LISP语言的增量式部分求值器

部分求值在软件优化中有着重要的作用，而增量式计算是避免重复计算的一种技术．本文基于部分求值和增量式计算的技术，实现了一个ＬＩＳＰ语言的增量武部分求值器，使得函数例化尽量在前次已经产生的剩余程序的基础上进行，从而很好地提高了效率．

基于指数率失真模型的增量式码率控制算法

高速增长的视频通信需求促进了视频压缩技术的快速发展。为了进一步提高H.264/AVC的码率控制性能,提出了一种新的码率控制算法。新算法包含一种新型的指数型率失真模型,一种增量式QP计算方法,一种基于权重的帧比特位分配策略和一种线性回归模型参数更新方法。基于指数率失真模型的一阶微分特性和拉格朗日中值定理,提出的增量式QP计算方法成功地解决H.264/AVC中的"QP悖论"。编码实验结果表明,新算法与JM模型中推荐的码率控制算法相比,实际比特率更接近目标比特率,达到了更精确的缓冲控制,明显地提高了平均解码视觉质量QCIF为0.23dB,CIF为0.75dB,720p为0.12dB。

基于决策表的区分矩阵增量属性约简算法

对于决策表中存在对象动态变化的现象,当利用静态的属性约简算法处理这类决策表时算法效率并不理想,为了有效提高增量属性约简算法的效率,对决策表进行了简化,并证明了基于简化区分矩阵的属性约简与基于区分矩阵的属性约简是一致的,在利用原的属性约简的基础上,提出了一种基于决策表的区分矩阵增量属性约简算法,通过实例分析说明算法的有效性和可行性。

数据仓库中时态视图的维护

数据仓库的一个重要用途是利用时态视图向用户提供历史信息.因为在传统关系数据模型中增加了对时间的支持,而且时态视图的更新不仅来自于基表更新,还包括时间前进,所以,目前对非时态视图维护的研究成果不适用于时态视图,并且已有的一些时态视图维护算法也不适用于数据仓库.以历史关系模式为对象,根据增量式维护方法的原理,采用纯删除、纯插入的计算方法,用代数语言给出了5种基本历史关系代数运算的更新传播算法,由这5种历史关系代数组合定义的时态视图都可用迭代方法得到其增量维护计算式.所采用的纯删除、纯插入思想也可移用于其他历史关系模式下的时态视图维护.

一种智能高效的并行护士排班算法

护士排班问题是多约束条件下的NP难优化问题,好的排班对提高护士工作效率、优化医院人力资源配置具有重要意义。然而,目前大多数算法不仅在计算时间和求解质量之间难以有效达到平衡,而且很难在可行的时间内求解这类大规模问题。针对上述问题,提出了一种新的智能高效两步并行护士排班算法。第1步采用启发式调整排序随机生成问题的初始解,以获得高质量的算法初始解;在此基础上,第2步采用并行智能多样化变邻域搜索和增量式计算来快速寻优。同时,采用随机扰动使算法逃离局部最优,并引入禁忌列表以避免冗余计算。大量的标准测试数据集上的仿真实验结果表明:这种算法在平均解质量和运行时间上均优于现有最好的护士排班算法,且更适合于大规模护士排班问题的求解。