面向OBE理念的编译原理教学改革研究

该文剖释计算机专业编译原理教学中存在的问题。为适应人才培养和就业需求,面向OBE理念,设计编译原理教学大纲,构建编译原理课程体系,创建线上线下融会贯通的一体化教学模式,实施项目驱动的实践教学,制定编译原理课程考核评价体系。将学生从知识的被动接受者转为主动获取者,提高编译原理课程的教学质量和学生的动手能力。

独立概率完全加权关联规则的并行挖掘算法

关联规则挖掘主要用于发现隐藏在数据中的知识。加权关联规则挖掘能更有效地挖掘出项目重要性不同的规则。针对人工赋权的方法存在一定的主观随意性,没有充分利用数据本身特征且串行算法无法处理大数据集的问题。提出了独立概率完全加权关联规则的并行挖掘算法,该算法以项在当前数据集中出现概率为依据进行完全加权模型构建,以挖掘出更多用户所期待的关联规则。采用前缀划分、位图存储等技术分别解决加权频繁项集筛选、候选加权频繁项集生成所造成时间代价高的问题。引入分布式并行计算思想,并在Spark框架下编程实现,使算法可以在大数据环境下对加权关联规则进行高效挖掘。利用数值实例对该模型和算法进行了验证,结果表明此算法可在保证算法时间效率优越的同时获得更多隐藏信息。

模糊资源约束的联合补充问题

针对不确定环境下的多产品联合补充问题,用三角模糊数表示不确定的资源约束,建立了模糊规划模型,目标函数为最小化订货成本和库存持有成本,决策变量为基本补充周期和每种产品的补充周期。用遗传算法对模型进行求解,以模糊规划模型的目标函数值作为染色体的适应度,阐述了染色体编码、选择、交叉、变异等遗传操作。最后,给出了仿真数值实例,比较了模糊资源约束模型和确定资源约束模型对1600个随机生成问题的计算结果。

翻转课堂教学评价体系研究

针对当前翻转课堂教学评价方法中重期末、轻平时,重理论、轻实践的问题,提出基于全过程考核的评价体系。针对翻转课堂课前、课中和课后3个教学阶段的任务和目标,提出整合课前评价、课中评价和课后评价的指标体系,同时用模糊层次分析对评价结果进行综合测算,给出指标计算方法和一致性检验方法。

基于开源技术的Web应用架构研究

AJAX技术极大提升了Web应用质量,但同时增加了Web应用开发的复杂性和难度。文中在深入分析传统的Struts+Spring+Hibernate Web应用架构的基础上,广泛研究当前流行的开源技术,提出基于ExtJS+DWR+Spring+Hi-bernate的Web应用架构,继承了传统框架的分层思想,利用不同开源技术的特性实现高效分层,全面引入了AJAX模式。论述了该架构的工作机制,与传统架构进行对比,体现了其在异步交互Web环境中的框架结构、层次解耦、优化用户体验等方面相比于传统架构的诸多优越性。

易变质性物料的联合补充问题研究

通过分析实际生产/库存系统中普遍存在的物料腐烂、挥发、蒸发等变质问题,建立了变质率服从指数分布联合补充问题数学模型,目标函数是最小化准备成本、库存持有成本和变质损耗成本。提出了求解该模型的遗传算法,对染色体编码、适应度函数,以及选择、交叉、变异等遗传算子进行了研究。数值实例证明本文模型和算法是有效的,表明总成本受变质率变化的影响较大。与忽略变质因素的决策模型相比,本模型的解更优。

有库存约束的有保质期产品经济批量模型

研究了库存容量有限、需求动态变化且确定的有保质期产品的经济批量问题。在准备成本、单位成本、库存持有成本和损耗成本均为线性的情况下,建立了问题的数学模型,目标是最小化总成本。提出了求解该问题的启发式算法,在无库存约束下用Wagner-Whitin算法求出解的下界,通过对各周期的数量移动消除不可行周期以满足库存约束。给出了数值计算实例。

Sp-IEclat:一种大数据并行关联规则挖掘算法

针对大数据环境下关联规则数据挖掘效率不高的问题,采用Eclat算法使用垂直数据库将事务的合并转换成集合操作的方法。研究了一种大数据并行关联规则挖掘算法-Sp-IEclat(Improved Eclat algorithm on Spark Framework),该算法基于内存计算的Spark框架,减少磁盘输入输出降低I/O负载,使用位图运算降低交集的时间代价并减少CPU占用,采用前缀划分的剪枝技术减少求交集运算的数据量,降低运算时间。使用mushroom数据集和webdocs数据集在两种大数据平台下实验,结果表明,Sp-IEclat算法的时间效率优于MapReduce框架下的Eclat算法及Spark框架下的FP-Growth算法和Eclat算法。从对集群的性能监控得到的数值表明,同Spark框架下的FP-Growth算法和Eclat算法相比,Sp-IEclat算法的CPU占用和I/O集群负载都较小。

供应链库存的模糊机会约束规划模型

研究了不确定环境下的供应链库存优化问题。考虑需求为模糊量,且可能在一定条件下不满足约束条件的决策前提,用三角模糊数表示需求,结合可能性理论中的可信性测度,建立了多品种联合补充的模糊机会约束规划模型,目标函数为最小化供应链订货成本和库存成本的期望值。用遗传算法对优化模型求解,以目标函数值作为染色体适应度,给出了编码方案及选择、交叉、变异算子。用数值实例进行了仿真计算,证明了模型和算法的有效性和性能,并给出了不同置信水平下的计算结果。

需求随机的变质性产品生产计划模型

研究了能力约束的有限计划展望期生产计划问题,各周期的需求随机,库存产品存在变质且变质率为常数。建立了问题的期望值模型,目标函数为极小化生产准备成本、生产成本、库存成本的期望值。提出了随机模拟、遗传算法和启发式算法相结合的求解算法。用数值实例对模型和算法进行了验证,优化结果表明模型和算法是有效的。

无线网络中信息安全加密技术的研究

首先分析了静态WEP加密机制的工作原理以及这种加密方式所存在的缺陷。在提出这些缺陷的基础上引出了当前的WPA加密方式,并对该加密方式进行了分析。然后,分别从认证和数据加密的角度对无线网络中的安全保护措施进行了一定的改进。

基于动态链接库技术的软件动态演化方法

针对传统的动态绩化技术存在需要硬件支持、系统冗余、不易实现等问题，提出了一种基于面向对象的DLL方法，该方法在DLL导入／导出类之间建立一个接口类，应用程序直接与该接口类交互．即使导出类发生变化，也不需要重新编译客户程序，从而达到动态演化的目的．并给出了该方法的实现过程．

不确定执行时间的云计算资源调度

针对执行时间不确定情况下的云计算资源调度问题,基于模糊规划理论建立了时间-成本约束条件下的模糊云资源调度模型,使用三角模糊数表示不确定的任务执行时间,以最小化评价函数的平均值和不确定度作为调度目标。提出一种改进的混沌蚁群算法对模型进行求解,算法引入精英策略优化了信息素的更新,采用折叠次数无穷大的混沌映射进行混沌搜索,并设计了自适应混沌扰动机制以增强算法的全局搜索能力。在Cloudsim平台上用仿真数值实例对模型和算法进行验证,证明了模型的可靠性,实验结果表明改进算法在收敛速度、求解能力和负载均衡上均有较好的性能。

一种权重自适应的强化学习云资源调度算法

针对云资源调度问题,依据强化学习算法和云资源调度模型,建立了一种同时优化任务完成时间和运行成本的多目标云资源调度模型,并提出了一种权重自适应的强化学习算法对其进行求解。设计基于一维数组的状态空间和动作表示方法,压缩算法的存储开销,以提高算法效率。引入一种权重自适应的动作选择策略,首先根据执行动作所得到的回报值权重自适应,再通过启发式函数选择动作,以提高算法的收敛速度。使用Cloudsim仿真平台求解随机生成的数据,对使用权重自适应的Q学习算法进行测试。实验结果表明,权重自适应的启发式Q学习算法在寻优能力和负载均衡方面比遗传算法和Q学习算法好,在收敛速度方面比Q学习算法和启发式Q学习算法快。

构件化MIS系统通用开发框架研究

传统开发框架存在维护性差、重用度低等问题。本文在分析信息系统开发中存在的共通业务后,提出了基于软构件技术的MIS系统通用开发框架。应用聚类分析方法对构件进行了识别,并对构件按通用性进行了层次划分。通过软总线将各构件接口连接组成开发框架。利用所提出的通用开发框架构建了一个简单的系统,证明了该框架具有耦合度低、可扩展性强等特点。

基于空间域注意力机制的车间人员检测方法

车间人员检测是指使用目标检测技术对工厂生产车间内相应区域进行人员检测,保障生产车间内人员生命健康安全。车间内人员检测存在图像模糊、检测效率低、实时性要求高等问题,将改进的暗通道优先处理策略用于图像增强、用空间域注意力机制相结合的SSD(Single Shot MultiBox Detector)网络提高检测效率,同时保障实时性要求,并在本文测试集及VOC2012数据集上进行验证,结果显示出较好的定位效果及检测率。

模糊云资源调度问题的RIOPSO算法

针对时间-成本约束下的云资源调度问题,使用三角模糊数表示不确定的任务执行时间,建立了模糊云资源调度模型,调度的目标是降低任务总的执行时间和总的成本消耗,决策变量是任务和虚拟机的映射关系。使用混合粒子群优化算法(RIOPSO)对模糊云资源调度进行求解。该算法使用了正交初始化粒子群的方法,提升粒子初始探索最优调度方案的质量,在粒子搜索过程中使用重新随机化控制粒子的搜索范围,使用实时更新惯性权重的方式控制粒子在搜索中的速度,从而得到最优的调度方案。在Cloudsim仿真平台上使用随机生成的仿真数据,对提出的问题模型和优化算法进行验证,证明了模型的可靠性,实验结果表明使用提出的优化算法,可以达到使云资源调度中总执行时间和总执行成本降低的目的,并且在收敛速度、求解能力方面具有良好的性能。

连续流程型企业供应链管理

连续型流程企业是一类重要的制造业企业。为了实现生产和服务的均衡稳定,需要构建以连续流程型企业为核心的供应链。提出了一种基于产品的供应链构建方法。对于供应链中的供应商管理、销售商管理进行了研究。提出了供应链的评价体系,包含对整个供应链的评价指标和供应链中节点的评价指标。

基于特征增强与Anchor-object匹配的目标检测算法

为了提升SSD(single shot multiBox detector)的检测精度,提出一种基于Anchor-object匹配的A-SSD(anchor-object SSD)目标检测算法。在算法的特征提取部分,使用并行卷积和空洞卷积构成感受野模块,增大特征图的感受野,获得多尺度的特征信息;将含有纹理、边缘等细节信息的浅层特征与含有丰富语义信息的深层特征融合。在算法的检测器部分,采用Anchor-object匹配方法联合SSD多层特征图为每个检测目标构建相应的Anchor包,通过选择-抑制优化策略,选择置信度较高的Anchor去更新模型,为每个Anchor评估得分。通过迭代学习,模型的参数、Anchor的位置坐标与分类置信度不断优化。在PASCAL VOC数据集上A-SSD算法的mAP达到了80.7,在车间行人数据集上A-SSD算法的漏检率为3.5%,准确率为91.5%。

模糊云资源调度的CMA-PSO算法

针对多目标云资源调度问题,以优化任务的总完成时间和总执行成本为目标,采用模糊数学的方法,建立了模糊云资源调度模型。利用协方差矩阵能够解决非凸性问题的优势,采取协方差进化策略对种群进行初始化,并提出了一种混合智能优化算法CMA-PSO算法(covariance matrix adaptation evolution strategy particle swarm optimization,CMA-PSO),并使用该算法对模糊云资源调度模型进行求解。使用Cloudsim仿真平台随机生成云计算资源调度的数据,对CMA-PSO算法进行测试,实验结果证明了CMA-PSO算法对比PSO算法(particle wwarm optimization),在寻优能力方面提升28%,迭代次数相比提升20%,并且具有良好的负载均衡性能。