基于改进烟花算法的密集任务成像卫星调度方法

传统卫星调度模型一般比较简单,当问题规模较大、任务比较集中时,往往会出现任务之间相互排斥,任务收益较低等缺点。针对这个问题,提出一种基于改进烟花算法(IFWA)的密集任务成像卫星调度方法。该方法在分析密集任务处理及成像卫星观测特点的基础上,首先对任务进行合成约束分析,然后基于合成任务综合考虑成像卫星可观测时间、任务间姿态调整时间、成像卫星能量和容量等约束因素,建立基于任务合成的多星密集任务调度约束满足问题(CSP)模型,最后改进烟花算法对该模型进行求解,利用精英选择策略在保证种群多样性同时加快了算法的收敛,得到较优的卫星调度方案。仿真结果表明该模型相比没有考虑任务合成因素,收益平均增加30%~35%,改进算法后效率上提升32%~45%,有效保证了调度方案的可行性和有效性。

一种适应数据与计算密集型任务的私有云系统实现研究

与公有云计算相比,针对数据与计算双重密集型任务的私有云计算系统对计算效率和系统管理效率提出了更高的要求,目前的公有云计算系统显得过于复杂和繁琐,因此需要一种简便易用的能够适应数据与计算密集型任务的私有云计算系统实现。借鉴公有云计算的相关理论和实现方法,提出了一种针对数据与计算双重密集型任务的私有云计算系统实现方案。该方案通过作业文件描述用户的计算任务,确定计算任务的计算模型和计算的输入输出文件;针对私有云的特点,简化Google云计算系统的MapReduce并行处理框架,得到更加直观的数据计算模型;自动连接计算数据流,使该方案更加精简和适应处理数据与计算双重密集型任务。实验结果表明:该方案能够减少额外的计算消耗,处理速度能得到显著提升,有很高的实用性。

成像卫星密集任务合成方法及其调度算法

当一般卫星面临问题规模较大且任务比较密集时,传统的调度模型会出现任务排斥,造成观测效率及观测收益都较低的现象.针对该问题,提出了基于任务合成机制的多星调度算法.首先,考虑任务之间的约束条件,建立基于均值漂移的卫星任务合成算法;然后,考虑卫星资源的固存约束、能量约束,以及观测任务之间的观测时间、观测角度等约束条件,建立了基于均值漂移的多星任务合成调度问题模型;最后,结合任务合成算法及问题特点,用改进的蚁群求解算法进行求解,并设计了Insert搜索算子来提高算法的探索能力.仿真实验验证了该任务合成方法及求解算法的效率.

敏捷成像卫星多星密集任务调度方法

面向应急观测需求,对敏捷成像卫星多星密集点目标观测任务调度问题进行研究。针对敏捷成像卫星观测特点,综合考虑卫星可观测时间窗口、任务间卫星姿态调整时间、卫星最长连续工作时间、星上存储容量、卫星能量等约束,建立多星任务调度模型。提出了一种改进的蚁群优化(ACO)算法对调度模型进行求解。该算法借鉴了蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想,结合调度相关约束设计寻优策略和信息素更新策略。引入任务优先级、最早及最晚可观测时间等因素来控制转移概率。仿真结果验证了模型和算法的有效性。

H.264计算密集型任务在可重构处理器上的映射

可重构系统具有领域内灵活,性能和专用电路接近的优点,是视频解码的优秀硬件方案。然而在可重构系统上进行高清实时解码还有一定的难度,其中占80%计算量的主要是IDCT(反离散余弦变换)、MC(运动补偿)、Intra-prediction(帧内预测)、deblocking(去块效率滤波)等计算密集型任务。本文基于一款粗粒度可重构处理器,提出了上述计算密集型算法的映射方案,性能优于M.Ganesan与D.Peng在2007、2009年的方案,满足H.264高清实时解码的要求。

任务密集、权责倒挂与基层疲惫——基于中国中西部基层治理实践的考察

近年来,在既有治理架构不变的情况下,以精准扶贫为主要内容的治理任务高度密集,辅以精细化的技术治理手段和零容忍、高强度的监督考核体系,基层干部工作负担空前加大;加之权小、责大、事多的权责结构严重失衡,基层疲惫现象已成不可忽视的趋势。基础不牢,地动山摇,为有效缓解并改善这一处境,一要从价值导向上为基层干部正名,二要从工作环境上积极纠偏,三要落实合理的工资待遇和福利,保障基层干部正常家庭生活,四要建立并完善基层干部正向激励机制,争取从经济待遇、政治待遇、情感体验、价值认同等多方面实现对基层干部的有效激励。

基于聚类的密集目标卫星单轨成像规划方法研究

卫星能量与存储有限,对密集点目标进行观测时,存在观测任务间互斥、需要观测较多次数的问题。针对成像卫星密集点目标任务规划,本文改进了点目标聚类策略,使用改进的最大度团划分方法生成尽量少数量的任务团,同时使获取的任务团优先级之和更大;建立了考虑时间、能量、观测角度等约束的满足模型,为获得更高的观测总收益,并减少侧摆带来的能量损耗,以观测任务优先级之和与平均侧摆角度为优化目标,设计一种考虑基于侧摆优化的启发式蚁群算法对模型进行求解,最后,用仿真实验验证所提出算法的可行性和高效性,为卫星密集点目标任务规划提供技术支持。

密集读写任务在英语专业写作课的应用研究

在英语教学中,写作是一种独特的学习途径,它不仅能够强化对课堂知识的掌握,同时也能够提升学生的英语综合能力和水平。而在写作能力培养的过程中,强化读写的结合非常重要。通过阅读,一方面可以让学生掌握文章中复杂的语法和句子,能够系统把握文章作者的思路,为自己的写作打下基础,另一方面,能够培养学生的语感,在写作中能够得心应手,提高写作的整体水平。本文主要是在分析密集读写的基础上,通过在课堂内外实施密集读写任务,完成"以读促写、以写促读、以读写促思辨"的目标,系统阐释密集读写任务在英语写作课堂中的具体应用,进而为提高学生的写作能力和水平提供重要的准备。

异构系统中针对通信密集型任务调度的算法

针对异构多核系统的通信密集型任务的调度,提出了一种综合算法即,HCDUL。该算法首先进行聚簇,然后优先调度就绪关键路径节点,其他就绪节点根据节点的ranku值排序,当处理器有空闲时复制上层节点。使用随机生成图法进行模拟实验,与其他算法相比,HCDUL算法有更小的调度长度。

MTI“国别与跨文化研究”课程中的密集读写任务对分析能力的影响

近年来，各MTI培养单位都在开设特色的专业方向，设置符合该特色专业方向的课程。本文分析了某石油类高校在MTI能源翻译方向课程中开展的一项通过密集读写任务培养学生分析能力的行动研究。对学生写作和学生访谈进行了分析，发现密集读写任务在培养学生分析能力方面效果明显。

数据层可配置任务生成方法及其应用研究

为提高数据层的任务处理性能,提出一种可配置任务生成方法。通过分析数据库运行日志和跟踪信息,按照负载时空特性生成数据层任务处理脚本,并获取对应的资源消耗模式和关键任务处理性能。测试结果表明,该方法可以模拟实际应用系统的执行情况,由此获得服务器资源占用率,该资源占用率与实际资源占用率之间的误差可线性消除,为数据库服务器容量规划、存储结构设计、关键功能设计、性能优化,以及云计算平台资源实现和计算能力按需优化配置提供依据。

面向异构信号处理平台的混合优化调度算法

针对异构信号处理平台中通信密集型任务并行复杂度高、通信延迟大等问题,提出了一种基于二阶聚簇和任务复制的混合优化调度算法。该算法对经典调度算法中任务最早开始时间的计算方法进行改进;通过改进传统聚簇方法,有效避免了任务的重复聚簇;结合任务复制连锁效应,设计了基于关键前驱节点的多任务复制方法;利用二阶聚簇法进一步减小调度长度,同时解决了处理器资源浪费的问题。通过随机生成的有向无环图进行仿真实验,结果表明,该算法在通信量较大的情况下具有更小的调度长度和更大的加速比,对于通信密集型任务具有良好的调度结果。

融合关联规则的MOOC资源众包平台任务分配算法

在高校大力发展MOOC平台背景下,为了提升学生的主动性、MOOC平台资源库的丰富性,出现了众包协同构建资源的方法,让学生和教师构成学习共同体,在完成新知识学习的同时进行资源库建设。高校MOOC众包平台的任务就属于知识密集型任务,挑选合适的参与者直接关系到MOOC资源库构建质量。为了更好地构建高校MOOC资源平台,提出一种针对知识密集型众包任务的分配方案,它包含学生的准入筛选、预期工作能力评估两个阶段。首先利用改进Apriori课程关联算法对学生进行准入筛选;其次利用知识关联算法对学生预期工作能力进行评估并将众包任务分配到工作能力最合适的学生;最后对方案进行测试验证,结果表明该方案能够能较好地提升学生挑选和任务分配的效果,促进构建更高质量的MOOC资源库。

英语专业知识课中的密集读写任务对思辨能力的影响

近年来,英语教育领域逐渐对加强学生思辨能力培养达成了共识,关于如何在英语技能课中培养学生思辨能力的研究有所增长,但是关于如何在英语专业知识课中培养学生思辨能力的研究仍相对较少。本文报告了在北京某高校英语专业国际关系简介课程中开展的一项通过密集读写任务培养学生思辨能力的行动研究。研究对学生写作和学生访谈进行了分析,发现密集读写任务在培养学生思辨能力方面效果明显,与此同时学生在专业知识和英语写作能力方面也取得了较大发展。本行动研究对广大英语专业知识课教师具有一定启发和借鉴意义。

基于Hadoop平台的GPU集群加速Apriori算法

针对Apriori算法在Hadoop平台下集群节点计算能力有限的问题,将并行能力较大的GPU与Hadoop相结合,提出一种GPU-Hadoop的计算结构算法。通过Hadoop平台的MapReduce框架,节点将Apriori算法的计算密集型任务交由GPU进行处理,以缩减运算时间。实验结果表明,改进Apriori算法在面对大规模数据集时具有较高的执行速度与计算效率。

基于CUDA平台的规则LDPC码的译码实现研究

低密度奇偶校验(LDPC)码性能优越,允许全并行高速译码,已经在个人数字设备、移动无线通信等领域显示出了很大的应用价值,极可能取代Turbo码成为第四代移动通信的首选编码方案。NVIDIA公司的CUDA是一种新的用于GPU通用计算的软硬件架构。基于CUDA平台程序员可以写出C风格的代码来启动大量的GPU线程并行工作。基于CUDA平台提出和研究一种AWGN信道下的规则LDPC码的译码实现方案。仿真实验对LDPC码译码的CPU实现和CUDA实现的性能作了详细比较。研究表明CUDA能够带来明显的性能提升。

可重构芯片的方法学原理

可重构芯片技术(又称软件定义芯片技术)是集成电路领域非常有希望的差异化技术,具有广泛的适用性。概述了动态可重构芯片的属性分类、潜在特点及其演进过程和方法学原理,总结了动态可重构芯片的若干难点及对应的核心技术,并展望了未来发展趋势。