课程文献中心 更多>>

关键词： Kubernetes   熵权利用率复合算法   构建自适应变分模态分解算法   注意力机制增强的LSTM算法   负载预测  

摘要： 为解决Kubernetes内置的弹性伸缩策略衡量指标单一、反应滞后和资源利用效率低的问题，文中提出了一种熵权利用率复合算法结合预测模型的改进弹性伸缩策略。熵权利用率复合算法通过关注多种指标的资源利用率在不同节点上的分布差异(信息熵权法)和整体趋势(平均利用率权重法)，计算Kubernetes 集群的综合负载值，从而解决了衡量指标单一的问题。构建自适应变分模态分解算法(Adaptive Variational Mode Decomposition，AVMD)结合注意力机制增强的LSTM算法(Long Short-Term Memory based on Attention Mechanism，Attention Mechanism-based LSTM)的预测模型，通过预测负载变化以解决反应滞后和资源利用率低的问题。该模型根据预测的负载值，在高流量初期促使系统快速响应进行扩容，流量结束后迅速缩容以节约资源。实验结果表明，改进弹性伸缩策略与默认的Kubernetes伸缩策略相比，在突发流量前期，请求响应时间降低了52%，在流量过后快速缩容释放资源，具有较高的实际应用价值。

关键词： 计算卸载   边缘计算   联盟博弈   分层博弈   依赖型任务  

摘要： 大规模的数据采集处理任务对计算能力的要求很高，然而分布式部署在各地基层服务器上可用的计算资源有限，不足以单独处理整个任务数据。边缘计算（Edge Computing, EC）通过将计算任务卸载到边缘服务器上改善服务，为此类应用提供了有效的解决方案。但是，传统的顺序决策策略大多依赖于预调度，且忽略了任务群之间的合作，存在一定的优化空间。对此，基于前序任务层优先策略（predecessor layer first, PLF）对具有依赖关系的计算卸载过程进行建模，提出了一种基于分层联盟博弈的计算卸载算法（Layering Coalitional Game Computation Offloading Algorithm, LCGCO）来优化卸载决策，从而降低计算卸载时延和能耗。LCGCO通过前序任务层优先策略确定子任务的卸载顺序、然后通过同优先级子任务间的联盟博弈确定卸载策略，以实现任务群整体最优调度。通过仿真，显示出与基于MEFT的遗传算法、拉格朗日求解凸规划方法相比，LCGCO具有更低的时延、能耗和更少的时间复杂度，并且任务图越复杂，LCGCO算法的优化性能越好。

关键词： 中继收发器   位置误差   校准目标   闭式算法   克拉美罗下界(Cramer-Rao lower bound, CRLB)  

摘要： 现有无源定位闭式算法均考虑视距(Line of sight， LOS)环境，无法直接应用于存在遮挡的城市环境低空无人机目标定位等场景，同时，非视距(Non-line of sight， NLOS)优化定位算法计算效率较低。针对这些问题，本文开展中继辅助下的单站目标定位研究，通过引入中继收发器对目标信号进行转发，构造两条路径从而规避遮挡问题，同时考虑中继和观测站位置存在随机误差，提出了一种闭式算法来确定未知目标位置。该算法分为三个步骤：首先利用校准目标-中继收发器-观测站这一路径的额外信息，修正中继和观测站位置；随后基于未知目标-中继收发器-观测站获取的观测信息，通过引入额外变量的方式构建伪线性方程，利用加权最小二乘技术给出目标位置粗略估计；最后进一步挖掘目标位置与额外变量的非线性关系，再次构建矩阵方程并给出目标位置最终估计解。经过理论剖析与仿真验证，所提出的算法在可接受的测量误差和观测站点位置误差范围内，能够逼近克拉美-罗下限（Cramer-Rao Lower Bound， CRLB）。

关键词： 水库标准化   主成分分析法   离散度   遗传算法   重构标准  

摘要： 依赖专家对标对表的创建工作中不可避免专家在扣分区间内自由把控扣分程度的现象，针对所造成的因子重要性、所占总分比例、扣分区间一致，但其差异化不一致的问题，利用主成分分析法（PCA）以离散度作为表征指标，重构《评价标准》建立特征矩阵作为输入变量，利用GA遗传算法改进BP神经网络进行拟合验证。结果表明，《评价标准》因子离散程度越高，越能代表创建实际情况；GA算法通过建立解释目标与解释适应度核函数之间的映射关系，进一步提升了BP神经网络的泛化能力和精准度，改进后的GA-BP神经网络算法模型的拟合准确率达98.78%；重构后的《评价标准》拟合R2高达0.953，较重构前提升了0.107有着更好的拟合精度。目前从因子离散度的角度出发关于对水利工程标准化解构、重组的研究相对较少，研究结论能够较好的辅助贵州省水库标准化管理创建、后续《评价标准》的修编等工作。

关键词： 消费主义   算法欲望   注意力经济   社交媒体   新自由主义  

摘要： 随着数字平台、智能算法、社交媒体等数字技术在消费领域的广泛应用,数字技术与消费主义更深地嵌入资本体系,在全球范围内形成了规模巨大的技术消费文化。数字景观、算法欲望、数字声誉即是资本和技术高度融合的产物,为消费主义的蔓延提供了全新的消费场域、不竭的消费欲望与温驯的消费主体:“超真实”的数字景观拓展了消费空间、延续了消费时间,将主体的注意力纳入规训与管控的范围,重塑其感知,最大限度地榨取消费者的数字劳动;持续优化与升级的算法模型与24/7全天候数字监控有效地量化、预测并制造消费者的无限欲望,无视主体隐私权,将其抽象为动态数据;作为大他者的社交媒体对数字声誉的创建与传播,促使新自由主义的消费伦理范式合理化,深化消费与身份认同的虚假关联,驱动主体自我投资与自我剥削。资本权力依托数字平台进一步构建了消费主体与现实、商品、他者甚至自我的直接关联,进而巧妙地将主体整合进资本增殖系统。究其根本,数字时代的消费主义是资本革新积累范式的必然结果,它表明资本再次在危机下完成了生产方式的更新与价值重组。

关键词： 风光出力预测   相似日聚类   最优Copula函数建模   鲸鱼算法   双向长短时记忆神经网络   概率区间预测  

摘要： 风电、光伏具有较强的随机性与波动性，提高其预测精度对构建新型电力系统具有重要意义。同时，位于同一地区的风光出力还具有明显的时空相关性规律，鉴于这些相关特征，提出一种基于相似日聚类与WOA-BiLSTM-Copula算法的短期风光功率相关性概率区间预测模型。首先，采用K-means聚类算法划分数值天气预报（NWP）数据集，依据Kendall、Spearman相关性系数提取具有相关性的风光联合出力典型相似日场景。其次，针对相关性相似日场景，采用非参数核密度估计法进行Copula建模，确定风光出力最优Copula函数类型。之后，训练鲸鱼算法优化双向长短期记忆神经网络（WOA-BiLSTM），并对风电、光伏功率进行点预测。最后，使用蒙特卡洛法对最优Copula函数采样，基于风光点预测值生成相关性概率预测区间。仿真结果表明：本文模型可以有效提取风光出力相关性特征，与现有模型相比精度更高，验证了模型的有效性。

关键词： 信息化   信息系统架构   数据中台   数据管理   微服务  

摘要： 近年来随着互联网、大数据、人工智能等技术的广泛普及与迅猛发展，科研管理正逐步从传统模式转向数据驱动、信息化、智能化的新范式。这一变革使得传统信息系统架构越来越难以应对海量数据交换、数据共享、数据安全等方面的需求。本文以国家自然科学基金委员会（以下简称“自然科学基金委”）的信息系统架构为例，探讨其发展演进方向。面对新时期科学基金改革的推进，自然科学基金委现有信息系统在网络和数据安全保障、智能化服务水平提升以及系统开发与管理效能优化等方面面临诸多挑战。本文首先介绍了两种传统信息系统架构在自然科学基金委的应用现状，接着，分别从业务量和业务系统数量增长、信创替代、智能服务和数据管理四个方面对现有信息系统面临的挑战进行了深入分析。最后，从数据管理和微服务两个维度给出了信息系统架构后续发展的思考。

关键词： 强化学习   AUV控制   上下文变量   课程学习  

摘要： [目的]为了提高AUV控制器对环境建模误差的鲁棒性，提出一种引入上下文信息和课程学习训练机制的强化学习控制策略。[方法]首先，通过将交互历史数据作为策略网络输入的一部分，将上下文信息嵌入策略网络；其次，设计课程学习训练机制，在训练过程中逐渐增加干扰力度，避免因干扰过大导致的训练不稳定和早停现象。在仿真环境中进行了定深控制实验，并在水池中使用实体AUV进一步验证算法的有效性。[结果]实验结果表明，所提算法可以将收敛速度提升25%，奖励稳态值提升10.8%，有效改进训练过程。所提出算法在仿真环境中可以实现无静差跟踪，在水池实验中的深度位置跟踪误差均值相比于基线方法和域随机化方法别减小了62%和45%，标准差分别减小了52%和36%，有效提升了跟踪精度和稳定性。[结论]研究成果可为深度强化学习方法在AUV控制领域上的应用提供参考。

关键词： 正交线性调频信号复用   线性调频序列   信道估计  

摘要： 为提高正交Chirp信号复用(Orthogonal Chirp Division Multiplexing， OCDM)技术信道估计算法的估计性能，分析了OCDM中线性调频(Chirp)序列信道估计算法目前存在的缺陷。针对其估计精度受噪声干扰的缺点，设计出一种小波去噪与阈值Chirp序列估计结合的信道估计算法。首先根据Chirp序列得到信道的含噪估计结果，然后利用时域噪声方差设置相应阈值对噪声抑制窗内的样本点噪声进行滤除，最后运用离散小波变换进一步抑制窗内样本点噪声。仿真结果表明，提出的算法相比Chirp序列信道估计算法，信道估计均方误差性能提升显著，误比特率性能提升约0.5～2dB，能够有效减小噪声对信道估计结果的影响，提高信道估计精度。

关键词： 精准控温   算法   传热原理   液相色谱   柱温箱  

摘要： 高效液相色谱系统作为诸多领域的关键分析手段,提升其分离效率、稳定性和普适性是研究重点。在该技术手段中,流动相的组成和比例、固定相的种类以及色谱柱的尺寸等显著影响分离效果,色谱柱和流动相的温度对分离效果也起到了至关重要的作用。高效液相色谱系统通常采用柱温箱进行温度控制,高精度的温度控制可提升色谱分离性能、缩短分析时间、确保分析结果的重复性。本文创新性地改进了柱温箱的结构,通过融合多种先进温度控制算法,实现了高精度、宽范围(4～90℃)的连续升降温控制,为色谱分析方法发展开辟了新路径。此改进摒弃了复杂的硬件系统,仅通过软件优化即达成了高度稳定的控温效果,控温精度提升至±0.1℃。此外,通过优化保温结构与采用环保隔热材料,也增强了控温精细化能力;对于热源热传导机制的研究,进一步提升了柱温箱的综合性能。结果表明,该改进显著提高了色谱分离的重现性和稳定性,为高效色谱分析方法的发展奠定了坚实基础。