课程文献中心 更多>>

关键词： 物联网平台   微服务   高并发   响应指数   服务器综合权重计算模型   负载均衡   集群  

摘要： 为解决物联网平台在高并发场景中负载失衡等问题,从平台架构和负载均衡算法出发,设计一种基于微服务架构与MQTT协议的质量追溯平台。通过将功能模块拆分为多个微服务,较大程度地提高平台的稳定性和可拓展性。对负载均衡算法进行改进,从优先级调度入手,分析用户请求的关键影响因素,采取AHP中的算术平均法计算影响因素的权重,以此设计响应指数函数,根据此函数计算请求响应值。提出服务器综合权重计算模型,结合集群节点负载状况的实时性,对用户请求进行动态调度,充分利用集群节点资源。实验结果表明,改进后算法可以有效减少请求响应时间。

关键词： YOLOv8n   缺陷检测   轻量化   特征融合   DySample  

摘要： 针对钢材表面缺陷检测算法精度低、计算量大等问题,提出一种基于YOLOv8n的检测算法HPDE-YOLO(high-level path aggregation dynamic efficient network-YOLO)。首先,引入高效多尺度注意力(efficient multi-scale attention,EMA)机制,与主干部分的C2f融合,增强特征提取能力,并采用C2f-Faster结构提高模型计算速度;其次,提出一种高级筛选双向特征融合金字塔与路径聚合网络(high-level screening-feature bidirectional fusion pyramid and path aggregation network,HS-FPAN),在多个尺度上同时增强语义特征,有效提升模型对细节的捕捉能力;最后,融合动态上采样模块DySample,进一步提升模型检测速度。在NEU-DET数据集上的实验结果表明,相较YOLOv8n模型,HPDE-YOLO模型检测的平均精度均值mAP@0.5达到84.2%,提升了5.7个百分点,裂纹类缺陷检测的平均精度均值mAP提升了26.88个百分点,参数量减少了45%,浮点运算量减少了32%。HPDE-YOLO模型在满足轻量化的同时能够有效提升钢材表面缺陷检测的精度,且易于移动端部署,满足工业生产需求。

关键词： 融合指标分区   多策略学习   竞争群优化算法   粒子群优化算法   实时停滞检测  

摘要： 在粒子群优化算法中,多样性丢失会导致算法过早收敛,造成种群多样性和收敛性不足。为更好平衡种群多样性与收敛性,提出一种基于融合指标分区的多策略竞争群优化算法(multi-strategy competitive swarm optimization algorithm based on fusion index partition,FIMSCSO)。首先,为同时评估不同子种群的多样性和收敛性,提出一种利用融合指标的分区方法,更有效区分子种群性能,提升子种群粒子的搜索效率。其次,对通过分区获得的子种群设计多重学习机制。子种群内部学习时,为使子种群朝向更利于平衡收敛性与多样性的方向学习,将粒子性能与寻优过程结合,提出新的获胜粒子学习方法,提高种群粒子参与度和算法寻优效率;子种群间学习时,为减少整个种群陷入局部最优的可能性,引入改进三重竞争机制促进子种群间信息交流,帮助提高收敛精度。最后,设计实时停滞检测和变异策略帮助种群跳出局部最优。理论证明了所提算法的收敛性。实验结果表明,相比其他改进算法,所提FIMSCSO算法具有良好的收敛精度和寻优效率。

关键词： 风电场   协调控制   控制框架   算法   跨学科融合  

摘要： 随着风电并网规模的增长,电力系统稳定性面临更多挑战,迫切需要高效的风电集群协调控制技术。首先分析频率控制、功率平滑控制、电压控制、最大功率输出控制等风电集群协调场景的基本原理;在此基础上,分析分散式、集中式和分布式风电集群协调控制框架的性能,探讨新型控制框架的技术特点和优势;接下来,综述风电集群协调控制实现算法,包括模糊算法、一致性算法、模型预测控制、交替方向乘子法、人工智能算法、群智能算法等,讨论不同算法的适用场景;最后,展望风电集群协调控制技术的发展趋势,指出跨学科融合的实现新思路。

关键词： 叠加分析   矢量多边形裁剪   混合并行   奇偶排序   OpenMP   算法优化   高性能计算   GIS  

摘要： 矢量多边形裁剪是GIS领域中重要且常用的基础功能之一,地理空间数据规模的爆炸式增长给传统裁剪算法的计算效率提出了更高的要求,当前矢量多边形裁剪算法日益呈现计算密集和数据密集的特点。针对这一现象,本文基于矢量多边形裁剪Vatti算法,优化其数据结构,将GPU众核并行技术应用到构建局部最小点表和有序扫描束的环节中,当Block大小为128,裁剪多边形顶点数达到3276800时,在求交算子操作下,对多边形裁剪Vatti算法的加速比达到2.55倍。在此基础上,本文基于CPU多线程并行技术进一步利用计算资源,提出了通过顶点数量对数据集进行分割并实现混合并行加速的优化方法(VSHP)。针对一个大规模数据集,由主线程读取数据后根据顶点数和线程数对原始数据进行划分,之后交由各线程进行计算,期间依次调用GPU对最小外包矩形过滤、构建局部最小点表和有序扫描束环节进行加速,最后当所有数据任务计算完成后,由主线程完成结果的归并和输出。试验表明,当调用4个线程时可获得理想的加速效果,在动态调度策略下启用16个线程时可获得最高19.15倍的加速比。本文通过CPU-GPU的混合并行优化技术,尝试在较低的能耗下实现桌面上的高性能计算,旨在为传统矢量多边形裁剪算法在廉价消费级硬件平台上获得高性能加速优化提供一定的参考价值,降低地理信息数据规模化应用的成本。

关键词： 遥感图像   目标检测   YOLOv7   多层特征   注意力机制  

摘要： 遥感图像目标检测在军事侦察、智慧农业等领域意义重大,特别是小目标检测一直获得持续关注。然而,遥感图像中的小目标面临特征信息不足、检测难度大等问题,成为困扰遥感检测应用发展的最大障碍。为此,提出YOLO-HF(you only look once-hybrid feature)算法,该算法在传统YOLOv7模型的网络中,引入通道注意力和自注意力的混合注意力机制提取目标深层特征,并将浅层特征和深层特征进行融合,增加局部特征的丰富性;为进一步加强对全局信息的关注,在提取特征后为小尺度目标添加全局注意力机制,实现全局特征表达能力的提升;为避免传统损失函数对小目标位置偏差敏感,导致检测效果不佳,选择使用一种新的度量方式,将其嵌入边界框损失函数的计算中,从而加快损失函数的收敛,实现小目标检测精度的提升。实验结果表明:与传统YOLOv7算法相比,所提算法在RSOD和NWPU VHR-10数据集上均表现出优越性,特别地,在RSOD数据集上均值平均精度提升了2.90%,在NWPU VHR-10数据集上均值平均精度实现了3.61%的提升。

关键词： 多仓库车辆路径问题   梯形模糊时间窗   改进蚁群算法   电商物流  

摘要： 本文针对带有时间窗约束的多仓库开放型车辆路径问题,提出了一种梯形模糊数方法对时间窗进行模糊化处理。在用户满意度函数和时间惩罚成本函数的基础上,建立了更加贴近实际场景的优化模型。为降低电商物流成本,本文假设系统允许存在一个或多个虚拟配送中心,并设计了一种改进的蚁群优化算法以求解系统的最小成本问题。通过在不同规模的实验数据集上进行测试,结果表明该算法在总成本方面具有显著优势:相较于基本蚁群算法降低了10%,相较于随机生成方法降低了29%。因此,本文所提出的数学模型具有合理性和有效性,特别适用于多中心、多需求点和开放型系统背景下的电商物流成本优化场景。In this paper, a trapezoidal fuzzy number method is proposed to blur the time window for multi-warehouse open vehicle routing problem with time window constraint. On the basis of user satisfaction function and time penalty cost function, an optimization model which is closer to the actual scenario is established. In order to reduce the cost of e-commerce logistics, this paper assumes that the system allows one or more virtual distribution centers, and designs an improved ant colony optimization algorithm to solve the minimum cost problem of the system. When tested on experimental datasets of different sizes, the results show that the algorithm has a significant advantage in terms of total cost: 10% lower than the basic ant colony algorithm and 29% lower than the random generation method. Therefore, the mathematical model proposed in this paper is reasonable and effective, especially applicable to the scenario of e-commerce logistics cost optimization under the background of multi-center, multi-demand point and open system.

关键词： 自适应模糊推理   双微机   水轮机   稳定性调速   水流数据采集   萤火虫算法  

摘要： 为了提高水轮机在运行环境中的调速稳定性,提出了基于自适应模糊推理算法的双微机水轮机稳定性调速方法。通过采集水轮机运行过程中的相关数据,构建水轮机的力矩动态方程、流量动态方程;通过模糊推理输出水轮机运行状态参数,利用萤火虫算法对构建的自适应模糊推理模型进行优化;将优化的参数值与设定的水轮机参数阈值进行比较,并将结果反馈至双微机调速器中,实现对水轮机进行稳定性调速。通过实验验证,该方法应用后,水电站的日发电量在汛期和非汛期分别提升了7.5%和13.16%,能够使水轮机在运行过程中维持相对稳定的转速,波动较小。该方法在不同水流状态下,最大减少耗时分别为74.19%和72.57%,耗时较短。

关键词： 光伏发电   遗传算法   蚁群算法   BP神经网络   参数优化   功率预测  

摘要： 提出一种基于混合遗传蚁群算法(GA-ACO)改进BP神经网络的预测模型.通过皮尔逊相关系数公式求出与光伏发电输出功率相关性强的气象特征作为训练模型的输入,减少无关气象特征量对光伏输出功率的预测影响.运用遗传算法(GA)产生寻找最优参数问题的信息素分布,蚁群算法(ACO)在有初始信息素分布的条件下输出最优权阈值,让BP神经网络二次训练,输出预测值.分析结果表明,以晴天为例,GA-ACO-BP神经网络模型比传统BP神经网络模型、ACO-BP神经网络模型、GA-BP神经网络模型的预测结果相对误差分别减少了9.47%、4.83%和3.27个百分点,因此GA-ACO-BP神经网络模型用于光伏发电功率预测时具有更好的预测精度.

关键词： 节点分类   高阶结构   结构相似性   网络表示   图神经网络  

摘要： 节点的局部邻域内通常存在具有特定局部连接模式且频繁出现的高阶组结构,这些组结构可以更准确地刻画节点拓扑特征,有助于理解网络的结构特征及节点间的交互模式。基于此,利用节点局部邻域内的高阶组结构特征计算节点间的结构相似性,并提出了一种融合高阶组结构信息的节点分类算法NHGS(Node Classification Algorithm Fusing High-order Group Structure Information)。该算法将k元组内形成的不同构的导出子图作为其初始组标签,利用Weisfeiler-Lehman(WL)算法迭代地聚合其邻域k元组的标签信息以更新k元组标签;节点在不同k元组标签中的出现次数构成了节点的特征向量,利用节点间特征向量的相似性表示节点间的结构相似性;结合节点的属性信息,并通过自编码器神经网络得到节点嵌入,进而对网络中的节点进行分类。NHGS将节点局部邻域内的k元节点组结构信息与节点的属性信息相结合,得到了包含高阶结构信息的节点表示。在真实属性网络上的实验表明,所提方法能有效计算出节点间的结构相似性,提升了节点分类任务的性能。