开放大学物理实验适应“应用型本科院校”转型发展

以太原工业学院大学物理开放实验为例,详细说明了目前太原工业学院开放实验所采取的开放模式和制度.分析了开放大学物理实验所存在的问题,并提出了大规模开放大学物理实验的有效方法,分别为建立大开间开放实验室,组建开放物理实验团队,完善开放实验制度,组织竞赛、参加大学生创新项目等.最终实现大规模地开放物理实验,与学校应用型本科院校的转型发展相一致.

SDN网络中基于深度强化学习的动态路由算法

对传统网络自身的高分布特性难以实现网络智能化部署以及在传输过程中因网络拥塞带来的高丢包率等问题进行分析,设计一种在软件定义网络(Software Defined Network,SDN)中基于深度强化学习的路由(Deep Reinforcement Learning Routing in Software Defined Network,DRLR-SDN)算法。该算法通过将SDN与深度强化学习算法相结合,实现网络优化与网络资源的智能化管理,用以改善因网络拥塞带来的高丢包率问题。同时,设计了一种可调节的奖励机制实现源交换机和目的交换机之间的上下行调节,通过训练、学习并预测网络的行为,降低网络传输过程中的丢包率。实验结果表明,与非SDN结构相比,DRLR-SDN算法的加入能够降低网络时延、减弱网络抖动、降低网络丢包率,增大网络吞吐量。

一种基于路径层面的遗传算法

针对当前数据中心网络在路径选择过程中出现的资源分配不合理和资源利用率低的问题,提出一种基于路径层面的遗传算法(Path Level-based Genetic Algorithm,PLGA),以提高网络传输性能。利用软件定义网络(Software Define Network,SDN)在产生遗传算法的初始种群时,引用Yen算法产生第一代种群,对初始种群进行初步优化,选择出前K条最短路径。使用路径可用带宽质量、链路均衡度以及路由跳数等3个指标设计新的适应度函数,再对初始种群进行选择、交叉和变异操作,最终寻找最优路径。实验结果表明,PLGA算法在平均带宽利用率、吞吐量和时延抖动方面的性能优于等价多路径(Equal-Cost Multi-Path,ECMP)、基于多路径传输的动态负载均衡路由(Multipath Transmission-based Dynamic Load-balanced Routing,MTDLR)和全局负载均衡(Global Load Balancing,GLB)等算法。