Delphi与C++之间实现函数与对象共享

软件复用是面向对象编程的主要问题 ,而共享程序成分是走向软件复用的第一步。在Delphi与C + +中 ,实现函数与类 (对象 )的共享是实现集成编程的主要课题之一。

在Delphi与C++之间实现函数和对象的共享

本文将介绍delphi与c++程序集成的方法,包括sdelphi与c++之间函数的共享;s代码的静态链接和动态链接,s对象的共享。

基于点函数秘密共享的私有信息检索协议

针对私有信息检索(PIR)中的隐私安全问题,提出了一个基于点函数秘密共享的私有信息检索协议。该协议将检索的索引看成一个特殊的0-1点函数,利用点函数秘密共享技术生成这个点函数的密钥组,分别发送给p个服务器,根据p个服务器返回的响应作异或运算得到检索结果。对协议进行了正确性、安全性和效率分析,验证了这个协议是安全且高效的,并给出了一个具体实例来说明该协议的有效性。最后介绍了将该协议推广到多项私有信息检索和基于关键字的私有信息检索中的应用情况。

基于遗传算法的微波散射计海面风矢量反演研究

针对目前传统反演方法存在的不足和限制,引入遗传算法用于风矢量反演中的目标函数优化。以SeaWinds散射计为例,根据其模型函数和模糊解的基本特征,设计并实现了一套可用于该散射计的海面风矢量反演算法,并利用SeaWinds散射计部分L2A实测数据对该反演算法进行了验证。实验结果表明,通过多代遗传操作,算法能够收敛于几个局部极值点,从而证明该算法能够有效解决数值风矢量的优化搜索问题。

基于小生境遗传算法的支持向量机分类器参数优化

该文在建立支持向量机分类器分类性能评价函数基础上,分析了支持向量机参数对分类性能的影响,提出了一种基于共享函数小生境遗传算法的支持向量机分类器参数优化方法。该方法利用支持向量机分类性能评价函数评价支持向量机的分类性能,评价函数的倒数作为适应度值,每两个个体之间的海明距离作为共享函数,实现小生境遗传算法。将该文提出的方法应用于5个由Gunna Ratsch收集的标准模式库,实验结果表明由该方法所得参数确定的SVM分类器具有较高的识别率和较简单的结构。

一种提高遗传算法全局收敛性的方法

通过对遗传算法过早收敛原因的分析,认为遗传算法出现过早收敛主要与问题解的分布状况、种群个体的分布情况及遗传算子的应用有关,提高算法全局收敛性能的核心就是如何使算法科学地处理种群多样性及识别个体对全局收敛性能的作用·提出几类与遗传算法全局收敛性能关系较大的个体,并结合小生境进化共享函数思想,形成一种旨在提高遗传算法全局收敛性、求解全局最优解的遗传算法,仿真结果验证了这种算法良好的全局收敛性能·

基于NPSO算法求解车间作业调度问题

研究车间生产生产调试系统,使资源达到优化配置,实现了一种基于小生境的粒子群优化算法用于求解车间作业调度问题。通过在粒子群算法中引入共享函数和共享适应度函数分别用来计算粒子间的共享度和粒子的共享适应值,并用粒子的共享适应值来反映其适应能力。粒子的位置越相近,则粒子间的共享度越大,相应粒子的共享适应值则越小。通过设置小生境半径的方式,将整个粒子群分解为多个小生境子种群,并通过设置小生境中的最大粒子个数参数,严格控制各个小生境中的粒子数量,使得所有粒子尽可能地分布到整个搜索空间的不同局部峰值区域,从而有效求得问题的全局最优值。仿真结果表明了算法对经典JSP问题求解的优良性能。

基于遗传算法的武器系统安全可靠性的优化分析

分析武器系统的安全可靠性与费用的关系,提出了一个两目标优化问题的数学模型。并用遗传算法对其求解,为进行武器系统的安全优化设计得出了基于费用的多个备选方案。遗传算法设计中采用了性别编码、保留Pareto最优解、共享函数的处理,很好地解决了此两目标优化问题。最后给出的应用实例,也充分说明了此方法的可行性。

基于改进遗传算法的确定范围内SVM参数选择

提出了在确定范围内采用改进遗传算法自动选择支持向量机(SVM)参数的方法。首先,通过分析SVM的参数取值与模型性能的关系,确定各参数的限定范围,然后,分析了遗传算法的不足,通过引入递阶编码、小生境共享和自适应交叉概率等技术对其进行改进,最后,以所确定的范围作为搜索区间,利用改进的遗传算法自动选择SVM参数。实验结果验证了该方法的有效性。

遗传算子作用机理分析及其改进

文中分析了遗传算子的作用机理 ,指出了随机性的标准遗传算法的不足之处 从遗传算法角度来看 ,虽然随机交叉方式增强了开辟新的、可能是有用的搜索空间的能力 ,但由于缺乏对可能的交叉效果 (子代质量 )方面的考虑 ,也会带来交叉的有效性以及优化效率不太理想等方面的问题 为此引入了基于交叉机制的小生境技术 对于提高交叉后子代的质量和拓广交叉后子代具有多样性有一定的意义 提出了共享函数和共享度的概念 所提出的共享函数的概念限制了群体内某一特殊“物种”的无控制的增长 。

基于遗传算法的Soc软硬件划分方法研究

软硬件划分是软硬件协同设计中的一个关键问题。本文基于多目标的遗传算法,从任务级抽象建模,对系统进行软硬件划分,并采用小生境技术,将共享函数的概念引入到求解多目标最优化问题的遗传算法中,保证了群体多样性以及有效避免未成熟收敛。

在Delphi与C++之间实现函数与对象共享

Delphi以其独特的面向控件开发方式、强大的数据库功能以及快速的编译技术,使得它自发布起即格外引人注意。随着Delphi 3提供了丰富的Internet应用,Delphi日益成为最重要的软件开发工具之一,它吸引了许多原Visual Basic、Foxpro、dBase甚至C++的程序员,而这些程序员在使用Delphi时需要解决的一个重要问题就是怎样利用他们原有的代码。本文介绍Delphi与C++程序集成的方法,包括:

基于改进粒子群算法的翼型多目标优化研究

在多目标优化研究中,为改善多目标粒子群算法的局部搜索能力,以标准粒子群算法为基础,引入单点模拟退火算法,局部进化最优个体,采用基于目标向量的共享函数法评价适应值。标准测试函数优化实例表明:本文算法比标准粒子群算法具有更好的收敛稳定性和收敛速度,收敛速度提高了近50%;针对某翼型的气动优化设计结果表明:改进算法有效缩短了优化时间,迭代代数由61减为49,调用CFD由4880减为4250次;阻力系数、升力系数、低头力矩系数分别改进了9.23%、0.42%、16.4%,取得了较好的优化效果。

基于h-距离的DNA编码序列设计

针对DNA编码序列设计问题,将其转换为带约束的多目标优化问题,在单链DNA集合中引入h-距离,构造了DNA序列间的共享函数,应用小种群遗传算法,对DNA编码序列设计问题进行求解。与已有结果比较,算法可以得到更好的DNA序列且计算效率较高。算法可用于DNA计算中编码序列的具体设计。

一种基于小生境遗传算法的SVM参数优化方法

在介绍支持向量机原理和分析核参数对其分类性能影响的基础上,采用改进的"留一法"建立了SVM分类性能的适应度函数,然后,引入小生境遗传算法,在以2个个体之间的海明距离作为共享函数的基础上构建了个体共享后的适应度函数,并给出了选择、交叉和变异方法,最后应用UCI机器学习数据库样本数据进行仿真实验。结果显示该方法是有效和实用的。

Uniqueness Problems for Meromorphic Functions that Share Three Values

This paper investigate the uniqueness problems for meromorphic functions that share three values CM and proves a uniqueness theorem on this topic which can be used to improve some previous related results.

自适应并行蚁群算法在TCP网络速率控制中的应用

针对原始蚁群算法搜索能力不强、易陷入局部最优的问题,提出了一种自适应并行蚁群算法。引入共享函数解决算法易陷入局部最优的问题。给出"聚度"的概念,使算法能充分利用学习机制、强化最优信息的反馈。将新算法应用到TCP网络速率控制中,去掉了以往研究中对效用函数的严格假设,最大化用户建立了新的效用函数。算法中链路从网络获知拥塞链路的条数,用户根据对应的效用函数和拥塞反馈信息调整自身速率。仿真表明了算法可以很快地收敛到最优速率。

决策树隐私计算研究

为了应对信息时代隐私保护和数据挖掘两方面的要求,提出了一种基于函数秘密共享的决策树隐私计算协议。在机器学习即服务的模型下,服务提供商拥有训练好的决策树模型,用户拥有希望分类的数据,双方都想保护自己的数据不被泄漏。在这个场景下,该协议可以保护决策树的参数、分类数据以及最终分类结果的隐私。使用了基于函数秘密共享的分段函数协议、隐私比较协议、加性秘密共享等安全多方协议,在不影响正确率的情况下实现了隐私保护。

Entire functions sharing some values with their difference operators

We investigate a uniqueness topic of entire functions with finite order sharing some values with their difference operators and obtain one result that if△f(≠0)and entire function f share a,b CM(counting multiplicities),then△f≡f.This result partially confirms a conjecture due to Chen and Yi(2013).