面向计算思维培养的算法学习过程导向样例设计与迁移效果研究

算法与程序设计课程是中小学培养学生计算思维的主要方式,在教学中普遍采用样例教学法,并以能达到良好的算法迁移为检验目标。然而,教学实践和研究中的程序样例设计多从编程语言的语法语义出发,围绕代码的组织展开讨论,缺乏问题解决过程和策略两方面的整合。基于此,文章提出面向计算思维培养的算法学习过程导向样例模型,并通过实证研究检验其对算法迁移的效果。研究发现,面向计算思维培养的算法学习过程导向样例能够有效促进学生的算法迁移绩效,且相对于子目标样例对低计算思维学生的远迁移绩效有显著的促进效果。此外,文章还针对结果提出程序样例设计建议,以期为计算教育和算法教学资源设计提供参考。

风格迁移算法在艺术文创产品设计中的应用

目的 针对图像智能生成中图像风格的多元性问题,探索能够生成特定风格图像的智能生成方法。方法 以抽象和具象图像结合为研究对象,通过计算机将两种风格迁移,重构出保留特定风格的图像,得到其中捕捉画面特定风格的图像。结果 生成的图像质量较高,具备抽象图案和具象图案相互结合的特点。结论 生成对抗网络对绘画艺术作品的特定风格的学习,用风格迁移智能生成图像,取得了较好效果,能减少创意图像制作的重复性操作,提高图像利用的艺术性和丰富性,为智能赋能图像的再创造提供了新思路。

基于K近邻色彩迁移算法的数字调色方法研究

色彩是电影中必不可少的元素,其能给予观众视觉冲击力,是凸显人物性格特征、表达电影主题、营造电影氛围、增强电影故事感的重要手段。在数字电影时代,图像色彩迁移技术为数字电影调色提供了更为便捷的方法。本文提出一种基于K近邻(K⁃Nearest Neighbor,KNN)回归模型的图像色彩迁移算法KNN⁃1,同时基于目标图像的全局统计量特征与局部像素特征,提出了先采用该算法后采用经典Reinhard色彩迁移算法的KNN⁃2算法与先采用Rein⁃hard算法再采用该算法的KNN⁃3算法。结果表明,基于K近邻回归模型的色彩迁移算法所得到结果图颜色与目标图像相似,但是整体颜色偏浅,亮度较亮。KNN⁃2、KNN⁃3算法得到的迁移结果图的效果都较K近邻、Reinhard两种算法单独使用有明显提升,迁移结果图整体色彩基调与目标图像更为相似。

基于自组织迁移算法的共模扼流圈高频特性建模

共模扼流圈是EMI滤波器的关键组件,主要用于传导干扰中的共模电流抑制。为了便于EMI滤波器抗干扰特性的仿真研究,提出了一种共模扼流圈的高频特性建模方法。首先,利用矢量网络分析仪测量共模扼流圈的共模与差模阻抗数据。然后,使用自组织迁移算法分频段处理共模扼流圈的阻抗数据,提取出仿真模型的RLC参数,结果表明利用算法分频段处理阻抗数据的方法,既使得所建立高频模型具有较高的精确度,也降低了对高性能计算机需求。最后,对一款共模扼流圈高频特性进行了建模,并通过仿真与实测的阻抗数据对比,验证了建模方法的有效性,为EMI滤波器的仿真与设计提供了参考。

基于迁移学习算法的深部爆破振动速度预测

为了更好地预测深部矿山爆破振动速度,针对深部爆破振动速度预测中存在的样本量小、数据分布同浅部爆破不同的问题,将浅部地下矿山爆破数据中有用的知识迁移至深部矿山爆破振动速度预测模型中,提出一种逻辑回归迁移学习算法(LR-TrAdaboost),提升模型的样本容量及预测准确率;以某铜矿深部爆破振动速度预测为研究对象,结合该铜矿27条深部爆破数据以及梅山矿等5个地下金属矿204条浅部爆破数据,利用支持向量回归机(SVR)、回归迁移学习算法(TrAdaboost-R 2)以及LR-TrAdaboost算法分别进行预测和对比。结果表明:3种算法的模型分数分别为0.24、0.38、0.81,均方根误差(RMSE)分别为0.152、0.107、0.06,LR-TrAdaboost算法预测误差相比SVR、TrAdaboost-R^(2)分别降低了60.5%、43.9%;同时,LR-TrAdaboost在迭代次数为50时已经收敛,而TrAdaboost-R^(2)在迭代次数100次后才收敛,收敛速度前者是后者的2倍;LR-TrAdaboost算法的预测性能更好。

基于DPBBO算法的智慧云仓UAV盘库作业优化

针对智慧云仓货物信息量大、易出现账物不符等库存管理问题,迫切需要将无人机(unmanned aerial vehicle, UAV)和工业物联网(industrial Internet of things, IIoT)集成起来,为仓储精细化管理提供解决方案。首先,分析盘库作业数据采集与信息交互运行机制,以危险避障和数据采集为约束函数,考虑了UAV在加速、减速、匀速、转角等飞行条件下的能耗差异,并以能耗最低和时间最短为目标函数构造UAV盘库作业数学模型;然后,设计了差分迁移-分段变异生物地理学优化(differential migration-piecewise mutation-biogeography-based optimization, DPBBO)算法对上述模型进行优化解算;最后,进行了仿真实验验证。结果表明:DPBBO算法对解决该盘库作业问题的效果较优,可以提升库存抽检任务的时效性和库存管理的准确性。

基于风格迁移算法的敦煌装饰图案创新设计研究

人工智能技术不断推动着艺术设计的发展,将敦煌艺术风格应用到文创产品中,实现了艺术和科技的融合,对传统文化的创新具有重要意义。本文以敦煌装饰图案为研究对象,对敦煌装饰图案的文化特征和风格迁移算法进行总结和调研,利用风格迁移算法将敦煌装饰图案迁移到重组后的敦煌装饰图案和敦煌风景中,应用在文创产品中,实现了传统文化与人工智能技术的融合。

基于VGG⁃19和MMD卷积神经网络模型的国画风格迁移

卷积神经网络因效果强大而被广泛应用于图像识别,在提取图像特征方面有极大的进步。由于风格迁移技术主要是针对西方油画,而国画是一种传统的中国艺术风格,其在风格迁移方向上缺乏广泛的应用。设计以国画代替西方油画作为风格图像,以自然景观照片作为内容图像,探究传统国画经过卷积神经网络后的提取效果。实验依据VGG算法模型并结合TensorFlow 2框架,对采集的数据集进行预处理,采集像素制成数据矩阵,输入VGG⁃19浅层模型进行训练,通过MMD最小化分布特征图差异,增强卷积层的目标效果。该方法取得比较满意的结果,可为风格迁移转换的研究提供更多参考。

基于深度生成模型的图像风格迁移算法改进与应用

在常规图像风格迁移算法中,因缺少对于图像特定风格的特征对齐,图像风格迁移的速度较慢。因此,研究基于深度生成模型的图像风格迁移算法。通过分析图像风格的迁移,运用Sigmoid函数和ReLU函数实施函数的激活,在不同的卷积层中对图像特征进行风格对齐,基于深度生成模型改进算法;基于图像风格扩展采样点,对范围内的采样图像进行合成,实现对图像风格迁移算法的改进。验证实验表明,文章提出的算法平均迁移速率为10.26 MB/s,高于对照组,从实验结果可以看出,改进后的算法具有一定的速率优势。

混合云存储中海洋大数据迁移算法的研究

海洋数据是一种典型的大数据,如何利用混合云存储架构存储海洋大数据是海洋数据管理面临的一个挑战.针对混合云存储架构中的关键问题——数据迁移,提出了海洋大数据的生命周期,并且基于此给出混合云存储中海洋大数据的迁移算法.在迁移算法中,将海洋数据的敏感度、数据访问频率、数据大小、数据时间长度等因素作为迁移因子.迁移算法兼顾考虑了数据存储容量、海洋数据本身的属性特征和数据访问过程中的动态变化.实验验证混合云存储模式能大大降低数据管理成本,同时,通过提出的迁移算法保证了数据的访问速度.

单纯形和人口迁移的混合全局优化算法

针对基本人口迁移算法具有易早熟和精度不高等缺陷,利用人口迁移算法随机产生的点采用单纯形法进行优化,提出了一种基于单纯形法和人口迁移算法的混合全局优化算法。通过典型的测试函数Shaffer,验证了改进后算法的性能,并与10种类型的粒子群优化算法进行比较,结果表明,该文算法能获得比较好的解,收敛成功率高达100%。

一种改进人口迁移算法在蛋白质折叠模拟中的应用

PMA(Population Migration Algorithm)算法已在蛋白质非晶格模型中做了模拟测试,结果表明具有较强的全局搜索能力和稳定性。针对PMA算法的思想,提出了对算法的一种改进。使用该改进算法求解蛋白质折叠构形预测的二维非晶格模型取得了较好的计算结果。

引入高斯变异和最速下降算子的人口迁移算法

人口迁移算法模拟了人口随经济中心而转移和随人口压力增加而扩散的机制。主要针对该算法提出了一种改进的人口迁移算法。该改进算法通过引入高斯变异算子和最速下降算子来改善人口迁移算法的收敛速度和全局收敛性,并对其收敛性进行了证明。通过对函数的数值实验测试结果表明,改进的人口迁移算法的全局寻优能力和收敛速度较人口迁移算法均有所提高。

求解TSP问题的嵌入交叉算子的人口迁移算法

人口迁移算法具有较强的全局搜索能力和稳定性,该文在其顺序交叉算子的基础上,提出一种改进的启发式顺序交叉算子,并在人口迁移过程中嵌入该算子。仿真实验结果表明,该改进算法能有效解决TSP问题,且具有快速收敛特性。

多虚拟机实时迁移中自适应的迁移算法选择框架

IaaS云计算平台中主要通过实时迁移多台虚拟机来实现资源的动态调度、管理与优化。虽然Pre-copy和Post-copy是单虚拟机实时迁移的两种主流算法,且各有优缺点,但现有的多虚拟机实时迁移系统只是单一地使用其中一种迁移算法,无法根据各虚拟机的不同负载情况灵活选择最有效的迁移算法,降低了整体迁移效率。提出一种自适应的实时迁移算法选择框架,利用模糊聚类方法对待迁移的多虚拟机进行分类,按类别选择最适合的迁移算法。实验结果表明,所提出的迁移算法选择框架能够在多虚拟机实时迁移中发挥两个迁移算法的各自优势,有效提高整体的实时迁移性能。

基于混合迁移行为的自组织迁移算法

自组织迁移算法(Self-organizing migrating algorithm,SOMA)是一种新型的进化算法。在对基本的自组织迁移算法分析的基础上提出了基于混合迁移行为的自组织迁移算法(Hybrid migrating behavior based self-organizing migrating algorithm,HBSOMA)。该算法通过在个体迁移过程中引入了多种迁移方式,形成混合迁移行为,使得个体的行为变得多样化,增加了种群多样性,加速了群体在多峰复杂空间中的寻优进程。仿真结果显示,该算法优于原自组织迁移算法。

采用随机变异步长的改进自组织迁移算法

自组织迁移算法是一种新型的进化算法。对自组织迁移算法的原理、实现及策略参数设置进行了详细分析,在此基础上提出了一种改进算法。通过在个体迁移过程中引入随机变异步长,寻优个体的行为变得多样化,加速了群体在多峰复杂空间中的寻优进程。仿真结果显示,该算法优于原自组织迁移算法和粒子群优化算法。

支持EJB动态分布的组件迁移模型与算法

Web应用服务器是Web计算环境下的新型中间件,为基于组件的分布式Web应用提供了基础运行平台.组件静态分布限制了事务性Web应用在运行期间适应执行环境变化的能力.为了满足Web应用的动态分布需求,Web应用服务器需在底层为组件提供一种动态迁移的能力.如何维持组件迁移前后的一致性是组件迁移中最棘手的问题之一.为解决此问题,定义了组件迁移一致性约束CMC(componentmigrationconstrains),并给出了在J2EE(Java2platformenterpriseedition)应用服务器中支持EJB(enterpriseJavaBean)动态分布的组件迁移模型和SLB_Copy,SFB_Copy,EB_Copy3个迁移算法.分析得出SLB_Copy,SFB_Copy和EB_Copy均满足CMC约束.迁移模型和算法已在自主研制的Web应用服务器WebFrame2.0中实现,并已应用到自适应负载平衡、失效恢复等多个方面.

一种新的全局优化搜索算法——人口迁移算法(I)

对函数全局优化和人口迁移的比较研究表明 ,两者存在相似之处 .文中通过模拟人口迁移机制建立了一种新的全局优化搜索算法———人口迁移算法 (PMA) .它模拟了人口随经济重心而转移、随人口压力增加而扩散的机制 ,前者促使算法选择较好的区域搜索 ,后者可在一定程度上避免陷入局部最优点 .数值实验表明了PMA的全局优化能力 .

基于反向学习的自组织迁移算法

为了解决自组织迁移算法存在的早期收敛问题,提出了基于反向学习的自组织迁移算法(Opposition-basedSelf-organizing Migrating Algorithm,OSOMA)。该算法利用反向学习机制扩展了个体的搜索方向,获得了更优秀的采样个体,使得算法在保持多样性的同时提高了收敛速度。此外,该算法还对步长进行自适应调整,进一步平衡了算法的勘探和开采能力。通过典型函数的测试证实了OSOMA的有效性。