基于表达式树的顺序柔性车间调度问题求解

为求解顺序柔性车间调度问题,提出一种表达式树结构的描述模型和一种工序顺序的随机生成方法,建立了以最大完工时间为优化目标的数学模型及其遗传算法求解流程;设计了相应的染色体编解码方法,并根据编码方式选择合适的遗传操作,该编码由0和1组成,描述形式简洁且任意形式均表示可行解。在不同规模及柔性指标的测试案例上进行实验,以平均解和标准差作为指标评价了模型的有效性。通过与无顺序柔性模型、随机顺序模型和柔性工序段模型对比,验证了表达式树模型的优化性能。

无表达式树的基因表达

传统基因表达式编程(GEP)进行基因表达时,动态生成释放大量表达式树(ET),成为GEP的性能瓶颈。提出基于Scale的基因表达算法解决此问题。Scale是一个约束线性表。由于Scale支持一次创建,永久使用,而无须更多维护。所以把基因表达至Scale中避免了ET的动态生成和释放。实验结果表明,在多数情况中,基于Scale的基因表达较基于ET的基因表达快6～10倍。

基于表达式树的Modelica单位检查和推导

为提高多领域物理系统统一建模中复杂模型的质量和可靠性,介绍Modelica对单位的支持方式以及单位之间的换算和运算规则,基于对表达式树的遍历,给出单位检查和推导机制的实现方案.通过分析该方案的时间复杂度,优化影响其效率的主要因素.在MWorks上实现该方案,并通过Modelica标准库中的模型证明该方案可行.

基于LINQ及表达式树的组合查询设计

对当前信息系统中应用动态拼接SQL语句、QueryObject模式等实现数据组合查询功能的主要方案进行比较,分析2种方案的不足及存在的问题,综合利用.NET环境下的LINQ、Lambda及表达式树等技术手段,结合策略模式,设计实现一个消除其他数据组合查询方案缺陷的简单、易扩展及能满足开闭原则的组合查询功能。该方案在云南省科技人才管理信息系统中实际应用,满足了科技人才管理人员对科技人才数据的各种组合查询需求。

编译程序中表达式树的应用

一、引言 任何一个高级语言程序都必须经过编译程序的翻译,变成计算机所能接受的机器语言程序,才能运行。在编译程序中最主要的工作就是对程序进行语法分析。 语法分析中对数学表达式的正确描述与分析是一个很突出的问题。

基于二叉树的算术表达式计算与实现

算术表达式、栈的操作、二叉树的遍历这几个概念是数据结构教学中的基本内容。算术表达式求值是程序设计语言编译中的一个最基本问题,也是栈应用的一个典型例子。在数据结构中没有解决表达式与二叉树之间的相互转换关系。本文旨在研究表达式向二叉树的转换,即扫描输入的算术表达式,生成表达式的二叉树,再以先序遍历此二叉树求取表达式的值。为由一种算术表达式得出后缀、前缀两种表达式提供了一种新思路;同时以更简便的方式实现了算术表达式、二叉树这两者之间的转换。

表达式与二叉树的相互转换

数学表达式、栈的操作、二又树的遍历，这几个概念在数据结构的教材中是不可缺少的。数学表达式求值是程序设计语言编译中的一个最基本问题，也是栈应用的一个典型例子，用它来研制出各种类型的电子计算器（前缀计算器、中缀计算器（常见的计算器）、后缀计算器）。在数据结构中没有解决表达式与二又树之间的相互转换关系，也就是说不能由一种表达式迅速地得到另外的两种表达式，也就难于解决其他两种计算器的研制过程。本文旨在研究表达式与二叉树间的相互转换关系，便于由一种表达式（或表达式树）迅速求出其他的表达式，再通过栈的应用（操作）研制出三种不同的计算器（栈的应用在数据结构的教材中都有，在此文中不予介绍）。

基于树表达式的XML文档规范化算法

XML(eXtensible Markup Language)文档中冗余信息易导致数据更新及删除的异常,在XML文档树基础上,定义了一种数据结构,即树表达式;修正了已有的XML多值依赖的定义,提出了基于树表达式的规范化算法;从而保证了在多值依赖存在的情况下,XML文档可达到4XNF.

基于K-表达式长度的改进GEP算法研究

在基因表达式编程中,个体适应值的计算是频繁发生的操作,要动态生成和遍历大量的树,成为影响GEP算法效率的瓶颈.为此,提出了基于K-表达式长度快速求适应值的KLCF算法,实验表明KLCF算法简单有效且大大缩短演化时间;同时也提出了改进的基因表达式算法KL-GEP,实验表明,KL-GEP与GP和GEP相比,具有更高的拟合和预测精度、更快的收敛速度.

面向联机手写数学表达式的实时识别方法

数学表达式识别一般分为字符识别和结构分析两部分,而且大多数现有的方法是先进行字符识别然后将字符识别的结果作为结构分析的输入再进行结构分析,在这种分步识别的过程中,字符识别的错误会被继承到结构分析阶段,最终导致识别错误。关于数学表达式结构分析的问题,现有的方法大多是在假设所有的符号已经识别的基础上进行的。为了解决上述问题,提出了一种实时识别联机手写数学表达式的方法。该方法基于字符识别和结构分析的结合,动态地构建一棵数学表达式结构树来识别该数学表达式。在构建数学表达式树的过程中,采用了影响区域定位的方法,免去了其他不受影响区域的重复识别过程,因而提高了再次识别的效率,同时还弥补了现有实时识别方法不能乱序输入的缺陷。实验结果表明提出的方法可以得到比较满意的识别结果。

模糊树语言与模糊树文法的等价性

考虑采用正则表达式,有限自动机和文法来描述,提出了模糊树正则表达式的概念,得到了模糊树正则语言的可识别性,并证明了模糊树语言是正则的充分必要条件,这为进一步讨论模糊树自动机奠定了基础.

LDecode：具有线性复杂度的GEP适应度评价算法

基因表达式编程（Cene Expression Programming，GEP）在处理复杂长基因时的空间、时间效率较低，为解决这一问题，提出并实现了具有线性复杂度的染色体适应度评价算法。分析了传统CEP算法中借助ET（Expression Tree）树进行染色体适应度评价的局限性；提出并实现了具有线性复杂度的染色体适应度评价算法LDeeode算法；针对染色体长度、种群大小、测试数据集大小、进化代数等不同参数，对提出的染色体适应度评价算法进行了评价和分析。试验表明，提出的评价算法运行速度较传统基于ET树的GEP提高了4．5～5．1倍，时间、空间复杂度均为O（n）。

GEP表现型的两个上界约束定理及算法

经典基因表达式编程(GEP)的基因解释基于表现型表达式树,面临离散型表达式树存储的数据结构选择和预定义存储空间大小的问题,本文通过定义GEP表达式树的高度和宽度,提出确定基因头部长度下GEP的表现型表达式树高度和宽度的上界约束定理,给出严谨的数学证明,定理对"广度优先"和"深度优先"建树原则都成立,可根据上界约束定理声明定义相关数据结构的空间大小,做到科学分配存储空间。设计使用面向对象编程语言的对象数组表达表达式树,并给出了"构建表达式树"及"后序遍历解析表达式树"的经典GEP解码算法。

基于GEP的乳腺癌诊断问题

针对具体的乳腺癌诊断分类问题,提出一种基于GEP的乳腺癌诊断问题的方法。该方法随机产生初始群体,对染色体进行表达式树解释,有明确的适应度函数。针对乳腺癌的特点设计了有效的终点属性,达到诊断的要求。仿真结果表明,该算法效果较好,具有较高的精度,是有效可行的。

一种可重构硬件元构件的构造及编码方案

为降低复杂硬件系统自适应重构中基因组的复杂度,提高大规模电路的进化效率,提出一种可重构硬件元构件的构造及编码方案。设计可屏蔽底层硬件体差异的元构件构造方法,并利用基因表达式树对元构件进行编码,给出元构件间最短连接问题的理论求解算法,为网络交换设备硬件构件的实时重构提供新的理论参考。

基于BPF模型的包捕获与过滤机制的研究及应用

通过对网络监听原理、BPF工作过程以及BPF过滤模式的分析,阐述运用BPF在实时操作系统vxWorks环境下实现网络监听与包过滤技术的具体方法,同时对其过滤性能给出了评测。

网络安全系统中的快速规则匹配

随着网络攻击的增多,各类安全系统被广泛应用,其关键和核心是规则匹配。加速规则匹配可以提高系统性能,使其适应更高速网络和更严格环境。介绍和分析了现有的两种主要规则匹配算法:布尔表达式树和有向无环控制流图,提出了一种快速规则匹配算法。该算法先对有向无环控制流图进行等价变换,再在此基础上进行概率优化和改进,通过调整规则内部的逻辑表示结构,使得规则的结构转换速度和计算速度都得到明显的提高。经过测试比较,该算法能有效缩短匹配时间,改善系统性能。

自动数学应用题解算器研究综述

从2个层面综述近年来自动数学应用题解算器的相关研究.首先,从数据准备层面总结应用于解算器设计的数据集的特征,以及数学应用题的自动生成方法;其次,从数学应用题解算方法层面分类介绍解算器模型,包括基于模板匹配的方法、基于统计分类的方法、基于树或图的图形方法和基于深度学习框架的方法,并分析了各类型的核心算法及性能,此外,介绍了解算器性能的评估策略;最后,指出目前研究存在的问题并对该领域的发展提出了可能的研究方向.

指令调度和寄存器分配的集成算法

指令调度对于充分发挥现代高性能RISC(reducedinstructionsetcomputer)处理器的指令级并行处理能力至关重要。基于扩展的装入延时体系结构模型,提出了在代码生成过程中针对表达式树的森林的局部寄存器分配和局部指令调度的集成算法。此算法以DLS(delayed-loadschedulingalgorithm)算法为基础,在保持了使用寄存器少,算法复杂度低的特点的同时,还为适应新的模型和提高效率做了以下扩展:1)通过记录变量内存值的改变信息,设置调度缓冲区解决了多表达式树指令调度的数据相关性问题;2)将调度范围由单个表达式树扩展到森林更有效地减少指令延时;3)通过对调度生成的指令序列的局部调整来处理store延时,有效地减少了由于共享资源而引起的互锁。

基于重引力搜索和深度学习的图像表情识别研究

传统表情识别技术采用单一类型的特征表示方法,由于每个特征类型对不同数据集的表示效果存在差异,导致传统技术对不同数据集的表情识别效果也存在较大的差异。设计一种多类型混合特征的选择方案,用以提高不同数据集的表情识别准确率。将面部不同区域、不同类型的特征集作为基础特征集,利用重引力搜索算法从基础特征集中选择优化的特征子集。将优化的特征子集输入深度信念网络进行训练和半监督学习,采用训练的网络模型对表情进行识别。实验结果表明,在不同数据集条件下,采用该方法均能够保持较高的识别准确率。