社会力模型是人群运动仿真中的经典模型,该模型将行人的主观意愿和行人之间的相互影响等都通过“力”的形式来表达,模型简洁且易于解释,但是影响行人运动的因素是多方面的,原始社会力模型中自驱力和社会心理力的计算存在不足。为了使模型能够仿真出真实的运动过程,研究者们对社会力模型进行了改进。文中主要研究了人群疏散过程中的主体:行人。从行人特征和行人角色两个方面对行人进行建模,其中行人特征包括行人之间的亲疏关系、行人性格以及个体情绪,不同亲密程度的行人之间的干扰程度不同,而行人情绪也会影响行人的判断;行人角色方面考虑了领导者和普通行人,分析了不同行人角色对疏散过程的影响,领导者可以帮助普通行人疏散。通过人群自组织仿真实验,验证了改进模型能够仿真出真实的人群疏散状况,保留原模型的优势。同时,统计了4种仿真模型下人群的疏散效率和出口利用率,对实验数据中的均值和分布情况进行了分析。实验结果表明,导致行人疏散时间过长的主要原因是寻找出口耗时过长以及出口利用率不平衡。一般情况下,行人特征和领导者角色对行人疏散效率有积极影响,行人特征可以加快行人聚集以及优化行人期望速度,而领导者角色在帮助行人寻找出口的基础上,平衡了行人对出口的利用,保证了各出口疏散人数基本相同。

基于不同硬件设备的算子加速库已经成为深度学习框架不可或缺的一部分,能够为大规模训练或者推理任务提供数倍的性能加速。当前的主流算子库都是基于GPU架构开发的,与其他异构设计并不兼容; SWDNN算子库是基于申威26010开发的,无法充分发挥升级后的申威26010 pro处理器的性能,也不能满足当前GPT-3等大型神经网络模型对大容量内存和高访存带宽的需求。文中面向申威26010 pro处理器体系结构的特点和大型神经网络模型的训练需求,提出了基于多核组的三级并行和神经网络算子任务调度方案,在满足大型模型训练内存需求的同时,提高了并行效率和整体计算性能;提出了三级异步流水机制和计算访存重叠的访存优化方法,显著缓解了神经网络算子的访存性能瓶颈。基于以上方法,文中构建了基于申威26010 pro处理器的SWTensor多核组算子加速库,在自然语言处理模型GPT-2上进行了实验,结果表明,其典型计算密集型算子和访存密集型算子在单精度浮点计算性能和访存带宽上分别达到了理论峰值的90.4%和88.7%。

Stencil(模版计算)是一类常见的循环嵌套计算模式,被广泛应用于计算电磁、天气模拟、地球物理、海洋模拟等许多科学和工程模拟应用中。随着现代处理器体系结构的发展,多核和多层存储层次不断加深,研究并行性和局部性成为了提高程序运行速度的主要途径。分块是开发数据局部性和程序并行性的主要技术之一,目前,针对Stencil已提出了大量高效分块和向量化方法,但大多局限于具有较高并行度的Jacobi 类型的Stencil。Gauss-Seidel Stencil具有更优的收敛速度,被广泛应用于多重网格的计算中。这类Stencil的数据依赖更为复杂,文中面向红黑排序的Gauss-Seidel Stencil设计了一种并行分块和向量化算法,提升了Gauss-Seidel Stencil的数据局部性、中粒度多核并行性以及核内细粒度并行性。实验结果证实了本文方案的有效性。

城市内河周边环境常常受到破坏和污染,如何有效地对河道进行监测逐渐引起公众、政府和学术界的关注。目前传统的监测方式存在成本高昂、覆盖面不足等缺陷。鉴于智能移动设备的不断普及,文中提出利用群智感知来高效监测河道环境的新思路。该问题可描述为假定每一河段附近有c个位置点可监测该河段,然后根据大量用户的移动轨迹选择出其中r个用户来共同完成s个时段对所有河段的监测。文中规定用户数r越小,监测成本越少。设计了逐步贪心策略、全局贪心策略和整数规划策略用于解决该问题,即选择最少参与者达到“s时长-c范围-r用户”的监测目标。将上述策略应用于福州市台江区部分河道的环境监测,实验结果表明,上述策略均能获得比随机策略更好的解,其中整数规划策略的表现最好。但是,随着问题规模的变大,解决小规模整数规划的隐枚举算法会出现无法求解的情况,因此提出了基于贪心初始化的离散粒子群算法(Greedy Initialization-Discrete Particle Swarm Optimization,GI-DPSO)。虽然该算法可以求解大规模整数规划,但计算费时。综合考虑监测成本和计算代价,建议对小规模问题采用整数规划策略,对大规模问题采用全局贪心策略。

近年来,我国虚拟现实技术随着5G技术、传感器技术以及民用图形处理器的发展而快速发展,教育、交通、商业、娱乐、工业等领域对虚拟现实的需求与日俱增。虚拟现实技术是一门崭新的综合性信息技术,其中的定位技术是决定用户沉浸感和交互感的关键技术,是虚拟现实技术的重要依托。因此,需要着重对虚拟现实技术的定位技术进行总结。首先介绍了虚拟现实和定位技术;其次详细分析对比了目前虚拟现实系统中使用的典型定位技术,介绍了这些技术的原理、相关研究成果以及它们在虚拟现实中具体的运用场景;然后介绍了目前市场上主流的虚拟现实定位设备,继而讨论了虚拟现实定位技术使用的定位算法;最后介绍了虚拟现实定位技术目前存在的问题和今后的发展方向。

作为一种新兴的虚拟化技术,容器能够以低廉的资源开销为应用程序和服务提供隔离的运行环境,近年来在持续集成和持续部署、自动化测试、微服务等多种业务场景中获得了广泛应用。在科学计算领域,容器技术的应用也正获得越来越多的关注。借助自身的打包能力及日益壮大的生态系统,容器技术有望为科学计算领域的生产力提升提供助力。文中对容器技术在科学计算中的应用现状进行了调研分析,并根据现有的应用实例讨论了在科学计算中使用容器及相关技术的多种方式。对不同应用模式的分析研究表明,通过提升应用程序的可移植性、改善研究的可重复性、提供非传统应用部署方案、简化云资源调度管理等多种方式,容器及相关技术可以为科学计算领域带来多方面的效率提升。

下一代测序技术(Next Generation Sequencing,NGS)以其低成本、超高通量的特性,显著推动着宏基因组学的发展,同时也为领域内科研人员带来了巨大的挑战。随之而来的大规模、高复杂度测序数据,让研究人员在处理过程中面临诸多困难:一方面,大规模测序数据的分析消耗资源,如硬件资源、时间成本等;另一方面,计算分析过程中必然涉及到的大量宏基因组学计算分析工具很难由普通使用者自行部署、调试与维护。文中对比了领域内主流的宏基因组学计算平台,综合分析了各平台主要的优势与不足;进一步结合当前有效的计算服务技术,构建完成了一个专注于宏基因组学计算分析的高可用弹性宏基因组学计算平台MWS-MGA(More than a Web Service for Metagenomic Analysis);并通过提供多种交互接入方式以及丰富灵活的计算工具,较大程度地降低了科研人员进行宏基因组学NGS数据分析的科研门槛。

场景识别是普适计算中的一项重要研究内容,旨在通过识别智能手机用户所在位置的场景,为用户提供精准的个性化服务并提升服务的质量。在实际环境中,精确的场景识别存在两个问题:(1)基于单模传感器数据或无线信号数据的分类效果不佳、普适性不足;(2)场景识别的精度需要依赖大量标定数据,导致成本较高。针对这些问题,提出一种基于多模融合的半监督场景识别方法,该方法充分利用Wi-Fi、蓝牙和传感器的多模特征来提高识别精度。相比基于单模数据的识别,融合特征将静态场景的分类精度提升了10%,并且本文通过构建半监督的学习方法解决了动态场景中数据采集成本高的问题,在将标定数据量减少一半的基础上将识别精度提高至90%以上。实验数据表明,在利用Wi-Fi、蓝牙、传感器的互补优势的基础上,引入半监督的学习方法能够提升场景识别的精确度且降低在某些场景下采集数据的成本,从而有效地提升了场景识别的精度和普适性。

随着蛋白质组学的发展,研究者们开始聚焦于人类的全部蛋白质相互作用(Protein-Protein Interaction,PPI)网络的建立,质谱分析技术已成为预测蛋白质相互作用的代表方法。质谱技术是构建蛋白质相互作用网络的主要实验手段之一,基于质谱技术产生了大量的蛋白质纯化数据,如AP-MS数据和PCP-MS数据等。这些数据为PPI网络的构建提供了重要的数据支持,但是通过人工的手段来构建PPI网络不仅低效,而且很不现实。因此,面向PCP-MS数据的网络推断算法是生物信息学研究的一个热点问题。文中针对一类主流的质谱(PCP-MS)数据的PPI网络构建算法问题开展研究,从解决目前存在的瓶颈问题出发,达到构建高质量PPI网络的目的。现有的面向PCP-MS数据的PPI网络推断算法的研究还处于初级阶段,相关方法较少。同时,算法结果的质量还存在着一些问题:1)很多错误的相互作用被包含在不同的推断算法结果中,同时一些正确的相互作用在结果中被遗漏;2)不同的推断算法在同一数据集上的表现差异较大;3)对于不同的数据集,同一算法表现性能的波动方差较大。因此,为了从PCP-MS数据中推断出结构可靠、质量较高的PPI网络,文中提出一种基于相关性分析与排序整合的PPI评分方法。该方法基于无监督学习,包括以下两个步骤:1)计算蛋白质之间的相关系数,得到多组相关性结果;2)采用排序整合的方法对多组结果进行整合,得到整合后的PPI分数。实验结果表明,所提方法在不使用参考标准的情况下,可以达到与有监督学习方法接近的结果。

重叠社团检测一直是复杂网络研究领域的重点和难点。由于真实网络普遍存在层次结构,结合层次性的重叠社团检测方法将更适用于现实世界复杂网络的研究分析,但目前这类方法的研究还比较少。因此,在定义复杂网络节点领导度、从属度概念的基础上,结合网络层次性建立数学模型,提出了新颖的从属度树检测重叠社团算法。该算法根据从属度值建立从属度树,通过划分树发现重叠节点和重叠社团。在人工网络实验中证明了从属度树算法可以结合层次性发现重叠节点,在Dolphin网络和Karate网络上的实验验证了其检测重叠社团结果的可靠性。与已有一些算法比较的结果表明,从属度树算法能找到其他算法不能找到的重叠节点,以扩展模块度和实际社团结构作为从属度树算法划分重叠社团结果的评价指标。新算法的扩展模块度值大于对比算法,社团划分结果更接近实际社团结构。

针对染病个体具有不同传染率的现象,基于复杂网络中的基本SIR传染病模型,提出了一种具有两种传染率且存在转移概率的传染病模型。根据地方病平衡点的存在性,求出了基本再生数R₀。在此模型上,分析了随机免疫和目标免疫两种常见免疫策略。通过仿真模拟发现:在同等条件下,R₀>1时,疾病在异质网络中比在同质网络中传播速度更快,范围更广;R₀<1时,网络结构对疾病传播的影响不大。进一步研究得出:网络中初始染病节点度的越大,疾病传播速度越快且感染峰值越大;初始染病节点的接近度中心性越大,疾病传播速度越快且范围更广;点集聚系数对传播过程的影响不大;基本再生数R₀随转移概率的增大而减小,增大转移概率能有效减少疾病的传播;在平均免疫率相同的情况下,目标免疫比随机免疫更有效。

在业务流程优化过程中,从非频繁行为中挖掘隐变迁是重要任务之一。从非频繁行为中挖掘隐变迁,能够更好地还原流程模型,提高流程的运行效率。文中依据行为轮廓的理论,在频率较高的日志中进行挖掘以获得初始模型。首先利用合理性阈值对事件日志进行过滤,得到有效的低频序列日志;其次利用低频序列日志优化初始模型,通过对各活动间行为轮廓关系与源模型的对比,来找到变化的区域,将可能存在的隐变迁挖掘出来;然后通过优化指标对挖掘到的隐变迁进行进一步验证,从而得到完整的含隐变迁的过程模型;最后通过具体的事例以及仿真对所构建的模型进行分析,并验证该方法的有效性。

人数识别即是对一定区域内活动人数的监测计数,在人群控制、流量监管等方面有着重要应用。例如,在百货商场或者机场中,对排队人数或者服务区休息人数进行估计可以为提升服务质量做出贡献。目前,研究人员已提出了一些基于摄像头和可穿戴设备的人数识别方法,但是这些方案均存在一些不足,例如摄像头只能提供可视范围内的监控,可穿戴设备需要被监控对象有意识地穿戴。也有一些学者利用雷达相关技术实现了穿墙式感知识别,但是这类系统设计复杂,应用成本较高,多用于军事领域。文中提出了一种基于WiFi信号的室内人数识别方案WiCount,其利用信道状态信息(Channel State Information,CSI)的幅值波动来刻画室内人数的变化,利用机器学习算法实现对人的计数。WiCount旨在进行更细粒度的室内人数识别,即人在室内任意位置时该方法均能准确识别人数。它根据室内人数与CSI幅值变化的关系,提取了有效的数学特征,减弱了相同人数在室内不同位置所产生的CSI幅值波动差异,然后通过训练3种分类器(SVM、KNN、BP神经网络)来识别监测区域内的人数。在实验室和会议室分别部署了验证系统,结果显示,在人数规模较小的情况下,所提方法的识别效果良好。其中,实验室环境下,不超过4人时,系统的识别率达90%;会议室环境下,不超过2人,在监测区域内任意位置活动时,系统的识别率可达89.58%。

随着无线通信技术的飞速发展,Wi-Fi已被广泛应用于公共和私人领域。基于无线技术的非入侵式呼吸检测技术在智能家居领域有着广阔的应用前景。针对现有的解决方案难以解释不同场景下存在的巨大性能差异,文中在自由空间中引入菲涅耳区刃形绕射模型,设计了一种基于Wi-Fi信号的免训练呼吸检测方案。首先,通过菲涅耳区刃形绕射模型,在室内环境中验证了Wi-Fi信号的衍射传播特性;其次,研究了人体呼吸对接收端Wi-Fi信号的影响,并量化了衍射增益与人体呼吸时微小胸腔位移之间的关系,不仅解释了可以使用Wi-Fi设备检测到人体呼吸的原理,还论证了在哪些位置更容易检测到呼吸;最后,通过快速傅里叶变换(FFT)从接收信号强度(RSS)中估计呼吸速率。利用所提算法,可以清楚地知道呼吸检测的好位置和坏位置的分布,并且对于好的位置来说,平均呼吸估计的准确率可达93.8%。实验结果证明了仅使用一对收发器便可使厘米尺度的呼吸感知成为可能,并有望通过普及的Wi-Fi基础设施提供一种无处不在的呼吸检测方案。

资源调度是云计算的核心问题之一,调度算法的好坏直接影响着系统的处理能力。生物群体智能算法是一类模仿群体生物在自然界进化过程中表现出的群体智能性的算法,具有良好的协调性和整体稳定性。将菌群觅食算法应用到云计算资源调度的计算方法中,可以利用菌群算法对节点进行复制和消亡,对云计算资源调度节点的分配情况进行控制。针对传统菌群算法中随机选择趋化过程所造成的资源变化区间过大的问题,文中提出了改进的基于群体感应交流机制的细菌觅食CBFO优化算法和在群体协作过程中引入细菌趋化动作的MPSOBS优化算法,根据节点周围的节点情况和整个菌群的情况选取趋化因子,使趋化的过程更加准确。仿真实验结果表明,所提算法在任务的执行时间、系统负载均衡和资源服务质量方面均优于BFO算法,在提高资源利用率的同时能保证云应用的服务质量。

在实例密集型和开放的云环境下,工作流调度通常面临着廉价和优质资源被频繁调用的问题,导致调度效率低下,云环境稳定性遭到破坏。此外,区别于一般的任务调度,工作流任务之间通常具有关联依赖性,极大地提高了任务分配的复杂度。针对目前大多数云工作流调度中存在虚拟机间负载不均衡的现象,首先提出一种工作流分层调度模型,按任务优先级进行层级划分,将优先级相近且相互独立的任务置于同一层级,通过分层执行任务来有效缓解虚拟机的负载压力。其次,基于混合蛙跳算法进行改进,采用时间贪心算法来优化初始种群,以提高搜索效率;并增加对局部最优个体的重建策略来跳出局部最优,增强全局搜索能力。最后,将改进后的混合蛙跳算法(ISFLA)应用于云工作流调度,通过WorkflowSim仿真平台来模拟工作流调度的真实场景,并将改进后的混合蛙跳算法与传统的混合蛙跳算法及粒子群算法进行对比,从负载均衡度、工作流整体完成时间和搜索效率3个方面进行评价。实验结果表明,在迭代相同次数后,ISFLA的负载均衡度最优,并且随着任务数的增加,其值最先趋于稳定;同时,在工作流整体完成时间上,ISFLA也显著低于其他算法;在搜索效率方面,由于使用贪心算法提高了初始种群质量,ISFLA的搜索耗时大幅缩短。

滚动轴承是旋转机械结构中常用的零件,如果发生故障,会造成极大的危害。随着大数据时代的到来,现代智能诊断方法已被广泛应用到轴承故障诊断中。针对目前智能诊断方法存在的问题,将统计模型引入轴承故障诊断中,提出了基于变分贝叶斯的轴承故障诊断方法。该方法对轴承振动信号进行局部特征尺度分解,得到若干个内禀尺度分量,并分别提取时域特征组成特征集,使用特征集训练产生基于变分贝叶斯的混合多维高斯分布模型,通过计算不同轴承故障的概率实现故障诊断。实验结果表明,所提方法的诊断正确率达到99.6%,与基于支持向量机的轴承诊断方法相比,在所组成的特征集上诊断正确率最高提升了39.6%。文中提出的方法能够全面且有效地诊断滚动轴承故障,对高维复杂的故障数据也有很好的诊断效果。

在基于ADMM的线性规划译码中,待投影向量向校验多胞体进行欧几里得投影计算是最复杂和耗时的部分。基于查找表的ADMM-LDPC译码算法通过简单的查表操作来替代复杂的投影运算,简化了投影过程,提升了算法的效率,但消耗了大量的内存资源。之后研究者提出了非均匀量化方法,该方法虽然极大地减少了内存消耗,但是所采用的量化方案的计算复杂度较高,从而使得该方法在量化段数较多的条件下难以实现。针对该问题,文中提出了一种新的非均匀量化方法。首先,针对不同的码字,在不同信噪比条件下,通过实验统计待投影向量中元素的分布特性,探究其分布规律,并设计相应的函数作为量化映射关系;然后,采用差分进化算法对函数的参数进行优化,从而得出在该函数下的最优量化方案,最终确定量化函数。仿真实验表明:与已有的量化方法相比,文中设计的非均匀量化方法具有不受量化段数、精度等因素影响的优点;且针对不同的码字,所提方法在高信噪比下均能达到0.05dB左右的性能增益。

随着企业的发展,系统产生并记录的日志越来越多,从繁琐复杂的日志中挖掘块结构的过程变得更加具有挑战性。文中提出了纵向划分日志的方法,该方法极大地减少了每个日志划分的实例数,并缩短了每条迹的长度。该方法被用来处理复杂日志,并从中挖掘出精确的模型。日志划分的基础是活动划分。首先,基于行为关联的思想,提出共同变迁的概念,实现相互关联活动的聚集划分。然后,从日志所含共同变迁的数量的角度出发,用相互区别但又相互交错的方法划分活动集,从而实现模块和日志的划分。所提出的模块和日志划分方法可以迭代进行,直到日志划分得足够简单为止。最后,从每个划分后的简单日志中挖掘出一个块结构,通过组合块结构形成合理的整体系统模型,并通过Prom实验验证了所提方法的可行性。

现实生活中,群集运动是一种很常见的现象。然而在群集系统中,由于有限的速度以及拥挤的交通,通常智能体间的传播和沟通存在时间延迟,因此考虑时间延迟很有必要。此外,在现实环境中,由于外界环境的各种不确定因素,智能体也很容易受到噪音的影响,因此噪音也是必须考虑的。基于以上两点,文中对具有通信时滞和噪音的多智能体系统的群集运动进行了研究。具体考虑了具有通信时滞和噪音的Cucker-Smale模型,主要利用二次函数的性质证明智能体间的通信时滞和噪音强度在满足一定的条件下,多智能体系统依然可以达到群集运动。最后通过Matlab进行数值仿真,并给出仿真后的例子,结果表明了该理论的正确性。

利用用户生成短文本(User Generated Short Text,UGST)推测用户的细粒度位置对基于位置服务的应用有重要的意义。现有的细粒度位置推测方法较少引入UGST中的语义信息,且未考虑UGST中语义实体的权重,因此性能较低。针对这些问题,提出了一种基于位置社交网络(Location-based Social Network,LBSN)的UGST细粒度位置推测方法。该方法包括如下3个过程:1)使用Foursquare中的UGST构建实体和位置之间的关联模型,以解决位置标记稀疏问题;2)判断待推测位置的UGST中是否含有位置信息,过滤不包含任何位置语义信息的UGST,以消除噪声短文本的干扰;3)根据UGST内容推测可能的候选位置,并对每个候选位置进行排名,选择排名最靠前的位置作为推测位置。实验结果验证了所提方法的有效性。

为了满足用户的多样化需求,需要根据用户的实际需求对流程模型进行相应的配置。但是,在流程模型配置的过程中,易出现配置不合理或变化域等问题。为此,提出了一种基于业务能力的可配置业务流程模型变化域分析的方法。首先根据业务能力的类别和属性,将两个可配置源模型进行配置和合并;然后分析得到的业务能力注释可配置模型之间连接器类型的差异,发现可配置流程模型的变化域;其次通过流程模型间的映射关系发现可配置源模型的精确变化域;最后通过相关的实例分析,验证了该方法的有效性。

为了准确地感知航班离港流程和估计航班离港的时间,设计了一种基于动态贝叶斯网络的航班离港时间估计方法。首先,基于航班的不同属性分析影响航班离港流程的因素,根据影响因素对数据进行分类处理,在历史数据分类的基础上,结合蒙特卡洛模拟方法获取各环节的联合分布和先验分布,并由柯尔莫哥洛夫检验确定各环节的联合分布模型,从而获得动态贝叶斯网络模型的参数;其次,根据贝叶斯网络架构和条件概率推理动态估计离港时间及各环节的完成时间;最后,选取国内中部某机场的单航班离港运行数据进行仿真验证。研究结果表明:随着流程的推进,其传播误差会增大,但离港时间的估计精度达到了80%以上,动态估计结果的稳定性较好,能够充分地反映航班离港流程中各关键节点的实际情况。

云数据中心的高速发展带来了非常强大的计算能力,但是伴随产生的能耗问题也日益严重。为了降低云数据中心内物理服务器的能耗开销,首先利用强化学习对虚拟机放置问题进行建模,随后结合实际问题从状态聚合和时间信度两个方面对Q-Learning(λ)算法进行优化,最后通过云仿真平台CloudSim和实际数据集对虚拟机放置问题进行实验。实验结果表明,与Q-Learning算法、Greedy算法和PSO算法相比,优化后的Q-Learning(λ)算法更有效地降低了物理服务器的能耗开销,同时针对不同数量的虚拟机放置请求也能够保证更好的结果,具有较强的实用价值。

针对指标权重求解易受主观因素干扰,从而影响决策分析的指挥控制系统效能评估问题,提出了一种改进投影寻踪-灰色关联的效能评估方法。首先,对投影寻踪法进行改进,利用样本聚集程度和类间分散度定义了一种新的投影指标函数,通过求解投影指标函数最大值模型获得指标权重;其次,基于灰色关联投影算法,将待评估对象到参考数列的投影值作为综合效能度量的标准,实现了指挥控制系统效能评估;最后,以5个指挥控制系统为例,进行了实验验证,得出评估对象5的综合效能最高,与组合赋权法得出的结论一致,并且当指标数目大于18时,相比于AHP和组合赋权法,所提方法的运算效率最高。

变化传播是业务管理系统的核心之一,旨在灵活适应变化的商务需求。然而,已有的变化传播主要处理由单个业务流程拓展的相似流程间的变化域问题,关于信息传递的交互流程的相关研究还存在一定问题。文中提出了基于配置的交互流程变化传播分析方法,在寻找变化域的基础上利用配置技术完善域内行为关系。在给定变化需求锁定相应的源变化域的情况下,利用编排与条件抽象寻找其他交互子流程受变化影响的目标变化域,并在保证域外结构一致性的原则下利用配置处理域内带约束的变化行为关系,然后根据兼容性检测配置后的交互流程模型是否合理,最后以具体的案例验证了该方法的可行性。

通过整合体细胞突变、拷贝数变异和基因表达等3种组学数据,提出识别癌症驱动通路的改进最大权重子矩阵模型。该模型用通路中基因平均权重调控覆盖度和互斥度,对权重大的基因集覆盖度进行加强,同时放松其高互斥度约束。引入基于贪心算法的重组算子,提出求解该模型的单亲遗传算法PGA-MWS。采用胶质母细胞瘤和卵巢癌数据集对算法PGA-MWS和GA进行实验对比分析。实验结果显示,较GA方法,基于改进模型的PGA-MWS算法能识别出覆盖度高但互斥度不太高的基因集,且其识别的基因集中,许多均参与已知信号通路,并被证实与癌细胞密切相关,同时还能识别几种潜在的候选驱动通路,因此PGA-MWS方法可作为检测癌症驱动通路的一种有效补充。

一维装箱问题是组合优化中的NP难问题,在有限的时间内获得问题的精确解非常困难。启发式算法和遗传算法是解决装箱问题的两类主要方法,但是,采用经典启发式装箱算法得到的结果在极端情况下非常差,而遗传算法在解决装箱问题的过程中容易出现无效解,致使需要处理的数据量十分巨大。为了获得装箱问题的近似最优解,文中针对目前的装箱问题算法展开分析,提出了一种新型的启发式装箱算法。提出的IAMBS算法允许装箱有一定的松弛量,使用随机思想搜索局部最优,进而获得装箱问题的全局最优解。随机松弛量使该算法不易陷入局部最优,具有较强的发现全局最优解的能力。采用来自两个数据集的1410个基准测试实例进行实验。最终,IAMBS算法获得了1152个实例的最优解。实验数据表明,IAMBS算法可以有效地获得近似最优解,比经典装箱算法更有优势。

随着云计算相关技术的迅速发展,云服务组件的QoS预测成为云计算中一个重要的研究课题。实现对QoS值的准确预测是该领域的研究难点。QoS常用来衡量不同云服务组件的性能,基于不同候选组件的QoS值,可以容易地选出最优的组件。对于同一个云服务组件,不同的用户提供的QoS值并不一定相同。针对不同的用户,有个性化的组件QoS值才能进行准确的选择。如果用户的QoS不能由单一的云服务组件满足,则应该考虑组件组合,在这种情况下,需要预测其QoS能力,以保证用户需求得到满足。文中设计了云服务组件的QoS满意预测模型,该模型使用二阶隐马尔科夫模型构建QoS满意度预测模型,通过考虑前两个状态对当前状态的影响,能够有效提高预测精度。最后,通过所构建的原型系统和具有2507个真实Web服务的QWS数据集,并应用Matlab仿真环境验证了所提方法的有效性。

地图匹配是根据离散采样的定位数据(GPS坐标)识别移动对象(车辆、行人等)在道路网络中的运动路径的过程。它是许多基于GPS轨迹数据分析和位置分析等相关应用的必要处理步骤。针对现有的算法在应用于低采样轨迹数据时存在的匹配准确率和效率较低的问题,文中提出一种基于交互式投票的改进地图匹配算法。该算法不仅考虑了距离特征、道路的拓扑结构以及路段的限速,还考虑了每个GPS点的实时移动方向和速度,以提高算法的匹配准确率。其次,该算法还加入了基于方向和限速的滤波器,通过约束条件过滤候选噪声路段,以提高算法的匹配效率。为了验证算法的性能,使用了两组真实数据集对所提算法与现有的IVMM算法和AIVMM算法进行比较。实验结果表明,所提算法在匹配性能上优于现有的两种算法。