一、改进贪心算法的完善与应用(论文文献综述)
孙绳山,徐常凯,何亚群[1](2021)在《基于粗糙集和信息熵的场站航材股评价研究》文中认为将粗糙集理论引入航材股评价过程,结合信息熵理论,实现对航材股定量打分排序,区分航材股的优劣。针对粗糙集理论无法处理决策属性缺失系统的缺陷,利用信息熵,选取权重值最大的条件属性作为决策属性,完善航材股评价信息系统,拓展粗糙集理论的应用。采用改进的贪心算法离散属性值,约简冗余属性,提升信息系统的运行效率。实例分析表明,该模型可以完成对航材股的评价打分,验证了该模型的可行性与正确性。
徐巧枝[2](2021)在《基于移动众包的雾计算实验平台研究》文中研究表明雾计算通过在网络边缘扩展云数据中心所提供的服务,使得用户能够就近分析并处理数据,降低了服务响应的延迟,缓解了主干网络的数据拥塞,弥补了云计算的不足,为万物互联下的实时性应用和服务提供了基础。任何基于网络的分布式应用在投入生产环境之前,必须经过长期的反复测试,雾计算应用也不例外,但是目前仍缺乏专业的雾计算实验平台。大部分研究者依靠模拟或仿真工具来进行实验,结果的真实性和准确性存在很大问题,所以设计真实性的实验平台对于雾计算的发展具有重要作用。本研究首先调研了雾计算测试领域的研究现状,分析了设计雾计算实验平台所面临的挑战,然后提出并设计了基于移动众包的雾计算实验平台CrowdFogBed,并针对其中的众包任务匹配问题进行了深入研究和探讨。主要内容如下:(1)基于移动众包的雾计算实验平台本研究通过将丰富的移动众包设备加入雾计算实验平台,解决了雾计算网络中用户层设备的多样性、异构性和移动性等问题,同时为实验用户提供了真实的网络场景,从而保证了实验结果的真实性和准确性,降低了被测原型部署到生产环境后所面临的风险。(2)基于任务匹配数最大的雾实验任务分配机制任务分配是移动众包系统中需要解决的关键问题之一。本研究考虑CrowdFogBed中实验用户的实际需求和移动众包用户对任务的偏好性,基于双向拍卖机制,提出了任务匹配数最大化的雾实验任务分配算法。已有的任务分配机制,大多以社会收益或移动用户的收益最大化为目标,与本研究的目标及需求均不相同,所以在实验评估部分,我们将所提出的算法与贪心算法进行了比较,结果表明,该算法在任务匹配数上有很大提高,尤其当移动用户较少时,该算法可以将任务更均匀地分配到多个用户,而且满足诚实性、个体理性和预算平衡性。(3)基于稳定匹配的雾实验任务分配机制基于拍卖理论的任务分配机制保证了交易的真实性,但不能保证交易的稳定性。本研究在双向拍卖的基础上,引入稳定匹配理论,提出一个集中式的、考虑任务预算约束和资源占用冲突关系的多对多任务匹配算法STCB,以提高稳定性。已有考虑稳定性的任务分配机制,均没有考虑任务冲突关系,所以在实验评估部分,我们将STCB算法与贪心算法进行了比较,实验结果表明,当预算不足时,STCB可为任务匹配到更多的用户,为实验用户带来更大的效用,同时满足了实验用户与移动用户的个体理性和预算平衡,并明显提高了任务分配的稳定性。
杨雅文[3](2021)在《面向配用电物联网的电力线载波通信技术研究》文中提出随着智能电网的发展,大量分布式能源设备接入,通信终端向智能化演变,配用电网络中的新兴业务和台区及用户家庭内部的通信需求不断增多,传统的配用电网络无法满足新兴业务下的可靠性、高效性的要求,融合物联网技术的电力线载波通信为此问题提供了一个很好的解决方案。电力线分布范围广,无需另外布线,经济性较高,且传输速率高,可靠性较好,适用于配用电物联网的通信。同时配用电物联网中分布式电源的接入或接出,导致通信网络的拓扑结构动态变化,加上信道衰减和多径等因素的影响,会造成信道传输特性的改变,因此需要研究适配的路由方法找到最优传输路径,提高通信效率与可靠性。本文首先根据配电台区至用户家庭分层网络拓扑的特点,建立了配用电物联网的总体架构,旨在满足用户多样的通信需求。同时对电力线载波通信技术在配用电物联网中的适配性进行分析,为了建立合适的电力线载波通信信道模型,对信道特性进行研究,构建了基于传输线理论的信道模型,分析了网络拓扑结构对信道传输特性的影响。针对配用电物联网中网络拓扑动态变化的问题,研究电力线载波路由算法,实现通信网络连通性和可靠性的提升。本文以传输时延和数据丢包率为约束条件,提出一种基于贪心算法的改进蚁群算法,同时结合多路径选择策略,提供多条备选路径,以提高数据传输的成功率。仿真结果表明,本文所提出路由算法得到的路径传输时延小、数据丢包率低、吞吐量大,相比于其他算法,更适用于电力线载波通信网络的路由选择。
唐欢[4](2021)在《移动边缘网络中基于网络流模型的虚拟服务迁移算法》文中研究说明移动边缘计算的兴起使云计算资源得到了更充分的利用,但现有的许多应用具有时空敏感的特点,传统的资源调度方法已经无法满足应用的需求。随着服务迁移技术的发展,这一问题得到了一定的解决。然而,现有的服务迁移算法在伸缩性、均衡性、及时性等方面存在一定的不足,对于大规模网络和突发的情况无法及时有效的处理。为此,本文提出了一种基于最小费用最大流算法的服务迁移框架ILB-MCMF。首先,本文将服务迁移问题转化成了最小费用最大流问题,并给予了证明。ILBMCMF迁移框架能够根据相应的网络状况构建最小费用最大流模型,但是考虑到每一个边缘结点的负载量对于服务质量的影响,需要对边缘结点的负载量与用户的访问成本进行权衡。进而,本文对所建立的最小费用最大流模型进行了改善,改善后的模型有效解决了多个服务扎堆放置于某个边缘结点上的问题,使得服务的放置更加均衡并且不会增加过多的访问成本,从而降低了因为资源竞争而带来一些列问题的可能性。最后,针对网络规模的增大以及边缘网络中一些突发或者高频动态变化的情况,本文对主要的最小费用最大流算法进行了分析与测试,并基于最小费用流算法的最优性条件提出了改良的增量式最小费用最大流算法,解决了部分情况下求解时间过高的问题。同时,本文采用了增量式最小费用最大流算法与CostScaling算法协同工作的方式对服务的动态放置与迁移方案进行求解,大大降低了算法的运行时间,提高了服务迁移的及时性。实验表明,与已有结果相比,本文提出的算法不仅降低了服务延时,同时实现了边缘结点的负载均衡,并具有较高的自适应能力。
杨膳宇[5](2021)在《基于网络拓扑结构的节点影响力度量和影响力最大化研究》文中研究说明随着计算机科学技术的快速发展,互联网的使用越发普及,在线社交网络已经成为人们日常生活中不可或缺的一部分,信息的传播更依赖于在线社交网络。近年来,社交网络的研究已广泛应用于市场营销、产品推广、舆论监测等领域。因此,对社交网络中蕴含的海量信息进行深入挖掘和分析具有重要的现实意义。在社交网络分析研究领域中,节点影响力度量问题的目的是评估节点在整个网络中的重要性,影响力最大化问题得目的是挖掘出k个最有影响力的节点,使其在指定传播模型下,产生的影响力传播范围最大,也就是让信息传播的范围达到最广。目前的各种节点影响力度量方式存在计算复杂性高或精确性低的缺点,且大规模网络中如何高效和准确求解影响力最大化问题也是一个巨大的挑战。因此,本文结合网络局部拓扑结构进行分析,提出一种度量指标,并基于该指标提出影响力最大化算法。具体工作如下:首先,提出了节点影响力期望的计算公式,通过对节点周围网络的局部拓扑结构进行分析,得到了将影响力限制在三阶邻域范围内的可行性,该计算方法能够快速地近似计算节点影响力。从而,将该方法的计算值作为一种指标来评估节点的重要性,能够快速找出网络中具有高影响力的节点。其次,基于节点影响力期望值评估方式,提出基于局部网络结构的影响力最大化算法(LNS算法),该算法能够快速评估每个节点的影响,通过对单个节点的影响力排序,能够快速地得到影响力最大的k个节点。但是,单个节点的影响力最大并不等同于集合整体的影响力最大,还需要考虑影响力覆盖范围重叠的问题。基于此,本文利用节点邻域相似性方法来解决节点影响力传播范围重叠问题,从而提出LNS_BS算法。最后,为了更加精确地度量节点影响力增益,使用期望折减的方式改进LNS_BS算法提出LNS_BSDD算法,使得所选种子节点集的影响传播范围可以优于现有的启发式算法。然后,为了解决启发式算法的不稳定性的缺点和满足算法精度的需求,本文提出了融合社团划分方法和影响力期望值指标生成候选节点集合,从而基于候选节点集合进行贪心选择的影响力最大化算法LNS_CELF算法。LNS_CELF算法能够和CELF算法一样具有理论上的精度保证和稳定性,但是具有更少的执行时间,使之能够用于大规模社交网络上快速挖掘出影响力最大的节点集合。最后,通过在大规模真实社交网络数据集中的实验,验证了我们提出的节点度量指标的有效性,并且基于该度量指标所提出的多个影响力最大化算法能够在保证计算复杂度较低的同时,也能够取得较大的传播范围。
韩礼红[6](2021)在《影响力最大化智能优化算法及应用研究》文中进行了进一步梳理5G时代的到来使得网上办公、网上会议、网络直播、网上课堂等应用在生活中已变为一种常态,彻底改变了人们传统的工作与生活方式,即人们的生产生活方式从传统意义上的线下行为转变为线上线下相互融合的行为方式。此外,基于人们的生产生活行为而抽象出的个体交汇关系网络模型,能够直观的刻画人们各种交互行为关系。在现实中,个体之间在交互过程中会对其近邻个体产生基于情感、认识等方面的影响,采用基于网络影响力传播机制来评估个体间的这种相互影响,能够揭示人们生产生活行为网络的动力学规律。对这种网络动力学加以有效的控制与利用,在提高生产效率,降低管理成本等方面具有重要的现实意义。影响力最大化问题是网络科学中的一个重要研究课题,其本质上包括两个方面的研究内容。首先,基于某种评价机制识别出一组影响力节点集;其次,基于某种优化策略,消除该组节点集中影响力的重叠效应,使其在网络中能够基于某种传播模型使得信息或影响力传播达到最大化。当前,不同领域的学者们从不同的角度提出了许多不同的方法来解决影响力最大化问题。随着网络规模的不断膨胀,使得这些算法在实际应用中面临着求解效率低、可扩展性弱等问题。近年来智能优化算法在社会网络影响力最大化节点集的识别应用中取得了较好的效果,但是,这类算法在离散化网络空间中基于不同的搜索策略与搜索机制存在着稳定性差、容易陷入局部最优解及求解效率有待进一步提高等问题。为此,本文研究了智能优化算法在影响力最大化问题中的求解与应用,并在两类现实网络中验证了其有效性。本文主要工作概括如下:(1)分析了离散粒子群算法(DPSO)因易陷入早熟而导致算法陷入全局次优解的缺陷,提出了采用节点近邻域中心性来增强算法局部搜索能力的策略。通过在现实社会网络数据集的实验发现,基于近邻域节点度中心性增强DPSO算法的局部搜索能力时存在饱和效应,即基于3跳近邻域节点度中心性对算法性能的提升最为显着,近邻域越广反而使算法性能下降。基于该发现,提出了基于3跳近邻域节点度中心性局部搜索策略的离散粒子群算法DPSO_NDC,在六个现实网络中的实验表明,本文所提算法性能优于原始算法。(2)离散蝙蝠算法(DBA)虽然在求解社会网络影响力最大化问题时具有较高的效率优势,但该算法继承了基本蝙蝠算法中基于随机数的选择进化策略,使该算法在有限的迭代进化过程中存在收敛稳定性弱的特点。本文提出了基于网络派系结构来构建候选种子节点池的策略,来增强蝙蝠群在进化过程中对位置向量节点选择的多样性与针对性,从而提高算法在收敛过程中的稳定性。基于此提出了Clique_DBA算法,通过在六个现实网络中进行实验,验证了该算法性能的有效性与收敛的稳定性。(3)采用单一智能优化算法在求解大规模网络结构的影响力最大化问题时,存在效率上的瓶颈。基于多核处理器技术,采用并行化智能优化算法来识别大规模网络中的影响力最大化节点集,是提高求解效率的一条有效途径。本文对乌鸦搜索算法针对网络结构进行重新编码、离散化设计后实现并行化搜索计算,提出了基于并行化搜索的离散乌鸦搜索算法(DCSA)。在六个大规模现实网络中的实验结果表明,该算法与其它先进算法相比,不但具有竞争性的求解性能,同时其求解效率得到了显着的提高,适合在大规模网络结构中并行化求解影响力最大化问题。(4)本文从两个不同的应用场景中分别抽象出网络模型,分别进行了网络特征分析及影响力最大化节点集的识别研究。(一)构建了Linux操作系统内核的动态行为网络模型,揭示了该软件网络的结构特征。根据实际应用场景提出相应的影响力评估模型,采用智能优化算法进行影响力最大化节点集的识别,并从软件波及度及与其它中心性算法识别结果的重合度角度分别评估了智能优化识别算法的有效性。(二)构建大学图书馆图书借阅行为网络模型,分析该行为网络模型的一些网络特征,解释这些特征的现实意义;基于实际应用背景提出该网络节点影响力评估模型,并采用智能优化算法对影响力节点集进行识别,分析了智能优化算法的有效性并在图书阅读推广服务中进行应用。本文研究结果表明,智能优化算法在大规模网络中求解影响力最大化问题时,具有较高的效率与性能;基于相应的评估模型采用智能优化算法在不同结构特征的现实网络中,验证了智能优化算法在现实网络中识别影响力最大化节点集的可行性与有效性。
钱武文[7](2020)在《基于差分进化算法和降阶模型的渗流场反问题研究》文中提出中国水能资源的开发已逐渐向西部偏远地区推进,在建和拟建的大型水利水电工程坝址区多位于河谷深切、地质条件复杂的西部地区,查清库区渗流问题对水利水电工程的建设和安全管理十分重要。岩土体渗透系数是控制地下水渗流特征的关键参数之一,未知的渗透系数会对地下水模拟的可靠性产生严重影响。由于工程岩体的渗透性常具有空间变异性,仅依靠传统的现场试验法已不能满足工程需求。利用逆模型进行参数估计是地下水模拟的一个重要组成部分。作为一种典型的反演方法,数值模型和优化算法相结合的模拟-优化方法需多次调用数值模型,以对大量随机生成的候选解进行评估。即使使用高速处理器,参数反演也是一项非常耗时且计算量大的任务。本文针对模拟-优化方法的高耗时问题进行了研究,在尽可能减小引入误差的前提下,从优化算法、反演参数和数值模型三方面研究了减少模拟-优化方法时间成本的方法。由于水头为渗透系数的非线性函数,本文使用差分进化算法作为参数反演的优化算法。主要研究内容和成果如下:(1)阐述了模型校准与参数反演的关系,给出了有限元软件ADINA与优化算法结合的方法,建立了估计渗透系数的模拟-优化模型(ADINA-MMRDE)。通过一个算例阐述了参数灵敏度分析在参数反演中的重要性,研究了不同目标函数、测量误差和种群大小对ADINA-MMRDE模型性能的影响。结果表明,目标函数对ADINA-MMRDE影响甚微,ADINA-MMRDE对测量误差非常敏感。相比ADINA与其他优化算法结合的ADINA-DE和ADINA-PSO模型,ADINA-MMRDE模型反演精度更高,能更快、更稳定地搜索全局最优解。(2)针对经典差分进化算法的变异策略收敛速度慢、全局收敛性不佳及算法停滞等问题,提出了一种兼具局部与全局收敛性能的新型变异策略。基于该变异策略,进一步提出了一种基于轮盘赌选择的多种变异策略的差分进化算法(MMRDE)。经49个测试函数测试,结果表明,与一些改进的差分进化算法相比,MMRDE能在探索和开采之间取得更好的平衡。(3)为了在保证模拟精度的前提下减少模型的计算时间,阐述了基于投影法的降阶模型技术(本征正交分解法和贪心样本法)的降阶机理、构建步骤和误差估计方法。改进了贪心样本法的迭代终止条件,比较了本征正交分解法和贪心样本法的计算成本,以及二者在参数集、网格密度和参数数量方面的性能表现。结果表明,当样本规模较少时,不同的样本集生成方法对降阶精度影响较大;单元尺寸影响降阶模型的构建时间,但对降阶模型的精度影响不大;反演参数越多,降阶模型的省时优势越明显。(4)针对将模型降阶技术应用于参数反演中的一些关键性的程序设计难点,设计了一种集识别反演参数、矩阵分块技术以及边界处理于一身的渗透矩阵处理程序,设计了一套高效的内存存储方案以解决使用传统有限元的Skyline稀疏存储格式可能导致的内存不足问题。针对钻孔位置不在网格节点上时的水头计算问题,提出了基于本文提出的MMRDE算法的有限元插值程序插值计算钻孔处的水头。设计了基于降阶模型的参数反演程序,使用算例测试了其的反演精度、对观测误差的敏感性与时间成本。结果表明:推荐采用训练参数规模为500的贪心样本法用于参数反演;基于降阶模型与基于原始模型的参数反演程序对误差的敏感程度以及反演精度非常相近,但耗时差别较大;同等计算能力条件下采用算例中的三维模型时,使用降阶模型的参数反演程序的反演时长约为使用全阶模型的16.67%,因此能明显的节省时间成本。(5)将基于ADINA模型与基于降阶模型的反演程序共同用于估算某水电站坝基岩体的渗透系数,这两种反演程序都集成了本文提出的MMRDE算法。建立了初始渗流场分析模型(反演模型)来估算渗透系数,在反演模型的基础上建立了工程运行期模型以验证反演效果。共有20个勘探期钻孔水位和13个大坝监测孔水位数据,前者用作参数反演的观测数据,后者用于验证反演结果。结果表明,两反演模型的反演结果相差较小,但基于降阶模型的反演程序的时间成本远小于基于ADINA模型的反演程序(维数为6和13时,反演时长分别约节省19.1和21.4倍)。因此,使用本文提出的MMRDE算法作为优化算法时,降阶模型可替代原始模型用于执行大型工程的初始渗流场的反演任务。
李茂林[8](2020)在《负载均衡下的混合存储数据迁移方法研究》文中进行了进一步梳理随着信息技术的飞速发展,传统的集中式数据存储方式以及由单一存储介质构成的存储系统已经不能满足用户的存储需求,而逐渐被分布式混合存储系统所取代。但大数据时代的到来促使用户对存储系统容量、成本和性能提出了越来越高的要求。在分布式混合存储系统中,为使数据更好地匹配存储介质的特性,充分利用系统资源,数据迁移发挥着关键的作用。合理的迁移方案能够根据文件的属性和存储介质的特性在系统中找到合适的位置存储文件,在充分发挥存储介质优势的同时使系统达到更好的负载均衡状态,进而提升存储系统的整体性能。本文以分布式混合存储系统的数据迁移为研究对象,从迁移对象的确定和迁移过程的实现两方面展开研究。针对迁移对象的确定,本文提出了一种基于数据价值的冷热数据识别方法。鉴于传统识别方法存在主观性强、准确率低等缺陷,首先,本文通过文献梳理和实验分析更为全面地探究影响数据价值的因素;然后,采用熵权法为各因素分配权重以区分不同因素对数据价值的影响程度,从而更为客观地评估文件的数据价值,提高冷热数据识别的准确性。在实现数据迁移的过程中,本文基于冷热数据集合提出了一种兼顾存储介质特性和存储系统负载均衡的数据迁移模型,并采用改进蚁群算法来求解该模型,从而为各存储文件找到最为合适的存储位置,既有效提高了系统的性能,又满足了负载均衡的需求。实验分析表明,本文所提出的数据迁移方案不仅能够提高迁移对象选取的准确性,并且能够在迁移的过程中根据各个节点的负载状态来动态调整文件的目标迁移位置,提升存储系统的访问性能和稳定性。与现有的数据迁移算法(贪心算法、遗传算法)和未考虑负载状态的数据迁移算法(传统蚁群算法)相比,本文所设计的数据迁移算法(改进蚁群算法)在系统带宽利用率、系统延迟和系统负载均衡度等方面都有明显的效果。
袁恒[9](2020)在《基于无人机的无线可充电网络路径规划的算法研究》文中提出无线传感器网络是一种由若干个传感器节点自组织形成的网络,目前已被广泛地应用于智能家居、军事应用、环境监测等领域。组成网络的每个节点需要拥有足够的能量来完成数据的采集、计算、存储和和传输任务。一旦能量耗尽,节点将不能正常工作,进而甚至导致整个传感器网络瘫痪。传感器节点体积小,携带的电池容量低,因此能量供应一直是这种网络发展的重要问题。为了解决这个问题,现有工作一方面研究高性能的电池组成材料和减少节点能量消耗速度的方法,另一方面则考虑从外界为传感器节点补充能量。考虑到无线充电技术的进步,应用移动充电电源对传感器节点补充能量的策略逐渐受到重视,因而移动电源充电的路径规划也就成为当下的热点。在满足对所有节点充电的基础上,研究和改进合适的移动电源充电策略,以获得最佳的充电性能,就成为我们的研究方向。本文采用单个移动电源对不同规模的无线可充电传感器网络执行不同策略的充电任务,而其中的这个移动过程也被归纳为旅行商问题。特别指出不同于以往研究中的“一对一”方式,单个移动电源可以同时对多个传感器节点充电,本文限定研究适用于“一对多”情况下的路径规划算法,且使用无人机代替原有的小车作为移动电源。首先,本文会建模求出原先研究中仅考虑“充电”模型时候的无人机飞行的“最佳高度”。其次,针对求解充电最佳路径这个NP难问题,补充原有的遗传算法中计算适应度值的方法,再选择合适的充电位置点,使其适用于“一对多”充电模式,最终达到对该算法的改进。再然后,考虑单个移动电源充电能力有限,对大规模传感器网络的按需充电的贪心算法进行优化,用单位时间完成充电的节点数,代替原先的距离大小作为选择充电节点优先级。最后,考虑“移动-充电”模式,用实验来探求无人机在不同高度下的充电性能,并与以往的“最佳高度”进行性能比较。最后,经过性能评估,本文改进的算法性能更优秀。就充电任务完成时间而言,改进的遗传算法可以减少约9.4%,改进的贪心算法可以减少约11.2%。而在实验的求得的最佳飞行高度上,充电任务也可以减少8.6%时间。
王淼[10](2020)在《城市住区整合型民生服务空间规划研究 ——以哈尔滨市为例》文中指出十九大以来,我国将民生问题提到了国家政策的重点目标,提出公共服务均等化是推动我国城乡统筹发展的重要途径,自此,城市住区民生的相关理念和规划实施逐渐成为现阶段城市规划的研究热点。“民生服务”由公共服务延伸而来,城市民生服务包括城镇文化、医疗、体育、教育等的重要服务领域,是保障城市居民生活质量的重要基础。它不仅在运行过程中影响着城市居民的生活水平,也在提升城市功能、社会文明、居民健康等方面发挥了重要的推动作用。城市居民在日常生活中所使用,并且与日常生活日常相关的服务设施即为住民生服务设施。作为居民维持日常生活标准的基础,民生服务直接关系着居民现实生活水平、生活品质。民生服务水平的高低也代表了现今城市住区经济发展与社会文明的水平高低。新时期,居民日常生活诉求的热点服务主要为教育、医疗、住房与养老保障等。因此,建立适应新时期的民生服务模式,结合计算机算法技术,可以为民生服务模式建构、需求识别、设计与规划管理提供一个思路。研究以《城市居住区规划设计标准(GB50180-2018)》颁布作为契机,以《标准》所提出的生活圈空间分割方式重构城市空间作为新切入点进行民生服务供给的研究,引发了如何整合与共享新时期民生服务项目的思考。在理论基础研究中,论文系统阐述了民生理念、民生服务理念以及民生服务与公共服务基础设施之间的关系,为后文民生服务需求与功能定位奠定了理论基础。进而,本文基于城市更新规划体系,对此背景下民生服务规划目标重置、民生服务空间尺度演变进行了进一步分析,为“整合型“民生服务中心概念的提出提供了研究基础,为后文整合型民生服务模式规划提供了理论支撑。在住区民生服务需求调查研究中,以哈尔滨作为调查区域,对其典型住区抽样了10个典型住区进行调研,并结合实地勘察、调查问卷、访谈等数据整理,深入剖析了现阶段哈尔滨民生服务需求和使用现状的表征。给予充分的调查研究,本文引入模糊综合评价理论,从民生需求优先级、民生服务时间敏感度及民生设施整合性出发探讨整合型民生服务模式的必要性和特征。并从需求角度整合型民生服务模式模块化构建、模块配置指标以及模块组合及公平选址配置原则进行了研究和探讨。在整合型民生服务模式布局研究中,论文为了保障不同服务半径内所需求民生服务功能的配备,基于贪心算法设计了一套民生服务的布局算法。布局算法基于满足不同生活圈范畴内所需满足的实际民生服务需求,在相对均衡的条件下,在城市区域内进行民生服务的布局研究,旨在满足空间单元内所有人均可被满足5分钟、10分钟、15分钟的民生需求,并在此条件下使民生服务中心的布局数量最少,达到建设的最大效率。基于前文的理论研究和算法,以满足居民民生活需求为核心,以民生服务整合与共享为目标,论文提出了民生空间重构的模式,并以哈尔滨平房区作为实证进行了验证研究。对平房区进行整体民生服务空间规划,并以“友协街道”为实例,进行街区范围民生服务中心布局规划。最后,提出城市住区整合型民生服务的服务组织和管理流程进行模块化策略。从民生服务管理流程、建设流程与住区营造三个方面分别提出模块化规划策略,并最后提出新时期整合型民生服务机制的具体设想与建议。
二、改进贪心算法的完善与应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、改进贪心算法的完善与应用(论文提纲范文)
(2)基于移动众包的雾计算实验平台研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 网络测试的常用方法 |
1.2.2 基于网络模拟技术的雾计算测试 |
1.2.3 基于网络仿真技术的雾计算测试 |
1.2.4 面临的挑战 |
1.3 研究内容与意义 |
1.3.1 研究内容 |
1.3.2 研究意义 |
1.4 研究目标与创新点 |
1.4.1 研究目标 |
1.4.2 创新点 |
1.5 论文组织与结构 |
第二章 移动众包任务分配相关研究概述 |
2.1 移动众包系统概述 |
2.1.1 移动众包的概念 |
2.1.2 移动众包的应用领域 |
2.1.3 移动众包系统的基本构成 |
2.2 移动众包系统中的任务分配 |
2.2.1 移动众包任务分配的模式与构成 |
2.2.2 移动众包任务分配的研究现状 |
2.3 基于拍卖理论的移动众包任务分配的研究现状 |
2.3.1 拍卖的基本概念及常用模型 |
2.3.2 基于拍卖的任务分配与激励机制 |
2.3.3 拍卖机制的组成及评价指标 |
2.4 本章小结 |
第三章 基于移动众包的雾计算实验平台 |
3.1 雾计算网络的典型架构 |
3.2 设计雾计算实验平台面临的挑战及解决方法 |
3.2.1 面临的挑战 |
3.2.2 解决方法 |
3.3 雾计算实验平台CrowdFogBed的设计 |
3.3.1 CrowdFogBed的物理架构 |
3.3.2 CrowdFogBed的逻辑架构 |
3.3.3 实验流程 |
3.4 CrowdFogBed中任务分配的特点 |
3.5 本章小结 |
第四章 基于最大任务匹配数的雾实验任务分配 |
4.1 引言 |
4.2 问题建模及定义 |
4.2.1 双向拍卖模型构建 |
4.2.2 双向拍卖模型需满足的属性 |
4.3 基于一对多的最大任务匹配数算法 |
4.3.3 MTM算法实例 |
4.3.4 MTM算法复杂性分析 |
4.3.5 MTM算法满足的性质 |
4.4 基于多对多的最大任务匹配数算法 |
4.5 实验评估 |
4.5.1 任务分配数比较 |
4.5.2 EM与MM匹配的用户数 |
4.5.3 MMTM算法与贪心算法的比较 |
4.5.4 MTM、MMTM与贪心算法的效率比较 |
4.6 本章小结 |
第五章 基于稳定匹配的雾实验任务分配 |
5.1 引言 |
5.2 问题建模与定义 |
5.2.1 系统模型 |
5.2.2 任务冲突关系 |
5.2.3 任务与移动用户的效用 |
5.2.4 稳定匹配 |
5.3 基于冲突避免和预算约束的稳定任务匹配方法 |
5.3.1 算法的理论基础 |
5.3.2 STCB算法的设计 |
5.3.3 算法实例 |
5.3.4 算法性能分析 |
5.4 实验评估 |
5.4.1 平台效用 |
5.4.2 平均的用户效用 |
5.4.3 任务匹配的用户平均数 |
5.4.4 买卖双方的效用 |
5.4.5 算法需要的轮次 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 工作展望 |
参考文献 |
致谢 |
作者攻读博士学位期间科研和获奖情况 |
(3)面向配用电物联网的电力线载波通信技术研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 选题背景及意义 |
1.2 国内外研究现状 |
1.2.1 配用电物联网 |
1.2.2 电力线载波通信技术 |
1.2.3 电力线载波路由方法 |
1.3 论文研究内容与结构安排 |
第2章 面向配用电物联网的电力线载波适配性研究 |
2.1 配用电物联网的总体架构 |
2.2 配用电物联网的业务通信需求分析 |
2.2.1 电网控制类业务 |
2.2.2 信息采集类业务 |
2.3 电力线载波通信的机理与信道建模方法 |
2.4 电力线载波在配用电物联网中的适配性分析 |
2.5 本章小结 |
第3章 面向配用电物联网的电力线载波通信信道建模 |
3.1 配用电物联网架构下的电力线信道特性 |
3.1.1 台区-用户-家庭内部的分层网络拓扑结构 |
3.1.2 电力线分层信道的衰减特性 |
3.1.3 电力线分层信道的多径反射 |
3.2 基于传输矩阵的电力线信道建模 |
3.2.1 双端口网络的传输函数 |
3.2.2 电力线子网络的传输矩阵 |
3.3 电力线载波信道传输特性的仿真 |
3.4 本章小结 |
第4章 适配配用电物联网的电力线载波通信路由研究 |
4.1 电力线载波网络路由优化的需求分析 |
4.1.1 分层载波网络逻辑拓扑结构 |
4.1.2 电力线载波网络拓扑结构特点 |
4.2 基于分簇算法的路由算法 |
4.3 结合贪心算法的改进蚁群路由算法 |
4.3.1 普通蚁群算法 |
4.3.2 结合贪心算法的改进蚁群算法 |
4.3.3 多路径选择策略 |
4.3.4 混合路由算法流程 |
4.4 仿真结果及分析 |
4.5 配用电物联网环境下的电力线载波通信业务拓展 |
4.5.1 基于电力线载波通信的拓扑辨识与台区优化管控 |
4.5.2 配用电物联网环境下的多元信息汇聚 |
4.6 本章小结 |
第5章 结论与展望 |
参考文献 |
攻读硕士学位期间发表的论文及其它成果 |
致谢 |
(4)移动边缘网络中基于网络流模型的虚拟服务迁移算法(论文提纲范文)
摘要 |
Abstract |
第1章 引言 |
1.1 研究背景与意义 |
1.2 研究现状 |
1.3 研究目标与内容 |
1.4 章节安排 |
第2章 背景知识与关键技术 |
2.1 移动边缘计算 |
2.1.1 背景与概念 |
2.1.2 体系架构 |
2.1.3 移动边缘计算的优势 |
2.2 虚拟服务迁移 |
2.2.1 迁移技术的分类 |
2.2.2 主要迁移策略 |
2.2.3 迁移管理 |
2.3 网络流问题 |
2.3.1 最小费用流的概念 |
2.3.2 最优性条件 |
2.3.3 主要的最小费用流算法 |
2.4 本章小结 |
第3章 迁移模型的构建及优化 |
3.1 服务迁移问题 |
3.2 最小费用最大流模型 |
3.3 负载均衡模型 |
3.4 最小费用流算法的比较 |
3.5 增量式最小费用最大流算法 |
3.6 本章小结 |
第4章 框架设计与实验验证 |
4.1 服务迁移框架设计 |
4.2 实验说明与配置 |
4.3 环境的建立 |
4.4 实验结果 |
4.4.1 基于真实数据的实验结果 |
4.4.2 边缘结点的负载均衡测试 |
4.4.3 增量式最小费用最大流算法的性能测试 |
4.5 本章小结 |
第5章 总结与展望 |
5.1 总结 |
5.2 展望 |
参考文献 |
作者简历及攻读学位期间发表的学术论文与研究成果 |
致谢 |
(5)基于网络拓扑结构的节点影响力度量和影响力最大化研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 节点影响力度量问题研究现状 |
1.2.2 影响力最大化问题研究现状 |
1.3 本文的主要内容 |
1.4 本文的组织结构 |
第二章 背景知识和相关研究内容 |
2.1 节点影响力度量问题 |
2.1.1 节点影响力度量问题相关研究内容 |
2.1.2 常见的基于局部结构的度量方法 |
2.1.3 常见的基于全局结构的度量方法 |
2.2 影响力最大化问题 |
2.2.1 影响力最大化问题定义 |
2.2.2 影响力最大化问题相关研究内容 |
2.2.3 影响力最大化问题经典算法实现 |
2.3 影响力传播经典模型 |
2.3.1 独立级联模型 |
2.3.2 带权级联模型 |
2.3.3 线性阈值模型 |
2.3.4 传染病模型 |
2.4 本章小结 |
第三章 基于节点影响力期望值的影响力度量方法 |
3.1 节点影响力期望值的计算方法 |
3.2 三阶邻居范围内期望值度量指标的可用性分析 |
3.3 实验设置 |
3.3.1 实验环境 |
3.3.2 评价方法 |
3.3.3 实验数据集 |
3.4 实验结果及分析 |
3.4.1 不同指标下节点排名和真实影响力排名的一致性分析 |
3.4.2 不同指标下节点排名和真实影响力排名的相关性分析 |
3.4.3 不同指标下节点排名和真实影响力排名的详细对比分析 |
3.4.4 使用肯德尔系数进行排名相关性分析 |
3.4.5 不同指标对节点影响力的区分度 |
3.4.6 不同指标的计算复杂性分析 |
3.5 本章小结 |
第四章 基于网络局部结构的影响力最大化算法 |
4.1 节点在二阶邻居范围内的影响力期望值的计算方法 |
4.2 基于影响力期望度量方法的影响力最大化算法LNS |
4.3 基于节点相似性改进的最大影响力期望算法 LNS_BS |
4.4 基于影响力期望折减改进的最大影响力期望算法 LNS_BSDD |
4.5 实验设置 |
4.5.1 实验环境 |
4.5.2 实验数据集 |
4.5.3 对比算法 |
4.6 实验结果及分析 |
4.6.1 相似性阈值选取 |
4.6.2 不同算法的影响力传播范围对比 |
4.6.3 不同算法的时间效率对比 |
4.7 本章小结 |
第五章 基于社团划分和影响力期望值融合的贪心算法 |
5.1 社团和社团检测 |
5.1.1 网络中的社团 |
5.1.2 常见社团检测算法 |
5.1.3 Louvain算法 |
5.2 基于社团划分和影响力期望值的融合贪心算法 LNS_CELF |
5.3 实验设置 |
5.3.1 实验环境 |
5.3.2 实验数据集 |
5.3.3 对比算法 |
5.4 实验结果与分析 |
5.4.1 不同算法的影响力传播范围对比 |
5.4.2 不同算法的时间效率对比 |
5.5 本章小结 |
第六章 总结和展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
(6)影响力最大化智能优化算法及应用研究(论文提纲范文)
中文摘要 |
Abstract |
第一章 绪论 |
1.1 研究的背景 |
1.2 研究的意义 |
1.3 研究现状 |
1.3.1 影响力节点识别 |
1.3.2 影响力最大化问题 |
1.3.3 问题的延伸 |
1.3.4 应用研究概况 |
1.4 本文主要工作 |
1.5 本文组织结构 |
第二章 网络科学相关理论基础 |
2.1 图论与网络研究 |
2.2 网络的基本概念 |
2.2.1 度及度分布 |
2.2.2 中心性 |
2.2.3 网络直径与平均距离 |
2.2.4 聚集系数与网络密度 |
2.2.5 网络模型 |
2.3 影响力节点识别相关理论 |
2.3.1 相关问题定义 |
2.3.2 传播模型 |
2.4 智能优化算法简介 |
第三章 基于近邻域中心性增强离散粒子群算法局部搜索能力研究 |
3.1 主要问题 |
3.2 相关研究工作 |
3.2.1 基本粒子群算法 |
3.2.2 离散粒子群算法 |
3.3 改进算法DPSO_NDC |
3.3.1 节点近邻域中心性 |
3.3.2 基于近邻域度中心性局部搜索策略 |
3.3.3 DPSO_NDC算法框架 |
3.4 DPSO_NDC算法性能评估 |
3.4.1 实验网络与基准识别算法 |
3.4.2 LIE期望值评估 |
3.4.3 传播能力模拟评估 |
3.4.4 非参数检验分析 |
3.4.5 时间复杂性分析 |
3.5 本章小结 |
第四章 基于Clique结构增强离散蝙蝠算法的稳定性研究 |
4.1 主要问题 |
4.2 相关研究工作 |
4.2.1 基本蝙蝠算法 |
4.2.2 离散蝙蝠算法DBA |
4.3 基于Clique结构的离散蝙蝠算法 |
4.3.1 研究动机 |
4.3.2 Clique_DBA算法基本流程 |
4.3.3 Clique结构划分 |
4.3.4 候选种子节点池构建 |
4.3.5 Clique_DBA算法框架 |
4.4 算法性能评估 |
4.4.1 实验数据集及基准算法 |
4.4.2 LIE期望值评估 |
4.4.3 传播范围模拟值评估 |
4.4.4 时间复杂性评估 |
4.5 本章小结 |
第五章 并发式离散乌鸦算法在IM问题求解中的搜索机制研究 |
5.1 主要问题 |
5.2 相关研究 |
5.2.1 多核处理器与并行计算 |
5.2.2 基本乌鸦搜索算法 |
5.3 离散乌鸦搜索算法 |
5.3.1 乌鸦群体离散化编码 |
5.3.2 乌鸦群搜索规则 |
5.3.3 离散乌鸦搜索算法框架 |
5.3.4 离散乌鸦搜索算法的实现 |
5.3.5 算法复杂性分析 |
5.4 实验与分析 |
5.4.1 实验网络特征 |
5.4.2 基准对比算法选择 |
5.4.3 DCSA算法参数设置 |
5.4.4 影响力评估与对比 |
5.4.5 算法处理时间对比分析 |
5.4.6 假设检验性能评估 |
5.5 本章小结 |
第六章 RTBN软件网络特征及影响力最大化节点集识别 |
6.1 相关研究工作 |
6.2 软件网络构建 |
6.2.1 实验过程及硬件条件 |
6.2.2 RTBN网络的构建 |
6.3 网络特征分析 |
6.3.1 多态性网络特征 |
6.3.2 一致性网络特征 |
6.4 RTBN网络影响力节点识别 |
6.4.1 函数节点影响力评估 |
6.4.2 影响力最大化节点集识别 |
6.4.3 影响力最大化节点集分析 |
6.5 本章小结 |
第七章 图书阅读行为网络特征及影响力最大化节点集识别 |
7.1 相关研究工作 |
7.2 阅读行为网络构建 |
7.2.1 阅读行为数据收集 |
7.2.2 二分网络构建 |
7.2.3 读者阅读行为网络 |
7.3 阅读行为网络特征 |
7.3.1 一模投影网络规模 |
7.3.2 平均度及度分布特征 |
7.3.3 其它网络特征 |
7.4 读者节点影响力分析 |
7.4.1 读者节点影响力评估 |
7.4.2 RRRN影响力节点集识别与应用 |
7.5 本章小结 |
第八章 总结与展望 |
8.1 研究总结 |
8.2 工作展望 |
参考文献 |
在学期间的研究成果 |
致谢 |
(7)基于差分进化算法和降阶模型的渗流场反问题研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景及意义 |
1.2 渗透系数估计的研究现状 |
1.2.1 常规反分析方法 |
1.2.2 基于代理模型的反分析方法 |
1.3 标准差分进化算法 |
1.3.1 变异操作 |
1.3.2 交叉操作 |
1.3.3 选择操作 |
1.4 差分进化算法的研究现状 |
1.4.1 控制参数研究现状 |
1.4.2 变异策略的研究现状 |
1.5 降阶模型的研究现状 |
1.5.1 本征正交分解法 |
1.5.2 后验误差估计与贪心样本法 |
1.6 本文的主要研究内容和技术路线 |
1.7 主要创新点 |
2 稳定渗流问题反演模型的建立 |
2.1 稳态渗流控制方程 |
2.2 模型校准与参数反演 |
2.2.1 模型校准 |
2.2.2 参数反演 |
2.2.3 几种常用的目标函数 |
2.2.4 权值 |
2.3 提取观测信息中的先验信息 |
2.3.1 灵敏度 |
2.3.2 无量纲比例灵敏度 |
2.3.3 复合比例灵敏度 |
2.3.4 参数相关系数 |
2.4 非线性与优化方法的选择 |
2.4.1 渗透系数与水头的非线性关系 |
2.4.2 优化方法的选择 |
2.5 基于ADINA的模拟-优化模型的建立 |
2.5.1 反演前的步骤 |
2.5.2 批处理运行AUI |
2.5.3 反演流程 |
2.6 算例 |
2.6.1 观测资料提供给反演参数的信息 |
2.6.2 目标函数标准对参数估计的影响 |
2.6.3 观测误差对参数估计的影响 |
2.6.4 种群规模的选取 |
2.7 耗时讨论 |
2.8 本章小结 |
3 差分进化算法的改进研究 |
3.1 引言 |
3.2 反射变异策略 |
3.3 基于轮盘赌选择的多变异策略差分进化算法 |
3.3.1 多种变异策略 |
3.3.2 控制参数自适应调整机制 |
3.3.3 轮盘赌选择机制 |
3.3.4 MMRDE算法的实现 |
3.4 测试基准 |
3.4.1基准函数集1 |
3.4.2基准函数集2 |
3.4.3 收敛条件设定 |
3.5 反射变异策略的性能测试 |
3.5.1 实验建立 |
3.5.2 测试集1的结果分析 |
3.5.3 测试集2的结果分析 |
3.6 MMRDE的性能测试 |
3.6.1 实验建立 |
3.6.2 测试结果分析 |
3.6.3 MMRDE的直接性能研究 |
3.6.4 进化中的变异策略 |
3.6.5 自适应参数分析 |
3.7 本章小结 |
4 基于稳态渗流模型的降阶方法 |
4.1 引言 |
4.2 近似与POD理论 |
4.2.1 近似理论 |
4.2.2 POD的概念 |
4.3 POD基空间的构建方法 |
4.3.1 由最小近似误差构造POD基 |
4.3.2 由相关矩阵构造POD基 |
4.3.3 由SVD分解构造POD基 |
4.4 Galerkin投影表示的降阶模型 |
4.4.1 Galerkin投影 |
4.4.2 基于POD法的降阶模型的构建步骤 |
4.5 快照集对POD模型性能的影响 |
4.5.1 参数集生成方法 |
4.5.2 测试用例 |
4.5.3 试验建立 |
4.5.4 参数集分析 |
4.5.5 模态分析 |
4.6 后验误差估计 |
4.6.1 残差项的离线计算 |
4.6.2 稳定常数的计算 |
4.6.3 稳定常数与参数的变化关系 |
4.6.4 后验误差界与真实误差的比较 |
4.6.5 构建降阶基空间的贪心算法 |
4.7 对贪心算法的适当修改 |
4.7.1 无重复快照的贪心算法 |
4.7.2 迭代终止条件的讨论 |
4.8 算例 |
4.8.1 耗时测试 |
4.8.2 剖分密度对降阶效果的影响 |
4.8.3 反演参数个数对降阶效果的影响 |
4.9 本章小结 |
5 基于降阶模型的渗透系数反演程序设计 |
5.1 引言 |
5.2 识别材料中的待反演参数 |
5.3 矩阵的分块 |
5.3.1 原理 |
5.3.2 子程序 |
5.4 边界条件处理 |
5.4.1 方法一 |
5.4.2 方法二 |
5.5 渗透矩阵的存储机制 |
5.5.1 Skyline稀疏矩阵存储格式 |
5.5.2 CSR稀疏矩阵存储格式 |
5.5.3 Skyline与 CSR存储格式间的转换 |
5.5.4 降阶模型的内存管理 |
5.6 钻孔监测水头的插值 |
5.6.1 判断钻孔点归属单元的方法 |
5.6.2 钻孔点局部坐标的计算 |
5.6.3 反演方法及流程图 |
5.7 算例 |
5.7.1 钻孔水头插值计算效果 |
5.7.2 训练样本数对参数反演的影响 |
5.7.3 观测误差对参数估计的影响 |
5.7.4 与全阶模型的运行时间对比 |
5.8 本章小结 |
6 某水电站工程初始渗流场的反演研究 |
6.1 工程概况 |
6.2 工程地质条件 |
6.3 有限元模型 |
6.4 渗透系数范围的确定 |
6.5 天然渗流场的反演分析 |
6.5.1 参数估计过程分析 |
6.5.2 反演参数的验证 |
6.6 耗时对比 |
6.7 本章小结 |
7 结论和展望 |
7.1 主要结论 |
7.2 展望 |
致谢 |
参考文献 |
附录1:基准函数集1 |
附录2:在Fortran中调用CEC函数系的方法 |
附录3 |
一、攻读博士期间发表论文 |
二、攻读博士期间参加科研项目 |
三、攻读博士期间所获奖励 |
(8)负载均衡下的混合存储数据迁移方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景、目的及意义 |
1.1.1 研究背景 |
1.1.2 研究目的及意义 |
1.2 国内外研究现状 |
1.2.1 冷热数据识别技术研究现状 |
1.2.2 混合存储系统数据迁移方法研究现状 |
1.2.3 存储系统负载均衡研究现状 |
1.3 研究内容、方法和技术路线 |
1.3.1 研究内容 |
1.3.2 研究方法及技术路线 |
1.4 论文组织结构 |
2 相关理论基础 |
2.1 存储介质及其特性 |
2.1.1 机械硬盘(HDD)及其特性 |
2.1.2 固态硬盘(SSD)及其特性 |
2.1.3 机械硬盘与固态硬盘特性对比 |
2.2 基于HDD与 SSD的混合存储系统 |
2.2.1 缓存分层结构的混合存储系统 |
2.2.2 设备同层结构的混合存储系统 |
2.2.3 基于HDD与 SSD的混合存储模型 |
2.3 数据迁移相关理论 |
2.3.1 冷热数据识别 |
2.3.2 数据迁移问题 |
2.4 存储系统的负载均衡 |
2.5 本章小结 |
3 混合存储系统中基于数据价值的冷热数据识别 |
3.1 混合存储系统中数据价值的评估指标选取 |
3.1.1 数据价值定义 |
3.1.2 基于存储介质访问特性测试分析的数据价值评估指标选取 |
3.1.3 基于文献梳理的数据价值评估指标的选取 |
3.2 数据价值评估指标的定义及指标值的保存 |
3.2.1 数据价值评估指标的定义 |
3.2.2 数据访问历史记录的保存 |
3.3 基于数据价值的冷热数据识别方法 |
3.3.1 熵权法在数据价值评估中的适用性分析 |
3.3.2 基于熵权法的数据价值计算 |
3.3.3 基于数据价值大小的冷热数据识别 |
3.4 本章小结 |
4 兼顾负载均衡与文件热度的数据迁移算法 |
4.1 兼顾负载均衡与文件热度的数据迁移问题描述 |
4.2 混合存储系统数据迁移架构 |
4.3 蚁群算法 |
4.3.1 蚁群算法的基本思想 |
4.3.2 蚁群算法的基本模型及流程 |
4.3.3 蚁群算法的特点 |
4.3.4 蚁群算法的适用性分析 |
4.4 兼顾负载均衡与文件热度的改进蚁群算法的设计 |
4.4.1 信息素浓度τ_(ij)(t)的改进 |
4.4.2 启发函数η_(ij)(t)的改进 |
4.4.3 兼顾负载均衡与文件热度的改进蚁群算法的实现过程 |
4.5 本章小结 |
5 实验及结果分析 |
5.1 实验目标与实验方法 |
5.1.1 实验目标 |
5.1.2 实验方法 |
5.2 实验环境搭建与配置 |
5.2.1 实验环境 |
5.2.2 实验环境搭建与实验参数设置 |
5.2.3 实验数据 |
5.3 实验测试及结果分析 |
5.3.1 系统带宽利用率对比 |
5.3.2 系统访问延迟对比 |
5.3.3 系统负载均衡度对比 |
5.4 本章小结 |
6 结论与展望 |
6.1 结论 |
6.2 展望 |
参考文献 |
攻读硕士研究生阶段发表论文及其它成果 |
致谢 |
(9)基于无人机的无线可充电网络路径规划的算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 研究现状 |
1.3 本文研究内容与创新点 |
1.4 本文组织结构 |
第二章 理论基础 |
2.1 无人机下的传感器网络 |
2.2 无线充电技术的发展与分类 |
2.2.1 历史发展 |
2.2.2 无线充电技术原理分类 |
2.3 无线充电存在的问题与分析 |
2.4 本章小结 |
第三章 小规模WRSN的周期性充电算法研究 |
3.1 研究动机 |
3.2 充电模型 |
3.2.1 总体构成 |
3.2.2 移动电源设备的选择 |
3.2.3 充电效率的量化 |
3.2.4 无人机飞行高度的讨论 |
3.2.5 无人机充电的性能指标 |
3.3 移动模型 |
3.3.1 TSP问题 |
3.3.2 路径构造算法及其优化 |
3.3.2.1 遗传算法介绍 |
3.3.2.2 算法过程及优化 |
3.4 本章总结 |
第四章 大规模WRSN的请求式充电算法研究 |
4.1 研究动机 |
4.2 贪心算法及其优化 |
4.2.1 基于距离的贪心算法 |
4.2.2 算法优化 |
4.3 本章小结 |
第五章 算法性能评估 |
5.1 环境设置及评估标准 |
5.1.1 环境设置 |
5.1.2 评估标准 |
5.2 考虑周期性充电的贪心算法性能评估 |
5.2.1 算法性能分析 |
5.2.2 实验结果及分析 |
5.3 考虑按需充电的贪心算法性能评估 |
5.3.1 算法性能分析 |
5.3.2 实验结果及分析 |
5.4 考虑飞行高度对充电的影响 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 工作总结 |
6.2 未来展望 |
致谢 |
参考文献 |
(10)城市住区整合型民生服务空间规划研究 ——以哈尔滨市为例(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.1.1 新常态市场经济发展转型 |
1.1.2 快速城镇化带来城市更新方式转型 |
1.1.3 公共服务向民生服务政策转变 |
1.1.4 居民生活方式和民生服务空间转变 |
1.2 研究目的和意义 |
1.2.1 研究目的 |
1.2.2 研究意义 |
1.3 相关概念界定 |
1.3.1 住区相关概念辨析 |
1.3.2 民生服务 |
1.3.3 整合型民生服务 |
1.3.4 民生服务空间 |
1.3.5 住区民生服务空间 |
1.4 国内外研究综述 |
1.4.1 国外研究综述 |
1.4.2 国内研究综述 |
1.4.3 综述简评 |
1.5 研究内容、方法及框架 |
1.5.1 研究内容 |
1.5.2 研究方法 |
1.5.3 研究框架 |
第2章 研究基础 |
2.1 民生服务的基础研究 |
2.1.1 民生服务的经济社会背景 |
2.1.2 民生服务理念发展 |
2.1.3 民生服务现状研究 |
2.1.4 住区民生服务需求研究 |
2.2 住区民生服务整合必要性研究 |
2.2.1 整合型民生服务相互促进 |
2.2.2 整合型民生服务提升住区活力 |
2.2.3 整合型民生服务提高服务效率 |
2.2.4 整合型民生服务拓展城市空间 |
2.3 住区民生服务空间重构与尺度研究 |
2.3.1 住区民生服务供应价值取向 |
2.3.2 住区分类与民生服务布局 |
2.3.3 住区民生服务空间尺度演变 |
2.4 住区整合型民生服务研究 |
2.4.1 整合型民生服务概念演变 |
2.4.2 国内外整合型布局模式探析 |
2.5 本章小结 |
第3章 哈尔滨住区民生服务现状调查研究 |
3.1 哈尔滨住区民生服务基本概况 |
3.1.1 哈尔滨住区基本概况 |
3.1.2 哈尔滨住区民生服务配置现状 |
3.1.3 哈尔滨住区民生服务市场化现状 |
3.2 住区民生服务要素解析 |
3.2.1 住区民生政策解析 |
3.2.2 住区民生文献解析 |
3.2.3 住区民生访谈调研解析 |
3.2.4 住区民生服务需求要素框架构建 |
3.3 哈尔滨住区民生服务调研与分析 |
3.3.1 住区样本选取原则 |
3.3.2 调研方案设计 |
3.3.3 调查对象及样本描述 |
3.3.4 调查数据分析 |
3.4 哈尔滨住区民生服务结果分析 |
3.4.1 住区民生服务需求体系 |
3.4.2 住区民生需求优先级分析 |
3.4.3 住区民生服务时间敏感度分析 |
3.4.4 住区民生服务整合度分析 |
3.5 本章小结 |
第4章 住区整合型民生服务体系构建 |
4.1 整合型民生服务体系构建原则 |
4.1.1 分层次供应原则 |
4.1.2 差异化配置原则 |
4.1.3 关联互补原则 |
4.2 整合型民生服务内容与类别 |
4.2.1 整合型民生服务内容研究 |
4.2.2 整合型民生服务类别研究 |
4.3 整合型民生服务指标调整研究 |
4.3.1 民生服务公益性与市场化平衡研究 |
4.3.2 整合型民生服务模块个性化调整 |
4.3.3 整合型民生服务分级配置 |
4.3.4 民生服务兼容性研究 |
4.4 整合型民生服务模块化组合模式 |
4.4.1 整合型民生服务模块化组合模式 |
4.4.2 整合型民生服务公平性配置原则 |
4.4.3 民生服务模块化三维框架构建 |
4.5 本章小结 |
第5章 住区整合型民生服务配置规划 |
5.1 整合型民生服务配置原则 |
5.1.1 民生服务布局基本原则 |
5.1.2 民生服务布局理论框架 |
5.1.3 空间布局问题分类及研究 |
5.1.4 民生服务布局基本模型构建 |
5.2 整合型民生服务布局模型与算法设计 |
5.2.1 单层级民生服务布局模型与算法设计 |
5.2.2 多层级民生服务布局模型与算法设计 |
5.3 整合型民生服务配置准则 |
5.3.1 整合型民生服务规模配置准则 |
5.3.2 整合型民生服务布局准则 |
5.4 本章小结 |
第6章 住区整合型民生服务空间规划 |
6.1 整合型民生服务空间规划目标与原则 |
6.1.1 整合型民生服务模式规划目标 |
6.1.2 整合型民生服务模式规划原则 |
6.2 整合型民生服务空间空间重构模式 |
6.2.1 整合型民生服务空间模式 |
6.2.2 城市民生社会空间重构的策略 |
6.2.3 城市民生住区空间形态重构策略 |
6.2.4 民生服务空间模式与行政管理范畴的对接 |
6.3 整合型民生服务空间规划应用研究 |
6.3.1 平房区民生服务现状分析 |
6.3.2 平房区民生服务中心空间布局规划 |
6.3.3 友协街道民生服务布局 |
6.3.4 友协街道民生服务功能模块规划 |
6.3.5 整合型民生服务建筑模式规划 |
6.4 民生服务组织与流程模块化策略 |
6.4.1 民生服务管理流程模块化落实 |
6.4.2 民生服务建设流程模块化模式 |
6.4.3 民生服务住区营造模块化方法 |
6.4.4 民生服务应急响应模块化策略 |
6.5 本章小结 |
结论 |
参考文献 |
附录 |
攻读学位期间发表的学术论文及其它成果 |
致谢 |
个人简历 |
四、改进贪心算法的完善与应用(论文参考文献)
- [1]基于粗糙集和信息熵的场站航材股评价研究[J]. 孙绳山,徐常凯,何亚群. 信息工程大学学报, 2021(04)
- [2]基于移动众包的雾计算实验平台研究[D]. 徐巧枝. 内蒙古大学, 2021(11)
- [3]面向配用电物联网的电力线载波通信技术研究[D]. 杨雅文. 华北电力大学(北京), 2021(01)
- [4]移动边缘网络中基于网络流模型的虚拟服务迁移算法[D]. 唐欢. 中国科学院大学(中国科学院深圳先进技术研究院), 2021(08)
- [5]基于网络拓扑结构的节点影响力度量和影响力最大化研究[D]. 杨膳宇. 兰州大学, 2021(09)
- [6]影响力最大化智能优化算法及应用研究[D]. 韩礼红. 兰州大学, 2021(09)
- [7]基于差分进化算法和降阶模型的渗流场反问题研究[D]. 钱武文. 西安理工大学, 2020(10)
- [8]负载均衡下的混合存储数据迁移方法研究[D]. 李茂林. 西安建筑科技大学, 2020(07)
- [9]基于无人机的无线可充电网络路径规划的算法研究[D]. 袁恒. 电子科技大学, 2020(07)
- [10]城市住区整合型民生服务空间规划研究 ——以哈尔滨市为例[D]. 王淼. 哈尔滨工业大学, 2020(01)