点探测、分布式锁、分布式事务等技术设计,能够有效地处理流量峰值。将该系统架构应用于电子资料平台中,通过系统性能测试发现,在不同请求数量的并发负载下,系统始终具有良好的稳定性和准确性,进而验证了该高性能系统架构方案的有效性。

一种求解混载校车路径的启发式算法

对一个区域内多所学校进行校车路径规划时,允许校车混载不同学校的学生能显著地减少校车数量,从而降低运营成本。已有学者针对允许混载的校车路径问题(SBRP)提出了启发式算法,但这些算法对邻域解的搜索不够全面,在缩减路径方面仍有较大的提升空间。提出了一种以记录更新法(record-to-record travel,RRT)为基础的启发式算法。该算法从初始解出发,利用求解有时间窗装卸问题(PDPTW)时使用的算子搜索邻域解,逐步优化校车路径数目。与现有算法相比,该算法扩展了求解混载SBRP的启发策略,能够在全局范围内对校车路径进行优化,从而获得所需校车较少的路径规划方案。实验结果验证了该算法的有效性。

校车路径问题模型及算法研究进展

校车路径问题(SBRP)自1969年提出以来,学者们一直在探索其模型及求解算法.文章分析了SBRP涉及的因素及其分类方法,讨论了SBRP模型中目标和约束的特征,按照精确算法、启发算法和元启发算法对求解方法进行分类回顾总结,并对SBRP算法未来的研究方向作以展望.

时空相关的混载校车路径问题邻域搜索

为节约混载校车路径问题求解过程中邻域解搜索的时间,引入时空距离和时空相关度概念,将邻域搜索空间限定在合理的范围内。该算法首先计算站点间的时空距离,再附加上简单约束的预判断,从而得到时空相关度矩阵。然后对于任意学生乘车站点,将其他可能与之直接相连的站点按照时空相关度排序,形成一个邻接列表。在邻域搜索过程中,通过限定邻接列表长度,仅尝试最终接受概率较大的一部分移动操作,以此缩小邻域搜索空间,从而提高算法效率。在国际标准案例上的测试结果表明,基于时空相关度的搜索策略能在基本不降低求解质量的情况下,平均节省50%以上的求解时间。

GRIB数据中气象要素等值线的绘制

民航使用的世界区域预报系统中的风温资料都是以GRIB码形式提供,为了将GRIB资料可视化显示,分析了GRIB数据压缩原理和解码方法,并给出GRIB资料中气象要素等值线的绘制方法.

基于规则的网上审批系统的设计与实现

现有的审批系统在流转过程中,每步都需要人工参与,会导致因某个部门处理不及时而延误了项目的审批。在分析审批项目模版结构和目前审批系统的基础上,给出一种基于规则的网上审批系统的设计方案以及系统的实现策略。这种方案使得项目的审批工作可以根据用户的设置自动完成或者手工处理,从而提高工作效率。

校车路径问题的约束检测算法

依据校车服务学校的数量和顺序可将校车路径问题(SBRP)分为单校、多校不混载和多校混载三类。现有算法对不同类型的SBRP进行容量、时间窗等约束检测时采用不同的方法,对待复杂应用需要通过遍历进行检测。为此设计一种适用于不同类型SBRP的分段检测算法,将路径上的学校站点视为检测点,按检测点对路径分段,基于各个检测路段上的剩余容量和剩余时间检测整条路径是否违反约束。最后在大规模混载校车路径问题上的实验表明分段检测算法是有效的。

Web用户界面动态生成工具的设计与实现

传统软件开发过程中,用户界面的实现存在耦合度高和可维护性差等缺点,为此分析了可定制的Web开发平台中用户界面工具的基本构成,并给出了工具的实现过程.

校车路径问题元启发算法框架设计及应用

校车服务有单校、多校不混载和多校混载等多种运营模式,规划路径时考虑的约束条件和目标不同衍生出多种校车路径问题(SBRP)的应用场景.SBRP属于NP问题,中大规模的应用基本都是采用启发式算法求解.在分析SBRP问题模型的基础上,总结元启发算法的特征,设计一个针对SBRP的元启发算法框架.该框架能够支持三种运营模式、不同的约束条件、单目标或多目标问题求解.最后利用框架直接构建具体应用的元启发求解算法,采用国际标准案例库对算法进行验证.结果表明基于框架可以快速地实现不同应用场景下SBRP的元启发算法.

线性判别分析特征提取稀疏表示人脸识别方法

针对稀疏表示分类(SRC)算法采取随机脸法提取的数据特征判别力较弱问题,提出一种线性判别分析特征提取稀疏表示人脸识别方法.该方法首先采用线性判别分析算法求解最优判别投影子空间,然后把训练样本投影到该子空间以提取相应的数据特征,并用训练样本的数据特征做字典来表示测试样本数据特征.更进一步来说就是,通过提取出测试样本稀疏特征的向量,和测试样本的数据特征进行比对找出其联系和差别并表示出比对后的残差.最后根据构造的残差找出样本的类别来实现其识别目的.通过在Extend Yale B和CMU PIE人脸数据库上一系列的测试,证明该方法具有很好的识别效果.

车辆数限制的多车型校车路径问题模型及算法研究

为适应校车路径规划中校车有多种车型且每种车型数量受限的需求,建立车辆数限制的多车型校车路径问题(HFSBRP)的数学模型,并提出一种迭代局部搜索算法进行求解。该算法借助邻域随机选择的变邻域下降搜索(VND)算法完成局部提升。局部提升过程中,首先调整车型,然后再混合使用缩减路径数和提高车辆利用率的邻域解接受策略以提高算法的寻优能力,为保证解的多样性,允许接受一定偏差范围内的邻域解。此外,为避免算法过早陷入局部最优,设计了多点交换和移动的扰动规则。基于国际基准测试案例进行模型验证和算法测试,实验结果表明了模型的正确性和算法的有效性。

元启发式算法在校车路径规划中的应用

将单个学校校车路径问题抽象为开放式车辆路径问题,基于元启发式算法框架求解校车最优路径。假设所有校车从同一停车场出发,最终到达学校,首先利用改进的节约算法在全局范围内产生初始解,再用模拟退火算法通过4种局部交换策略获得最优解。100次模拟实验结果表明,在93%的情况下,改进后的元启发式算法框架比ArcGIS 10的VRP求解的最优路径总距离短,且计算效率明显提高。

求解多车型校车路径问题的带参数选择机制的GRASP算法

考虑到校车路径安排过程中不同车型容量和成本的差异,建立了多车型校车路径问题(SBRP)模型,并提出了一种带参数选择机制的贪婪随机自适应(GRASP)算法进行求解。在初始解构造阶段,设计一组阈值参数控制受限候选列表(RCL)的大小,使用轮盘赌法选择阈值参数。完成初始解构造后,使用可变邻域搜索(VNS)进行邻域解改进,并记录所选择的参数和解的目标值。算法迭代过程中,先设置相同阈值参数的选择概率,每隔若干次迭代后,评估每个阈值参数的性能并修改其选择概率,使得算法能够得到更好的平均解。使用基准测试案例进行了测试,比较了基本GRASP算法与设计的GRASP算法的性能,并与现有求解多车型校车路径问题的算法进行对比,实验结果表明所设计的算法是有效的。

多目标校车路径问题的变邻域搜索算法

针对兼顾车辆数和运营里程的多目标校车路径问题(SBRP),先建立其数学模型,然后提出一种变邻域搜索(VNS)算法分阶段求解.算法从初始解从发,通过抖动过程对当前解进行扰动,然后借助多个邻域算子对新解进行局部搜索.搜索过程中根据当前优化目标对邻域解进行评价,并采用一种基于偏差系数的解接受规则接受新的邻域解,保证了解的多样性.使用VNS算法求解36个测试案例,并分别与CPLEX精确求解和蚁群算法进行了比较.实验结果表明:本文设计的VNS算法能够有效地求解兼顾车辆数和运营里程的多目标校车路径问题.

可定制Web开发平台中业务配置工具的设计与实现

针对目前软件开发过程中存在大量重复劳动的问题,提出了基于.NET的可定制Web开发平台,并给出业务配置工具的设计与实现.利用这些配置工具,可以减少软件开发中的重复工作,降低软件维护的难度.

数据库汉语查询句中查询目标信息的研究

在自然语言处理的研究中,最有希望的应用领域之一是自然语言接口。计算机对自然语言中的查询语言理解的正确程度是自然语言接口质量好坏的关键。通过对汉语查询句———即用于数据库自然语言查询的祈使句和特指问句、是非问句、正反问句、选择问句等共五类句型的研究,建立并研究了复合概念、逻辑概念与标准概念的内在联系,将查询目标概念分解为直接查询目标、逻辑推理目标和比较判断目标三个阶段,研究了这三个阶段的关系。

求解车辆路径问题的改进扰动机制的ILS算法

针对车辆路径问题,提出一种改进的迭代局部搜索(ILS)算法。该算法基于破坏再重建(Ruin and Recreate)的思想,设计了一种新的扰动机制。扰动过程包含破坏和重建两个阶段,即先使用一种兼顾随机性和相关性的破坏方法对解进行破坏,并引入扰动因子控制解的破坏强度,然后再随机选择基本贪婪插入和改进贪婪插入算法完成解的修复。利用国际标准测试案例对常规扰动机制和改进后的扰动机制进行了测试,并与量子进化算法、蜂群算法进行了比较,实验结果表明改进后的ILS算法更加有效。