面向能源感知的虚拟机深度强化学习调度算法研究

随着计算机技术的快速发展,云计算技术成为了解决用户存储、算力需求的最佳方法之一。其中,基于NUMA架构的动态虚拟机调度成为了学术界和工业界关注的热点方向。但是,目前的研究中,基于启发式的算法难以对虚拟机进行实时调度,并且大多数文献没有考虑NUMA架构下虚拟机调度产生的能耗等问题。对此,提出了一种基于深度强化学习的大型移动云中心虚拟机服务迁移框架,构建了NUMA架构下的能耗模型;提出了自适应奖励的分层自适应柔性演员评论家算法(Hie-rarchical Adaptive Sampling Soft Actor Critic,HASAC);在云计算场景下,将所提算法与3种经典的深度强化学习方法进行实验对比。实验结果表明,所提改进算法在不同场景下可以处理更多的用户请求,且消耗的能源较少。此外,对算法中各种策略进行消融实验,证明了所提策略的有效性。

精英粒子群优化算法及其在机器人路径规划中的应用

针对标准粒子群优化(PSO)算法容易陷入局部最优的缺点,提出了一种基于标准PSO算法的新算法。该算法通过引入新的更新函数和精英选择策略,可在保持较高收敛速度的同时,降低陷入局部最优的可能性。与标准PSO算法相比较,不仅扩大了搜索空间,并且复杂度也不高。研究结果证明该算法更容易引导,而且具有更高效的全局搜索能力,展示了较高的效率和鲁棒性。将该算法用于解决机器人路径规划问题并进行了仿真实验,结果显示,与传统的方法相比,新算法在机器人路径规划问题上能获得更加准确的路径,而且计算时间可以缩短15%,比其他算法更有效。

一种基于Apriori的高效关联规则挖掘算法的研究

文章在关联规则挖掘算法Apriori的基础上,分析和探讨了AprioriTid算法,并给出了该算法的实现思想,同时通过实例说明了算法的执行过程。

关联规则挖掘综述

介绍了关联规则挖掘的一般概念 ,并进一步导出它的一般框架 ;同时对一些典型算法进行了分析和比较 ,介绍了关联规则的应用 ;最后展望了关联规则挖掘的未来研究方向。

正交演化算法在继电器体积优化设计中的应用

继电器产品的优化设计是在给定的负载条件或环境条件下,在对继电器产品的性态、几何尺寸关系或其他因素限制约束范围内,确定设计参数、目标函数、约束条件以形成优化设计模型,并选择恰当的优化方法以获得最佳设计方案的一系列工作。继电器的体积数学模型涉及到机、电、磁、热等方面,其目标函数和约束函数均是高度非线性的。传统演化算法求解问题时容易陷入局部极小值。在简单演化算法的基础上,结合正交实验法的基本思想,将其应用于演化算法的种群初始化、交叉算子,并引入自适应正交局部搜索来防止局部收敛,得到了一种新型的正交演化算法。通过一系列数值实验验证了该算法的高效性。

数据挖掘的并行策略研究

文章对数据挖掘算法的并行策略进行了分类,分类技术主要集中在分割训练数据以及在每一个阶段的最后从处理器中抽取属性。这种方法在关联规则和决策树中得到了广泛的研究。在策略应用中,以DD算法为例进行了说明。在文章的最后,展望了并行数据挖掘的发展方向。

一种基于图像的关联规则发现算法的研究

论文介绍的是在图像数据库中的知识发现,介绍了一种在二维彩色图像中发现关联规则的挖掘算法。算法主要由四步组成:属性抽取,对象鉴别,辅助图像创建和对象挖掘。重点是关于图像内容的数据挖掘,并不涉及到其它的知识领域。文章最后对所提出的算法进行了分析。

基于基因表达式程序设计的电路优化算法研究

基于Xilinx Virtex-Ⅱ系列FPGA控制逻辑块(CLB)矩阵特点以及每一个控制逻辑块能实现任何2输入1输出的逻辑功能的特点,提出了一种基于基因表达式程序设计的电路优化算法。在该算法中染色体由按线性方式连接的逻辑单元矩阵组成,采用的遗传操作包括变异和杂交,并利用真值表进行适应度评估。实验证明,所得到的电路结构优于传统方法。

用SQL Server2000构建数据挖掘解决方案

Microsoft的 SQL Server 2 0 0 0第一次包含了数据挖掘特性。 Microsoft的数据挖掘解决方案是基于针对指定的数据挖掘的 OL E DB上的。OL E DB是 Microsoft制定的工业标准并被一系列数据挖掘 ISV所支持。这种指定为数据挖掘提出了一种新的类 SQL 语言 ,这种语言使数据库开发者能更好地建立数据挖掘的应用。本文给出了一个关于运用 SQL Server 2 0 0 0构建数据挖掘应用的示例。

一种快速聚类高维数据的算法研究

聚类作为数据挖掘的一个问题已经受到了数据库团体的密切关注。数据集合的大小，数据的维数和数据的稀疏性都是制约聚类的不同方面。文介绍了一种聚类大型二元数据集合的快速算法，在该数据集合中数据点是高维的，并且大多数的坐标值为零。文章最后对算法进行了分析。

基于PVM的并行算法研究

随着数据库规模的增长 ,数据挖掘技术变得非常重要 ,而且从数据库中挖掘隐藏的规则也变得十分必要 .提出了一种在数据库中发现关联规则的并行 Apriori算法 ,并在并行虚拟机 (PVM)环境下实现了该算法 .

一种改进的挖掘关联规则的并行算法研究

介绍了一种改进的基于Apriori算法的挖掘关联规则的并行算法,并和以前提出的DD算法进行了比较。这种改进的算法克服了以IDD前提出的DD算法的缺点,消除了DD算法中的工作冗余。

一种用于曲线预测的混合神经网络算法研究

为了克服标准BP神经网络在数据预测中存在的缺陷,提出了一种结合基因表达式编程和BP神经网络算法的混合算法.该算法分为两个阶段,第一阶段,利用GEP独特的编码方式来代替随机设定神经网络结构的选择和初始权阈值的设定;第二阶段,用梯度下降法在已经用基因表达式编程方法确定好的搜索空间中和网络结构中对网络进行进一步的精确训练.将此混合算法用于测井曲线的预测中,同时将结果和基因表达式编程方法、BP神经网络方法进行了比较,证明了该算法可以克服BP神经网络的缺陷,并且优化后的BP神经网络收敛速度快,预测精度高.

基于演化算法的全加器优化设计

演化硬件研究工作中的一个重要研究内容就是电路优化设计,电路优化设计有望实现复杂电路的自动设计并获得新颖、优化的设计结果,因而成为国际性的研究热点。将演化算法引入全加器电路的优化设计中,引入了新的个体评估机制并提出了适用于全加器演化的演化算法。通过仿真实验验证了算法的有效性。

一种高效的关联规则挖掘算法研究

一般关联规则挖掘算法分为两步 :第一步是发现频繁项目集 ;第二步是利用频繁项目集产生关联规则。文章讨论了现今关联规则挖掘算法的特点和不足 ,同时提出一种效率更高的挖掘算法。与其它算法不同的是 ,该算法侧重于知识领域的使用和关联规则系统应用的预备。

数字逻辑课程设计的教学探索

课程设计是一门研究型课程,是工科专业课程教学中的一个重要环节,具有很强的综合性和实践性。如何利用这一课程的特点,组织实施好课程设计教学,已成为教学改革中值得深究的问题。本文针对数字逻辑课程设计教学中存在的问题,结合近年来笔者实践教学和探索经历中的体会,阐述了一些行之有效的教学方法并提出了一些设想。

文化算法在股票数据建模中的应用

数据预测在金融投资领域占有重要地位,而股票价格是金融数据中最复杂的数据类型之一。本文将文化算法应用于股票指数建立时间序列模型,并且针对股票数据的特点,选择适应股票规律的文化算法模型,并与线性回归算法得到的数据结果进行了对比分析,以此来分析文化算法在该问题应用上的优劣。实验结果表明,利用文化算法模型进行预测取得了较好的结果,其预测精度较高,预测的相对误差在3%以内,涨跌分析正确率在70%以上。

探测器电路优化设计的演化算法研究

深空探测器在执行深空探测任务过程中面临各种极端的自然环境，探测器对电路的性能、体积、重量和稳定性提出了更高要求，传统的电路设计方法已经越来越难以满足这种要求。而结合可编程器件和演化算法的硬件可以动态改变硬件的结构以适应恶劣环境、恢复损坏的功能、适应任务的变更。针对Xilinx公司的FPGA的结构特点，提出了一种用于探测器电路优化设计的演化算法。在该算法中染色体由线性方式连接的逻辑单元矩阵组成，改进了传统的适应度评估方法。实验证明。

基于多粒子群协同的动态多目标优化算法及应用

在现实生活中大多数多目标优化问题都随时间变化,这就要求优化算法在时间约束内快速找到动态变化Pareto最优解或Pareto边界.基于此,提出一种基于多种群协同的动态多目标粒子群改进算法,旨在利用多种群竞争和协作两种模式互相配合,从而达到快速高效求解动态多目标优化问题的目的,多种群竞争模式主要任务是对解空间进行"勘探"搜索,当竞争失效后,自适应切换到协作模式对解空间进行"开采"搜索.通过对多种群协同搜索概率分析,证明多种群相比单种群具有更高的搜索效率,通过对3类动态多目标测试函数仿真,验证了改进算法的有效性;最后将该方法应用于动态系统PID控制器的参数整定上,得到了较优的控制参数,取得满意的控制效果.

面向海量非结构化数据的非关系型存储管理机制

针对传统的关系数据存储系统性能不足、容错性差,无法适应海量非结构化数据管理的问题,提出一种高性能、高可用非关系型存储管理机制。首先,设计了良好的用户访问服务接口,通过高效的一致性哈希算法支持数据分发到多个存储节点;其次,采用可配置的数据副本机制改善存储系统的可用性;最后,提出查询故障处理机制,用以提升存储系统的容错性,避免节点失效导致服务中断问题。实验结果表明,在不同规模用户负载下,新的存储系统的并发访问请求能力和传统的文件系统、关系数据库相比,分别提升了30%和50%;同时,在合理响应时间内,故障状态下的存储系统的可用性损失小于14%。因此,该机制适用于海量非结构化数据的高效存储管理。