面向对象软件度量自动化参考模型MOOP

评估软件质量涉及到定性和定量两个方面。在定量的度量方面 ,要考虑两个问题 ,一是度量什么 ,二是如何度量。面向对象技术的新特点给软件度量提出了新的要求。本文提出了一种针对面向对象程序分析的度量自动化参考模型 MOOP,该模型采用三层结构 :翻译层、表示层、分析层 ,具有可重定编译前端、中间表示与语言无关、度量集可定制等优点。基于 MOOP参考模型 ,我们设计了一种面向对象度量自动化系统 MOOP-

基于MOOP的Python语言模式改革与创新

通过分析目前MOOP平台的优劣势,提出基于MOOP教学平台的大学计算机基础课程“Python语言程序设计”课程创新改革思路、原则和策略,从课程体系设计、教学内容建设、MOOP平台使用、课程考核方式等方面进行阐述,结合太原理工大学基于MOOP平台的Python语言教学改革创新方式及改革过程中所遇到的问题和解决方式,介绍本次教学改革所得到的成效和启发。

基于MOOP模式的软件应用技术系列课实践教学改革研究

本文在分析目前计算机软件课程实验教学现状的基础上,构建了基于MOOP实践教学平台,应用平台提供自动测评功能,对学生提交的实验解答进行自动测评,即时反馈结果,并给出正确答案。MOOP模式应用于实践教学可以使实践环节碎片化,有效地促进学生高质量地完成实践课程的学习。

EduCoder:大规模开放在线实践教学探索与应用——疫情防控下的在线实践教学新途径

实践教学是计算机专业教学领域的深水区和制高点,EduCoder平台为疫情防控期间的计算机在线实践教学提供了重要方法和途径。在分析计算机实践教学现状和挑战的基础上,结合软件群体化方法和网构化方法,系统阐释大规模开放在线实践(MOOP)基本模型,提出在线实践教学平台体系结构,构建软件定义的智能化在线实践教学平台EduCoder,并介绍其中超过1000门课程、4万个案例的实践项目形态和课程案例。大规模应用实践表明,EduCoder为疫情防控期间高校实施在线实践教学发挥了重要作用,在实践教学支撑和实践资源构建等方面能够有效满足高校师生的多样化需求,对高校实践教学改革与创新具有重要参考价值。

多邻域改进粒子群算法

为了改进标准粒子群算法的性能,提出了多邻域改进粒子群算法。算法提出了一种较为简单的多邻域拓扑方案,对速度惯性权重的更新策略进行了改进,引入了速度和搜索区间限制算法。经过对经典测试函数的计算测试,算法表现出良好的复杂问题求解能力。最后,针对多目标优化问题,给出了多目标应用在粒子群算法中的处理方法,并对经典的5维优化和Golinski减速器设计问题进行了求解,通过数据比对,证明了算法性能远优于现有的一些算法。

Advanced Transformation Technique to Solve Multi-Objective Optimization Problems

Multi-objective optimization problem (MOOP) is an important class of optimization problem that ensures users to model a large variety of real world applications. In this paper an advanced transformation technique has been proposed to solve MOOP. An algorithm is suggested and the computer application of algorithm has been demonstrated by a flow chart. This method is comparatively easy to calculate. Applying on different types of examples, the result indicates that the proposed method gives better solution than other methods and it is less time consuming. Physical presentation and data analysis represent the worth of the method more compactly.

基于MNSS的“1+X”大规模混合式教学方法研究

本文在分析MOOC平台和SPOC平台教学现状的基础上,采用理论与实践相结合、线上与线下相结合的理念,将MNSS与目前的爱慕课、雨课堂、超星泛雅等在线MOOC平台及各个学校自建的SPOC平台相结合,形成完备的"MOOC+MOOP+SPOC"大规模混合教学平台。应用该模式有利于学生进行碎片化学习,有效促进学生实践课程的学习,提高学生的实践动手能力。

MISO网络下的鲁棒性多目标波束成形设计

传统的物理层安全通信只研究信息的安全传输或者系统的能量消耗,而这两者相互冲突且越来越难以满足人们对无线通信系统的高要求,因此寻求有效均衡两者的方法成为无线通信系统设计的关键。在多输入单输出(MISO)的下行网络中,联合优化接收端的安全速率和发送端的功率消耗,提出了一种基于加权切比雪夫方法的多目标优化框架(MOO),将两个冲突的单目标问题转化为一个多目标优化问题(MOOP)。引入泰勒级数展开,将非凸问题线性化;运用S-Procedure和柯西施瓦兹不等式,处理半无限约束。在发送端对信道状态信息(CSI)不完全已知的情况下,所提出的鲁棒性迭代算法,获得了安全速率和功率消耗的帕累托最优边界。实验结果表明,所提出的算法优于传统的非鲁棒性算法。

机器对机器通信中一种基于能量效率与系统容量的多目标无线资源管理算法

机器对机器(M2M)通信和设备到设备(D2D)通信都是5G中的关键技术。而M2M通信特别需要考虑提高设备的能量效率(EE)以延长设备的生存周期。该文将M2M技术与D2D技术相结合,考虑M2M设备使用D2D技术进行通信,同时M2M设备复用蜂窝网络中的人对人(H2H)通信的频谱资源。为了同时保证两种系统的服务质量(QoS)需求,建立了最大化M2M的能量效率,最大化H2H系统容量和,以及最小化M2M系统对H2H系统干扰的多目标优化问题(MOOP)。为了解决该问题,采用惩罚函数的方法将二进制变量松弛约束,进而采用凹凸过程(CCCP)方法将非凸的单目标优化问题转化为凸优化问题,并最终通过加权切比雪夫算法得到原多目标优化问题的Pareto最优解。通过与传统的加权和算法进行比较,仿真结果证明了该算法的有效性。