企业簇群、竞争优势与企业竞争战略

竞争力是竞争优势和竞争战略的逻辑起点 ,动态地考察企业竞争力的来源有利于科学地把握企业簇群的竞争力和竞争优势的形成机制。企业簇群能够通过地理集中、产业组织优化和群体协同效应获得竞争力和竞争优势的提升 ,但只有确立企业竞争战略观 ,才能使企业持续地获得和保持竞争优势     

基于便利因子分簇路由优化算法

为了达到进一步节省传感器网络中能量的目的,在CABCF(a cluster algorithm based on communication facility)算法的基础上,考虑簇的大小对无线传感器路由算法的影响,对基于便利因子分簇路由算法(CABCF)进行了优化研究,提出了进一步优化的算法(CABCF-DCS:a cluster algorithm based on communication facility with deterministic cluster-size),并通过仿真比较证明了该算法的有效性.     

基于混合遗传算法在测试用例生成中的研究

采用智能优化算法求解测试用例生成问题是软件测试自动化领域的研究热点。针对标准遗传算法在测试用例生成中的不足,提出基于混合遗传算法的生成方法。该算法结合分支覆盖和路径覆盖两个指标对适应度函数进行优化设计,以加快数据的优化过程。通过调节因子对自适应的交叉和变异算子进行改进,并引入模拟退火机制,提高算法的局部搜索能力。实验表明,该算法在测试用例生成中的求解质量和运行效率均优于标准遗传算法。     

无线传感器网络中的分簇算法

路由协议是无线传感器网的关键技术之一,它的性能影响着整个网络的性能,分簇路由协议具有可扩展性好,能量高效而成为研究热点。本文在分析和研究主要的分簇路由算法的基础上,提出了今后研究的方向和内容。     

基于极值组合的分段PSO算法改进

本文根据极值组合原理,结合粒子群(PSO)算法的本身特性,提出一种基于极值组合的分段PSO算法DPSOE(Division Particle Swarm Opti mum Base on Extremum Element As-sembling),并通过实验证明这种算法在函数优化时能有效避免陷入局部最小,且算法效率较高。     

基于改进PSO算法的电力系统无功优化

本文采用的无功优化数学模型虑了系统的实际约束条件和无功调节手段,能够准确直观地反映电力系统无功优化的实际问题。在此基础上对基于粒子群算法的无功优化作了深入的研究,尝试利用粒子群优化算法对无功优化问题进行求解。对常规粒子群算法的搜索策略进行了改进,对约束条件、离散变量都采取了一定的改进处理措施。以IEEE-6节点系统为例进行了仿真计算,验证了本文模型和算法的正确性、适用性和经济性。     

一种测试用例集最小化生成算法研究及应用

测试用例的数量和质量决定软件测试的成本和有效性。在G算法和H算法的基础上,引入测试用例-测试需求映射关系重要性度的概念,本文提出了一种测试用例集最小化生成算法。该算法用于简化三角形分类程序的测试用例集,简化后的测试用例集是最小的测试用例集。实例分析证明该算法是有正确、有效的。     

基于节点位置信息的改进型LEACH分簇算法研究

本文研究了一种基于节点位置信息的改进型LEACH无线传感器网络分簇算法,通过决策支持机制,利用传感器节点的位置信息进行分簇.该算法有效地减少了路由消耗,同时平衡节点间的能量使用,控制节点能耗,延长网络生存时间.     

用于测试用例自动生成的遗传算法改进

探讨遗传算法的基本准则及其在软件测试中的应用,在此基础上对遗传算法进行改进。针对基本遗传算法中选择算子、交叉算子、突变算子的不确定性,以及容易陷入局部最优解和停滞的问题,提出SO、SACO、SCAMO算法。对改进的遗传算法和基础遗传算法进行比较。实验结果表明,改进的遗传算法比基础遗传算法自动生成测试用例的时间更短、效率更优。     

基于PSO优化的灰色神经网络预测算法的研究

由于灰色神经网络随机初始化网络的参数在使用灰色神经网络预测模型时,经常会出现在进化过程中陷入局部最优值和预测精度较低等问题.因此,提出采用粒子群优化(PSO)算法优化灰色神经网络的初始参数,建立了基于粒子群优化灰色神经网络的预测模型.使得在预测性能的稳定性上,明显优于单纯使用灰色神经网络模型.通过实验,对比分析了BP神经网络、灰色神经网络和PSO优化的灰色神经网络三种预测模型,结果验证了所提模型的有效性,从而进一步提高了灰色神经网络预测模型的精确度.     

基于PSO自动确定聚类数目的FCM算法

模糊C均值聚类是聚类分析中应用最广泛的算法之一,但是聚类数目需要人为预先设定,在实际应用中有极大的局限性。提出一种自动确定聚类数目的基于粒子群的模糊C均值聚类算法,通过对不同聚类数目进行试验,利用添加粒子阈值向量自动确定最佳的聚类数目。在预设的最大聚类数目内随机分割数据集,利用重构准则重新构建初始值,以此克服需要事先设置聚类数目的模糊C均值缺点。利用有效性函数评估算法性能,试验结果表明,该算法能自动找到最优聚类数目,聚类效果很好。     

产业簇群与我国民营外贸竞争优势研究

我国民营企业对外贸易快速增长,入世以来,其增幅超过了国有企业甚至外资企业。但从所占比重看还很不够。民营企业对外贸易发展过程中仍存在种种制约因素。文章运用相关国际贸易理论特别是产业簇群理论,从民营企业发展现状、制约因素等方面分析了产业簇群与我国民营企业对外贸易竞争优势的获得,提出搞好产业簇群建设是形成我国民营企业对外贸易竞争优势的重要途径。     

基于改进PSO算法的酒精发酵过程补料优化

针对基本粒子群优化算法存在的早熟收敛问题,提出了一种保持粒子活性的改进PSO算法:当粒子失活时,对粒子进行变异或扰动操作,重新激活粒子,使粒子能够有效地进行全局和局部搜索,并将改进的PSO算法应用到酒精流加发酵过程的补料优化。实验结果表明,运用改进的PSO算法在进行流加发酵过程的补料优化时,它的寻优性能良好,而且寻优速度很快,可以提高最终产物14%的产量。     

基于蚁群算法UML活动图的测试用例生成研究

为了节约软件测试成本,减少测试用例数量,提出了一种利用蚁群算法直接从UML活动图中生成测试用例的方法。通过对UML活动图和蚁群算法进行形式化规约,构造人工蚁群,然后依据DFS遍历由UML活动图转化的有向连通图G,最后生成测试用例。通过仿真模拟,对提出的方法进行验证以及对实验结果进行分析,证明了该算法的可行性和有效性。     

负载均衡的异构传感器网络分簇路由算法研究

有限的能量资源是无线传感器网络（WSNs）广泛应用的主要限制之一。为了最大化整个网络的生存时间,需要优化无线传感器网络中节点的能量消耗。协议使用的无线传感器网络模型包含两种节点：普通节点和能量较高的高级节点。算法中综合考虑了节点当前剩余能量、网络中平均能量、簇头到基站的距离和节点类型等因素,设计了一种适合于异构无线传感器网络路由协议（HCEEC）。在该协议中,基站在对应的区域中选择能量更大、更加靠近基站的节点作为簇头来搜集本区域内的信息,簇头节点对本簇内的信息进行融合之后发送至基站节点。实验表明,该算法能够更好地综合网络中能量的负载、提高网络吞吐量和延长网络生存时间。     

基于最低能耗的改进LEACH分簇算法

针对LEACH（Low Energy Adaptive Clustering Hierarchy）算法中的随机分簇和簇头能耗不均问题,提出一种基于最低能耗的改进LEACH分簇算法MEC-LEACH（Minimum Energy Consumption based LEACH）。MEC-LEACH分簇算法通过最小化网络能耗得出最优簇头数,同时引入簇头的剩余能量和簇头距离sink节点的远近等因素综合选举簇头节点,使得剩余能量较大且距离sink较近的节点优先成为簇头节点,进而均衡簇头节点和网络总的能耗。仿真实验表明,MEC-LEACH算法相比其它改进算法可以有效降低网络能耗,延长网络生存时间。     

基于分簇的无线传感器网络设计

无线传感器网络是由部署在监测区域内大量的廉价微型传感器结点组成,存在传感器节点密度高、网络拓扑变化频繁以及节点的功率、计算能力和数据存储能力有限等不足。介绍了基于分簇结构的两层无线传感器网络实现远程监测的软件与硬件总体设计方法。     

模型检查在测试用例生成中的应用

按照存在量词公式的证据是全称量词公式的反例的特性,通过考察时态逻辑算子,用模型检查的反例生成机制对测试用例生成技术进行研究．然后把模型检查的算法引入到软件测试领域,寻找验证的路径,生成测试用例,据此对系统进行测试．通过实例说明了测试用例的具体实现过程．     

基于改进PSO的多传感器数据自适应加权融合算法

加权融合算法是多传感器数据融合中的常用方法,但加权因子的确定非常困难并直接影响算法的性能.文章提出利用改进的粒子群优化算法对各个传感器的加权因子进行自适应优化,引入种群进化度、聚合度来反映种群的多样性,当种群多样性低于阈值时执行变异操作,并交替使用基于聚合度、进化度的自适应惯性权重函数,从而避免算法陷入局部最优解.通过UCI数据集测例表明本文算法是一种较有效的多传感器数据融合方法,相对其它算法具有较高的融合精度.     

一种基于非均匀分簇的无线传感器能量优化方法

首先,进行簇首定位选择;其次,对能量优化模型进行数值计算并求解最优值;最后,通过实验与低能耗自适应分簇方法和能量高效的非均匀分簇方法进行理论上验证,表明了该方法得到很好地能量优化.从而将该方法应用到实际网络中进行仿真,结果同样表明了该方法可以延长网络的生存周期.