CIMHS:基于优化增量策略求解极小碰集的方法

在基于模型的诊断推理过程中,极小碰集求解效率是决定诊断快慢的关键一步.本文在原有极小冲突集合簇与极小碰集簇的基础上,充分考虑它们与新增冲突集中元素的关系,提出一种新型的优化增量策略.在原有极小冲突集簇中,首先通过启发式策略抽取部分集合进行极小化,从而大幅度缩短求解时间;然后通过优化的增量策略快速补全并更新解集,进而提高整体求解效率.为进一步提高算法的效率,提出按冲突集的势从小到大增量排序,利用新型优化的增量策略依次递归计算,并最终求得原始问题集合簇所有解集的全增量算法CIMHS(Complete Increment Minimal Hitting Set).实验结果表明,在许多情形下,CIMHS算法较其他经典的极小碰集求解算法,可减少1至3个数量级的运行时间.

中老铁路国际联运增量策略研究

中老铁路是“一带一路”标志性项目,为了进一步提升通道的引领作用,研究中老铁路磨万段货运设施设备情况与运营现状,分析提出目前影响货运增量的限制瓶颈,主要包括双向货源组织不均衡、设施设备能力出现瓶颈、列车运输组织有待优化以及与海关的沟通协调有待加强等方面。为了解决这些问题,研究提出中老铁路货运增量策略,通过加大货源营销力度、完善列车计划编制、优化列车开行方案、完善设施运维管理、加强多方沟通协调、实施增吨提速措施以及推进设施的扩能改造等措施,全面保障中老铁路国际联运的稳步运营和运量提升。

自适应增量策略处理的研究与实现

在IETF基于策略的网络管理体系中,设备端(PEP)的策略配置是通过策略决策点(PDP)的自动分发机制来实现的。对于大规模网络管理系统,PDP的策略分发效率是制约系统整体性能的瓶颈。基于此,提出了一种自适应增量策略处理机(APIP)的数学模型和实现方案,根据PEP在策略库的策略映射集合的变化情况,自动实现策略的增量分发。经实践证明,该系统能够有效减小策略传输数据量,缩短策略请求排队时延,提高策略分发效率。

我国铁路商品汽车物流增量策略研究

铁路商品汽车物流的长远发展面临着国家政策调整、产业升级、互联网经济、降本提质等方面的挑战。在阐述我国铁路商品汽车物流发展现状的基础上,从构建面向市场的营销管理机制、优化运输组织方式、加强基础设施建设、提升智能管理水平等方面,分析铁路商品汽车物流实践。结合国家政策和行业发展趋势,提出铁路商品汽车物流增量策略,即:提高适运市场份额,优化物流产品供给质量,推动多式联运行业标准与制度建设,坚持商品汽车物流创新驱动,为进一步促进我国铁路商品汽车物流发展提供参考。

基于单增量和全局维度学习策略的萤火虫算法

萤火虫算法的搜索过程较依赖于最优萤火虫,而最优萤火虫并不进行有导向的寻优移动,算法易陷入局部最优.为此,提出了一种基于单增量和全局维度学习策略的萤火虫算法.在萤火虫个体移动时,该算法并不叠加萤火虫个体的当前位置,而是将累加的位置增量作为新的搜索方向,用于更新萤火虫的位置.该算法大大降低了萤火虫当前位置对搜索过程的影响,有利于算法更快的跳出当前局部最优,进行更大范围的寻优;其次,对最优萤火虫进行一定次数的单维度学习,将学习后的萤火虫引导种群进化.在基准测试函数上的实验结果表明,该算法优于其他几种改进的群智能优化算法,具有良好的跳出局部最优的能力.

电流增量预测控制策略参数稳定域拓展

高性能永磁同步电机伺服系统要求快速响应的电流内环以保证系统的高动态性能。电流增量预测控制策略可以获得快速的电流响应速度,但依赖电感参数的准确性。电感参数不准确时,系统稳定性难以保证。本文通过使用更多的电压及电流信息来提高参考电压计算式的阶次,以此拓宽电流增量预测控制策略对电感参数的适应性。该方法对处理器的占空比更新能力或运算速度没有特殊要求,仅需增加少量计算量就可以显著拓宽电感参数稳定域。仿真和实验结果证明了所提方法的有效性与实用性。

关联规则的增量更新策略研究

关联规则增量更新算法可以减少对交易数据库的访问。根据最小支持度和交易数据库的不同变化情况,可以将增量更新问题分为若干类。已有的研究只针对某一类具体的增量更新问题,而且没有考虑多次增量更新的情形。本文将增量更新问题归约为三个基本的子问题,从而为各种不同的增量更新问题提供了统一的解决框架。在此基础上,研究了多次增量更新事务情况下的增量更新策略问题,通过对增量更新事务进行合理的排列,可以显著地降低对原始交易数据库的访问量。

移动网络适用的数据增量同步策略研究与实现

新一代反假货币宣传系统结合了数据库和移动网络,支持数据联网更新,实现了信息的在线同步、有序管理和快速展示。其中移动网络所采用的无线通信方式中信号易受到外界干扰,导致连接速度不稳定,并且电信运营商按流量进行计费,因此在数据同步时一方面需要有较高的容错能力确保数据的完整性,另一方面还需要尽量减少通信量以减少运营成本。提出了一种适用于上述场景的数据增量同步策略,并在dot NET平台上利用WCF技术进行了实现。经过测试,其策略达到了最初的设计目标,并已在实际生产中使用。

基于增量模型切换和反步控制法的船舶主动升沉补偿策略

由于海上波浪的升沉运动造成浮式起重船剧烈摇晃,导致海上风电设备在运输安装时的失准甚至碰撞损坏,为此本文提出基于增量模型切换和反步控制法的船舶主动升沉补偿策略。采用阶跃位置响应的实验建模方法,建立电缸主动升沉补偿系统模型;针对电缸主动升沉补偿系统时延的时变问题,提出补偿控制时的增量模型切换策略,并采用反步控制方法驱动电缸补偿浮式起重船的升沉运动,以此保证风电设备运输安装时的稳定性和精准性。试验结果表明,此策略较单模型补偿控制精度提高了50%,能有效保证风电设备安装时的精准性。

基于增量式策略强化学习算法的飞行控制系统的容错跟踪控制

针对发生故障的飞行控制系统,在强化学习算法的基础上,提出了一种基于增量式策略的强化学习容错方法.本方法利用传感器获取的系统状态值,根据系统预先设定的奖励函数对当前控制系统状况做出最优的决策并不断更新价值网络,将系统的容错控制过程转换为强化学习Agent的贯序决策过程,并使用一种改进型的增量式策略实现对当前故障的正确补偿策略的逐渐逼近.同时,针对连续控制系统,提出一种状态转移预测网络来得到下一步状态值.最后,通过南京航空航天大学“先进飞行器导航、控制与健康管理”工信部重点实验室的飞行器故障诊断实验平台验证了该方法的有效性.

含径流式水电的风-光-氢多能系统合作博弈增益分配策略

在我国大力推进清洁能源示范基地规划建设的研究背景下,以风电、光伏、径流式水电、电制氢系统为研究对象,兼顾系统运行经济性与安全性,以运行收益最大为优化目标构建考虑系统上网电量互补指标的联合优化调度模型。基于转移电量建立改进的最大最小成本(MCRS)法合作增量效益分配模型。通过算例分析可得:通过合作运行各利益主体运行时可以较大幅度提高收益;风、光、水上网电价及其上网电量互补程度对风-光-水-氢多利益主体能源系统合作运行的增量效益影响较大;改进的MCRS法具备合理性,可兼顾公平性与高效性。

基于多维护策略的物化视图选择方法

物化视图是数据仓库环境中提高 OLAP 查询效率的重要手段,因此,物化视图的选择是数据仓库设计中重要的决策之一。本文提出的物化视图选择方法目标是选择合适的视图进行物化,使得查询处理的总代价和物化视图的维护代价最低,提出了物化视图收益模型,并在此基础上基于视图的多维护策略提出了物化视图选择的方法:基于增量和重计算的物化视图选择算法 IRMVS、基于增量策略的物化视图选择算法 IMVS 和基于重计算策略的物化视图选择算法 RMVS 和基于增量策略的物化后代视图选择算法 IMDVS,理论分析和实验表明这些算法是有效可行的。

增量更新并行W eb爬虫系统

介绍了并行Web爬虫系统的总体结构,引入了增量更新爬虫策略,在提高Web海量数据更新效率的同时,考虑到机群中各个爬虫的能力不一,为了使机群中爬虫的能力得到充分应用,又提出了向量度量技术,解决了抓取任务和爬虫能力匹配的问题。对抓取任务向量、爬虫向量进行了定义,并在此基础上给出了相关的并行算法。实践表明,系统具有良好的分配适应性,并可以在此基础上渐增式地提高网页库新鲜度。

教学策略效能的不同水平

本文确认了一组被不同教学理论和有效实践所青睐的"首要教学原理"。作者认为成功地运用"首要教学原理"同教学策略的效能水平息息相关。四个具有不同效能水平的教学策略分别是:呈现相关信息;呈现相关信息与展示论证新知;呈现相关信息、展示论证新知和尝试应用练习;聚焦完整任务、展示论证新知和尝试应用练习。另外还有五个起到增量作用的教学策略分别是:激活相关旧知,理清知识结构,反思学习效果,鼓励探究发现和彼此交流所得。

针对大型舰船的新型分布式主动振动控制算法

通过抑制螺旋桨等旋转设备引起的结构低频振动,可有效降低艇体低频声辐射。基于多通道自适应控制算法的主动振动控制技术由于减振效果好、重量代价小、频率自适应能力强等优点已成功应用于各型舰船中。对于大型舰船,需要更多的作动器和误差传感器形成更大规模的多通道系统才能满足减振需求,这将导致各误差通道耦合更复杂和运算量剧增,现有集中式算法的嵌入式系统为完成此大规模多通道系统庞大的运算量,将需要更高性能的运算单元和存储器,从而导致工程实现十分困难。借鉴无线传感器网络中的增量协作策略环形拓扑结构来优化误差通道的耦合关系,提出一种适合于大规模多通道系统的分布式主动振动控制算法。以某大型舰船旋转设备安装结构为仿真模型,开展规模为20×20的减振仿真研究,仿真结果表明:双频仿真平均加速度级衰减26 dB,单频仿真加速度级衰减约27.5 dB,运算量均可降低约77%。验证所提分布式算法在有效抑制艇体低频振动前提下,可显著降低运算量。

面向Deep Web本地化数据集成的数据源两层选择模型

针对基于数据源质量选择方法的数据源在数据爬取时存在代价大、重复率高的问题,提出一种结合两层选择模型的Deep Web数据源选择和集成方法。该方法根据数据源本身质量和数据源的效用构建数据源的两层选择模型。给出基于该模型的递归增量数据源选择和集成策略,采用基于数据源质量的选择器过滤大量低质量Deep Web数据源,仅选择若干个高质量的数据源作为第2层选择器的输入。从候选数据源集合中递归地选择,使集成系统在获得尽可能多的高质量数据的同时,避免出现较高覆盖率的k个数据源,作为集成系统最终需要爬取和集成的数据源。实验结果表明,该方法结合两类选择器的优点,缩减了候选数据源的空间并保证集成数据的质量,同时避免了系统处理大量重复数据,有效降低Deep Web数据爬取与集成的代价。

一种移动机器人对运动目标的检测跟踪方法

从序列图像中有效地自动提取运动目标区域和跟踪运动目标是自主机器人运动控制的研究热点之一。给出了连续图像帧差分和二次帧差分改进的图像HIS差分模型,采用自适应运动目标区域检测、自适应阴影部分分割和噪声消除算法,对无背景图像条件下自动提取运动目标区域。定义了一些运动目标的特征分析和计算,通过特征匹配识别所需跟踪目标的区域。采用Kalman预报器对运动目标状态的一步预测估计和两步增量式跟踪算法,能快速平滑地实现移动机器人对运动目标的跟踪驱动控制。实验结果表明该方法有效。

基于压缩感知的分布式协同估计算法

为了降低分布式协同估计算法的计算量并改善其收敛性能,提出了基于压缩感知(CS)和递归最小二乘(RLS)的分布式协同估计算法。该算法在传统RLS分布式协同估计算法的基础上引入压缩感知技术,首先在压缩域中进行递归最小二乘运算,然后利用压缩感知重构算法得到未知参数向量的估计值。提出的算法能够在增量式策略和两种模式的扩散式策略下实现对未知向量的有效估计。理论分析和仿真结果表明,该算法一方面降低了RLS分布式协同估计算法的计算量,另一方面保持较快的收敛速度与良好的均方误差性能。

基于改进粒子群算法的地区电网无功／电压实时优化控制

在建立无功，电压实时优化控制模型的基础上。提出了一种基于改进粒子群算法的地区电网无功，电压实时优化控制实现方法。该方法采用增量启动策略决定控制设备参与优化的程度；通过综合考虑负荷大小、限振系数与动作比例等因素模糊推理出表征动作代价的模糊控制成本。更加合理地限制和分配控制设备的动作次数：将粒子群算法与无功，电压控制特点相结合以改善初始粒子质量、缩小寻优空间并引入交叉算子提高算法的计算速度和效率。以某一实际地区电网为例进行无功，电压实时优化仿真计算，结果表明，所提算法和控制策略是可行和有效的。