略论骈散结合之美的生成依据

骈散结合之美的生成有其多方面的依据.先秦圣贤典籍中的骈散同辙,自然界和人类社会中的奇偶共存是骈散结合美生成的原始生发依据;文章写作论中讲究骈散并用是骈散结合美的理论生成依据;创作实践中的成败经验是骈散结合美的现实生成依据.     

基于演化算法的高校课程排课系统的研究与实现

提出了基于演化算法高校课程排课系统的方法,以课程为排课核心,以授课计划为排课依据,利用演化算法建立起有效地数据模型.通过实验验证,该算法能够结合高校实际情况,自动地找到了解决排课问题的模型,具有一定的通用性.     

Predicting future dynamics from short-term time series using an Anticipated Learning Machine

Predicting time series has significant practical applications over different disciplines. Here, we propose an Anticipated Learning Machine (ALM) to achieve precise future-state predictions based on short-term but high-dimensional data. From non-linear dynamical systems theory, we show that ALM can transform recent correlation/spatial information of high-dimensional variables into future dynamical/temporal information of any target variable, thereby overcoming the small-sample problem and achieving multistep-ahead predictions. Since the training samples generated from high-dimensional data also include information of the unknown future values of the target variable, it is called anticipated learning. Extensive experiments on real-world data demonstrate significantly superior performances of ALM over all of the existing 12 methods. In contrast to traditional statistics-based machine learning, ALM is based on non-linear dynamics, thus opening a new way for dynamics-based machine learning.     

常用数值并行算法的研究与应用

本文详细的介绍了MPI并行程序编程实现和设计方法,针对常用数值进行并行运算求解,主要是解决了如何用布尔积求幂矩阵判断各顶点之间是否可达,同时推算出经过多少（个顶点）条边才能到达这两个问题。最后对并行程序进行测试分析,并总结了本论文所做的工作中的经验与不足,并指出需要继续研究的问题。     

调水工程的水资源调度数字化动态能力模型与实践

为有效应对数字化背景下调水工程水资源调度面临的多情境多主体共生带来的挑战,促进实现调水工程的价值协同。首先通过构建水资源调度知识生态系统来分析数字化动态能力的内涵及特征。其次,面对水资源调度的常态及应急环境,从全生命周期视角打开数字化动态能力生成逻辑的“黑箱”,进而揭示其运行机理。最后,以南水北调中线干线工程进行验证,揭示调水工程通过数字化动态能力的演化达到水资源调度的层次协同、关系协同和生态系统协同,以此为调水工程内部数字能力与外部环境的匹配提出对策建议,为其他调水工程的智慧化建设提供参考。     

浅谈数控机床的国产化

我国从1958年开始发展数控技术,到现在已经建立了一定的规模体系.到目前为止我国数控市场大多被国外数控系统占领,本文主要讨论的是国产低价位数控机床、高速高效数控机床和重型数控机床如何占领国内市场.     

全渠道零售场景下配送车辆路径问题

为研究全渠道零售的配送系统对企业物流成本的影响,综合考虑时间窗、车型选择等因素,以运输成本最低为目标,建立高度协同的全渠道零售场景下的物流配送模型。该模型采用自适应遗传算法求解,利用MATLAB进行算例分析。结果显示:全渠道零售模式下的车辆调度方案能迅速响应消费者需求,与一般配送模式相比可以减少物流成本,优化车辆配置。与粒子群优化算法相比,自适应遗传算法的运行时间更短、优化结果更好,这验证了模型和算法的可行性和有效性。     

三自由度并联式波浪补偿平台建模与仿真

鉴于船舶在波浪中的六自由度运动中,其升沉、横摇和纵摇运动对船舶工作平台上的设备影响较大,设计一种三自由度并联式波浪补偿平台来减少这种影响。通过对平台进行运动学分析,得到平台的运动学模型。利用ADAMS和Simulink建立带有控制系统时间延迟参数的虚拟样机模型,依据平台的运动学模型设计对船舶运动进行补偿的控制策略,并利用虚拟样机进行仿真,验证平台机构和相应控制策略对船舶运动的补偿效果。结果表明:当控制系统的时间延迟参数取值为1 ms时,平台对船舶升沉、横摇和纵摇运动的补偿效果分别为88.81%、95.44%和91.97%;当控制系统的时间延迟参数取值为0.1 ms时,平台对船舶升沉、横摇和纵摇运动的补偿效果分别为96.04%、99.07%和97.65%。由此可见:平台对误差有一定的包容性;可利用具有船舶运动预测功能的算法为平台提供超前的船舶运动数据或者提高控制系统的实时性来提高补偿效果。     

基于DE-SVM的船舶航迹预测模型

为提高船舶航迹预测精度,解决准确建模难度大和神经网络易陷入局部最优的问题,考虑实时获取目标船AIS数据较少的特点,提出一种基于支持向量机(support vector machine,SVM)的航迹预测模型。选择AIS数据中的航速、航向和船舶经纬度作为样本特征变量;采用小波阈值去噪的方法处理训练数据;采用差分进化(differential evolution,DE)算法对模型内部参数寻优以提高模型收敛速度和预测精度。选取天津港实船某段航迹的AIS数据,比较基于DE-SVM与基于BP神经网络的航迹预测模型的仿真结果。结果表明,基于DE-SVM的航迹预测模型具有更高的预测精度,简单、可行、高效,且耗时少。     

一种基于聚类的云计算任务调度算法

任务调度是云计算中的一个关键问题.针对 Min-Min 算法负载不平衡的缺点,引入 K-means 聚类,提出一种基于 K-means 聚类和 Min-Min 的云计算任务调度的新算法.该算法采用 K-means 聚类方法依据任务长度对任务聚类进行预处理,然后根据 Min-Min 算法的机制进行任务调度.仿真结果表明,该算法具有较好的负载均衡性和系统性能.