一、Delphi5.0中的网络消息传递机制及应用(论文文献综述)
闫文静[1](2021)在《基于智能反射面的波束赋形和信息传输》文中研究指明智能反射面(Intelligent Reflecting Surface,IRS)是一个大型的电磁超表面,由大量低成本、几乎无源的反射单元组成。通过有效的设计反射单元的相移,智能反射面能够实现对入射电磁波的定向反射,以智能地重新配置无线传播环境,从而提高无线通信系统性能,是一种非常有应用前景的绿色通信技术。为了实现在实际系统中的部署与应用,智能反射面需要具备一定的信息传输能力,以实现与其辅助系统的协调同步并保证其功能的正常发挥。可以通过为RIS配备专用的射频(Radio Frequency,RF)链来实现RIS信息传输,但这会消耗额外的时间/频率资源并增加部署智能反射面的硬件成本。这智能反射面“被动”性质不符。为了更高效的传输智能反射面的信息,本文提出了一种基于空间调制的智能反射面被动信息传输机制,我们称之为联合无源波束赋型和信息传输(Passive Beamforming Information Transfer,PBIT)。在PBIT方案中,智能反射面的信息被调制到其反射单元的“开/关”状态上,接收端通过检测对应的反射单元是由被激活来获取其信息,从而实现了在不增加硬件成本和能源消耗以及不占用额外时域和频谱资源的情况下智能反射面信息的传输。在采用了PBIT方案的系统中,智能反射面的开关状态具有随机性以承载其信息,导致其波束赋形设计为随机规划。同时,智能反射面信息和用户信息的同时传输使得其接收机的设计为双线性信号检测问题。针对这两个问题,我们分别提出了在单用户单发多收(Single Input Multiple Output,SIMO)系统和多用户SIMO系统中的解决方案。具体而言,在单用户SIMO PBIT系统中:针对无源波束赋形设计,我们提出了基于半正定松弛的接收端信噪比最大化算法;针对双线性接收机设计,我们提出了基于矩阵秩-1分解的两步求解方案。对于多用户SIMO系统中的无源波束赋型设计,我们提出了基于采样平均逼近的交替优化算法,和在计算复杂度和性能上取得良好平衡的简化的优化算法。针对多用户SIMO系统中的接收机设计,我们设计了基于消息传递(Message Passing,MP)的turbo迭代检测算法。我们在MATLAB软件上进行了仿真验证。仿真结果显示了所提出的优化算法可以明显的增加系统的用户可达码率,所提出的检测算法能够较为精确的同时恢复用户和反射面的信息。
郭子伦[2](2021)在《基于微内核的嵌入式虚拟化技术的研究与实现》文中进行了进一步梳理在当下,嵌入式系统广泛应用在各个行业的各个方面,各领域的需求和使用场景越来越复杂的,传统单一的系统必然会有难以满足的情况存在,这只能造成现有平台的设计越来越冗余。在上述背景下,为了解决复杂业务场景的协同等等问题,在实际需求的推动下,嵌入式系统自然而然会引入多操作系统架构平台,或者说是嵌入式虚拟化平台。应用在嵌入式系统的虚拟化技术,主要目标就是在一套硬件设备上支持两个或多个执行环境,并且在嵌入式硬件不断革新的同时,与传统虚拟化应用相比,应用在车载电子或工控设备等等的嵌入式虚拟化技术对系统性能的要求更高。所以对于嵌入式虚拟化技术的需求也从半虚拟化转向了完全虚拟化技术,使独立的操作系统,可以是通用操作系统或是RTOS,无修改的整合运行在同一设备平台的不同分区。这种技术在当下更加符合开发商对嵌入式领域中操作系统的各种需求。为了解决多操作系统平台的问题,本文以结合微内核技术的虚拟化系统平台为研究课题展开,重点研究了ARM架构中的虚拟化技术、多嵌入式操作系统的并行运行机制、并行操作系统间如何通信等要点,最终提出适用于实际应用场景的嵌入式虚拟化平台原型设计。文章主要内容包括分析与介绍在研究过程中涉及到的相关的技术理论,并通过对一系列嵌入式虚拟化解决方案的研究,提出自己的设计思路与方案;第二部分是提出轻量级虚拟化管理模块的设计方案,其中主要包括对微内核架构设计以及分区管理设计的介绍和系统间通信机制的设计方案;最后一部分是实现基于微内核架构的虚拟化系统的实验原型,并对原型中微内核功能性部分以及系统间通信性能部分进行测试。实验结果表明该原型在系统实时性等性能上更加高效,是一个相对稳定、独立、实时的系统。
余嘉伟[3](2020)在《基于Petri网的信息物理融合系统建模与分析》文中提出随着“中国制造2025”战略与工业4.0间的对接及二者的不断推进,国内外制造型企业开始加快探索制造业智能升级的步伐,而信息物理融合系统(Cyber-physical System,CPS)则处于其中的核心地位。作为一个包含复杂结构与功能的高级嵌入式系统,CPS的建模与分析逐渐成为当前的热点研究问题。现有的模型与方法中,可准确建模整个CPS逻辑结构、功能流程以及组件之间交互行为的较少,并且多数无法同时支持定性、定量与能耗三方面的分析,此外,多数研究未考虑CPS中广泛存在的不确定性因素,导致分析结果缺乏精确度。为解决这些问题,本文将传统Petri网扩展为面向对象广义随机Petri网(Object-oriented Generalized Stochastic Petri Net,OGSPN)与面向对象能耗 Petri 网(Object-oriented Energy Consumption Petri Net,OECPN),作为新的CPS形式化模型,随后提出了基于OGSPN和OECPN的模糊分析方法。本文的创新点和主要研究工作如下:1.针对当前存在的CPS形式化模型的描述能力不足以及难以同时用于定性、定量、能耗分析的问题,本文首先将面向对象技术与Petri网结合,以建模具模块化结构的CPS,随后将时间与能耗等属性附加于模型中的变迁结点,分别构建了 OGSPN与OECPN模型。在此基础上,使用Petri网分析软件PIPE(Platform Independent Petri Net Editor)进行了仿真模拟,验证了模型的正确性并进行了 CPS的定性分析。随后,为了使OGSPN具有足够定量分析的能力,提出了一种OGSPN的压缩算法(OGSPN Compression Algorithm,OCA)以将其转化为广义随机Petri网(Generalized Stochastic Petri Net,GSPN)。2.为了处理CPS中的不确定性因素,在GSPN与OECPN中引入了模糊集理论中的三角模糊数及其α截集方法。在此基础上,针对CPS的时间性能指标,提出了基于与GSPN同构的压缩嵌入式马尔科夫链的(Reduced Embedded Markov Chain,REMC)的模糊分析方法;针对CPS的能耗指标,提出了基于OECPN可达标识图的CPS组件能耗分析算法(Component Energy Consumption Analysis Algorithm,CECAA)。并且,在时间性能与能耗分析的最后,都进行了模糊结果值的解模糊。3.将上述方法应用于一个实际的智能制造业的CPS案例—杭州西奥电梯有限公司(www.xiolift.com,XIOLIFT)的智能厚板生产线中。通过对该CPS的建模与分析发现,获得的性能分析与能耗分析结果与XIOLIFT的生产数据间的误差处于合理范围内,因此模型反映了实际生产情况,这进一步验证了本文所提出模型与方法的有效性。在此基础上,模拟了系统生产情况的变化并进行了一系列实验,通过实验结果讨论了所建模CPS的优化与能效管理方向。CPS的建模与分析是复杂系统设计中的关键挑战之一,同时是制造业和其他信息技术产业智能升级的有效手段。本文的研究对CPS的初期设计、长期运行,以及其结构调整、流程优化、能效管理提供了基础,对于推动CPS的发展具有重要的理论与实践意义。
王宁[4](2020)在《基于动态耦合类组织P系统的聚类算法研究及应用》文中研究说明近年来信息技术发展速度与数据更新速度加快,而数据来源复杂多样,数据量以前所未有的速度迅猛增长。为了从庞大的数据中,快速准确地获取有价值的信息,聚类分析作为一种重要的数据分析技术被广泛研究,但仍存在初始聚类中心选择敏感,数据分布对聚类结果影响较大,参数选择敏感,聚类结果稳定性差以及算法时间复杂度高等缺点。P系统是根据生物间的交流、反应抽象得到的计算模型,具有强大的计算能力,可与图灵机相媲美。将P系统与聚类算法相结合,可利用P系统自身具有的极大并行性,降低算法时间复杂度,但P系统存在普适性较差等缺点。本文对类组织P系统、模糊C均值聚类算法和谱聚类算法进行了研究,主要研究内容如下:1、介绍了研究背景与意义,分别介绍了近几年类组织P系统、模糊C均值聚类算法、谱聚类算法以及基于类组织P系统的聚类算法的国内外研究现状,然后对类组织P系统、模糊C均值聚类算法以及谱聚类算法的基本理论进行了阐述。2、对类组织P系统进行了改进,将耦合细胞和可进行分裂与溶解的细胞引入类组织P系统中,提出了动态耦合类组织P系统。该系统可实现聚类算法的迭代过程,提高了类组织P系统的普适性。3、提出了基于动态耦合类组织P系统的改进的模糊C均值聚类算法与基于动态耦合类组织P系统的改进的谱聚类算法。前者将密度思想引入模糊C均值聚类算法中,利用密度找到初始聚类中心,并使用改进的高斯核函数作为距离度量公式,优化模糊C均值聚类算法,将优化后的算法与P系统相结合,提高算法计算效率。后者将邻域思想引入谱聚类算法中,改进了相似度度量方法,再使用上一章中提出的改进的模糊C均值聚类算法对求得的特征向量进行聚类,将改进后的算法与P系统相结合。在人工数据集与UCI数据集上分别对两种改进的聚类算法进行测试,实验结果表明,两种算法均能在较短时间内,获得较好的聚类结果。4、将提出的两种算法用于解决图像分割问题。改进的模糊C均值聚类算法用于对彩色图像进行分割,改进的谱聚类算法用于对真实图像进行分割。分割结果表明,两种聚类算法均能获得较好的分割结果。
郑庭颖[5](2020)在《基于图神经网络的推荐算法研究》文中研究表明当下,网络短视频、电商广告、新闻资讯等信息量迅猛增长,如何构建更精准、更个性化的推荐系统已成为各大电商平台、音视频门户网站关注的焦点。而推荐系统中最核心的部分在于其使用的推荐算法,算法的优劣直接影响推荐系统的好坏。虽然诸如协同过滤等传统推荐算法已经历了多年的发展,但面对当前越来越多的稀疏性与冷启动问题时,其较难以从根本上解决。而另一方面,由于近年来图神经网络的发展以及其与推荐系统交互图结构的高度契合性,多种基于图神经网络的推荐算法应运而生。然而,这些算法或多或少面临系统扩展性问题,另有部分算法在应对冷启动与利用节点特征两方面难以兼得。对此,本文开展了基于图神经网络的推荐算法研究,具体的研究内容如下:(1)针对真实推荐环境下可能存在的匿名用户的情况,本文首先开展了基于图卷积网络的匿名节点分类的研究,设计了不同匿名环境下的统一化特征处理机制。同时,针对推荐系统二分异质图推理问题,本文研究并设计了基于图自编码器的二分异质图推理模型,通过跨域消息传递实现了对二分图节点的特征表示能力,并创新性地引入双任务学习机制,有效提高了模型的推理能力。(2)针对图卷积神经网络特征“过平滑”问题,本文从层传播的角度出发,在前一项研究基础上引入了多层特征聚合,在一定程度上缓解了这一问题,有效提升了模型的分类表现。同时本文从降低模型复杂度的角度入手,引入了级联式学习策略,优化了模型内存占用,以较小的精度损失换取了空间上的优化。(3)基于以上两项研究工作,本文提出了基于图神经网络的冷启动双任务学习推荐算法。通过分析冷启动问题的内在机理,本文确定了以归纳式学习为核心的处理流程,并通过引入的闭合子图提取与节点重标记实现了对图外节点的特征表示能力。在此基础上,本文创新型地提出了子图中心性学习策略,通过引导模型预测子图内节点“角色”,以期最大程度学习到子图的拓扑结构。另一方面,本文通过引入双任务学习机制,设计以中心性学习与评分预测的协同优化策略,进一步提高模型的表示能力。本文在三个引文网络数据集上验证了本文提出的二分异质图推理模型,该模型超越了基线模型与现有主流方法。此外,本文在多个主流推荐系统数据集上对本文提出的图神经网络推荐算法进行了实验,并与多个主流方法作对比,结果表明本文的算法在不同数据集下均具有显着的推荐优势。
张永选[6](2020)在《大规模图的三角形计算研究》文中指出近年来,大数据处理受到广泛关注。以Web图和在线社交网络为代表的大规模图作为一类应用广泛的大数据,其规模在持续快速增长,给处理系统带来更高要求。在图处理应用中,图中的三角形作为衡量顶点间联系紧密程度的重要结构,是图结构分析的重要基础。相应地,三角形计算,即枚举出图中所有三角形或统计三角形数目,成为一类重要的基础算法,广泛应用于各类场景下,如检测在线垃圾信息发送行为、评估在线内容的质量、理解蛋白质作用网络等。大规模图的三角形计算的挑战,主要来自图中顶点间连接的随机性导致的随机访存占比大和分布式处理时产生的大量网络消息。共享内存环境下的三角形计算可避免网络消息,且可利用内存的更快速度和对随机访问的更好支持,从而使共享内存处理较之中小规模集群上的分布式处理性价比更高、实现更容易、效率更高。但单机有限的内存空间和图的巨大规模之间的矛盾严重制约了共享内存三角形计算的应用范围,从而使得图压缩很有必要,其难点在于既要保证压缩率又要不影响速度,甚至提升速度。针对此问题提出一种轻量压缩方案CIC-PIM(Chunked Index Compression for Parallel In-Memory graph processing),选用合适的轻量技术压缩非索引数据,利用大规模图中普遍存在的幂律性和稀疏性压缩索引数据。基本思路是将索引分成长度合适的块,从而带来良好的可压缩性,并用对齐到字节的定长编码压缩索引块,从而实现良好的压缩率、完全的随机访问支持、较高的缓存利用率等。相比典型的共享内存图压缩方案Ligra+,CIC-PIM实现了69%的索引压缩率,从而将整图压缩率提升了24%达到52%,同时提高了8%的处理速度。为了对更大规模的图进行内存处理,需要进行分布式内存三角形计算。图中顶点间连接的随机性导致大量网络消息,大幅减少甚至消除网络消息便成为最大挑战。为此提出解决方案Lite TE(Lite Triangle Enumerating),它主要包含如下技术:(1)面向内存资源的图分割,通过把图均衡地分割成合适的大子图,同时结合现有的消息合并技术,解决了大量网络消息问题;(2)三级负载均衡策略,通过子图、节点、线程三级轻量负载均衡技术,改善负载均衡的同时避免高额开销;(3)高速数据广播算法,通过所有节点间的同步收发数据充分挖掘每个节点的双向网络带宽,大幅提升数据传输速度。实验显示,相比典型的分布式三角形计算方案Surrogate、Havoq GT和PTE,Lite TE大幅减少了网络消息,改善了负载均衡效果,平均将计算速度提升了49倍,同时显着改善了扩展性。当图规模继续增大时,就需要采用分布式外存计算模式。除了和分布式内存计算一样存在大量网络消息问题之外,分布式外存三角形计算还存在如何缩减中间数据和高效利用集群I/O带宽的问题。已有工作因大量网络消息和中间数据、资源利用率低下而导致计算效率很低,为此,本文提出解决方案HOSA(Hold One and Shift Another),主要包括:(1)一种无重叠的图分割与放置策略,基于图的邻居列表和边列表格式,均衡分割邻居列表并根据邻居列表分割边列表,从而得到不重叠的子图,并把子图均衡的发送到各节点上,大幅减少中间数据的同时有效利用I/O带宽;(2)提出基于数据预传输的计算策略,将计算过程分成相互交错的两类阶段,包括传输阶段和处理阶段,在每个传输阶段将随后处理阶段需要的数据充分利用集群的网络和I/O带宽扩散至各节点,随后的处理阶段所需的数据便可全部在本地找到,从而避免网络消息,提高资源利用率。实验显示,相比典型的分布式三角形计算方案Havoq GT和PTE,HOSA将计算速度分别提升了6.4倍和57倍。相比分布式内存计算方案Lite TE,HOSA达到其计算速度的75%,但能处理的图规模提升了20倍。
杨召[7](2019)在《基于CUDA与MPI的Petri网状态空间并行计算研究》文中指出Petri网是一种可用于描述系统的并发性、冲突性、资源共享性等重要行为概念的基础理论,因为兼备数学化与图形化特点,因此在众多领域都有着广泛的应用。可达图可以反映Petri网的全部动态行为,可达图中所有标识组成的状态空间可以无死角的表达系统所有的状态演化,基于可达图的分析方法因直观、可靠等特点成为了Petri网模型最重要的研究手段之一。Petri网的可达图(状态空间)的大小规模受初始标识以及库所与变迁个数的影响,当这些影响因素发生变化时都会引起Petri网状态空间的规模产生急剧变化,当这些影响因素持续增大时,Petri网的状态空间大小会呈指数规模扩大,从而引发状态空间爆炸,这使得较大规模的Petri网状态空间的计算变得极其困难。传统的计算方法在计算较大规模Petri网的状态空间时,会遇到两个难题:计算时间过长和因为计算量过大引起的内存溢出。进入新世纪以来,CUDA等并行编程技术的快速发展为高性能计算提供了新的技术途径。这些新技术的出现也为Petri网状态空间的计算提供了新的思路。本文从并行计算的角度对Petri网状态空间的计算进行了研究。采用CUDA和MPI两种并行编程技术,设计了多种Petri网状态空间并行计算算法,并通过大量的实验进行了算法效率的测试。本文的主要工作如下:1.对传统的Petri网状态空间计算的算法做了分析与改进,在改进之后算法的基础上,基于CUDA设计了Petri网状态空间并行计算算法。因为该算法利用了GPU众核的优势,且在线程分配,内存管理,线程互斥等方面做了合理的处理,因此算法具有非常高的计算效率。2.基于MPI设计了多种Petri网状态空间并行计算算法,这几种算法的设计思路与并行程度均不相同,因此在计算效率上也有较大的差异。其中采用多个进程将状态空间分为多个部分分开存储的算法具有较高的计算效率,而且MPI可以在分布式存储系统上将各个进程的数据分别存储在多台独立的计算机上,因此该算法可以有效的解决单台计算机计算时出现的内存不足问题。3.基于Petri网状态空间并行计算算法设计了Petri网可达图中可达标识类别划分的算法。4.通过Petri网的实例模型对本文设计的算法进行了大量的对比测试。从初始标识的改变,Petri网库所、变迁个数变化等多个角度对文中算法计算效率的优劣进行了验证。
王莹[8](2019)在《时间敏感网络中高精度时钟同步关键技术研究》文中研究指明随着网络技术的飞速发展,以太网成为应用范围最广的局域网通信协议标准。但其非同步的工作方式,使得数据传输时间难以精确。为了增加以太网数据传输的实时性与可靠性,TSN时间敏感网络应运而生。TSN采用确定性调度机制对事件进行响应,这与高精度时钟同步系统的支持密不可分。IEEE 802.1AS协议是TSN协议簇中的高精度时钟同步协议标准,它提供了时间敏感网络中的精准定时与同步技术,以确保网络中的所有节点都能按照相同的时间基准工作。IEEE 802.1ASRev协议作为修订版本在确保IEEE 802.1AS协议高精度时钟同步的基础上,致力于改善对网络故障的响应。作为新的协议标准,IEEE 802.1AS及其修订版还在不断发展与改进之中。本文着眼于时间敏感网络中的同步技术,从时间同步的精确性和可靠性两个角度分析IEEE 802.1AS与IEEE 802.1ASRev协议,重点研究时钟同步的精度及同步冗余机制的具体实现方式与冗余效果,同时提出优化方案。本文的主要研究内容包括:(1)研究IEEE 802.1AS通用精准时间协议及其修订版IEEE 802.1ASRev协议的工作原理,对协议中的时间感知网络及时间感知系统结构进行阐述,详细介绍时间感知系统的同步模型及具体的同步机制,分析IEEE 802.1ASRev协议中的“多域”机制及其支持的冗余级别。(2)研究时间同步技术的精确性。对时钟同步系统进行建模,研究同步过程中影响同步精度的因素及同步精度与节点跳数的关系。设计同步系统的仿真模型,通过NS3仿真软件对同步过程仿真分析。针对理论分析与仿真研究的结果,本文通过基于卡尔曼滤波的时钟同步校正算法,对节点的同步精度与同步稳定性进行优化。(3)研究时间同步技术的可靠性。通过对IEEE 802.1ASRev协议中“多域”机制的研究分析,设计单环网络路径冗余与主时钟冗余的实现方案,通过冗余机制确保同步网络在路径失效或主时钟失效后能够快速地从故障中恢复,提高系统的可靠性。同时,设计同步冗余机制的仿真模型,通过NS3仿真软件对同步系统的故障恢复能力进行仿真验证与结果分析。(4)提出基于“多域”的组环冗余网络。通过仿真研究与理论分析发现,单环网络的冗余机制可以保障网络在路径失效与主时钟失效后对故障的响应,但是由于单环网络的局限性,该冗余方法也存在不足,因此本文在基本冗余机制的基础上,提出基于“多域”的组环冗余网络,通过组环的形式减小网络中节点的跳数并增加网络的抗毁能力,从而对同步冗余机制进行优化。
吴贯锋[9](2019)在《关于并行SAT求解器和并行自动演绎推理系统的研究》文中研究指明命题逻辑和一阶逻辑是逻辑学中的基本问题,也是计算机科学领域的核心问题。在推理系统中命题是命题逻辑公式的最小单位,一阶逻辑可以看作是命题逻辑的扩展,一阶逻辑增加了谓词和量化,是经典的谓词逻辑。SAT问题是布尔可满足性问题(Satisfiability Problem,SAT)的简称。SAT问题求解(SAT Solving)和一阶逻辑自动定理证明(Auto Theorem Proving,ATP)广泛应用于自然科学和社会科学的各个领域中,如数学定理的证明、通信协议的可靠性验证、集成电路的可靠性验证、程序自动生成以及程序测试例的自动生成、程序的形式化验证、智能规划、知识编译、密码的安全可靠性分析、法律法规的无歧义性分析验证等问题均可转换为SAT问题进行求解,同样一些内容也可转化为一阶逻辑定理证明问题进行证明。因此,研究SAT问题求解和一阶逻辑定理证明相关的理论与方法具有很高的理论意义和现实应用价值。并行算法能够有效的提高命题逻辑求解器和一阶逻辑定理证明系统的效率,基于此,本课题在命题逻辑并行求解算法和一阶逻辑定理证明中的并行算法方面展开研究。在命题逻辑方面研究命题逻辑并行求解的相关技术,在一阶逻辑方面借鉴命题逻辑并行求解方面的相关技术,并基于徐扬教授提出的基于矛盾体分离的多元协同动态自动演绎推理理论,设计和实现了针对一阶逻辑定理证明的基于矛盾体分离的多元协同动态自动演绎推理逆向演绎并行系统。提出了基于OpenMP的并行混合遗传算法框架,该算法框架将遗传算法与局部搜索算法有机结合用以求解3-SAT问题,充分利用了局部搜索算法的寻找局部最优解的能力和遗传算法的全局搜索能力。与此同时,有限的局部搜索迭代和灾变操作能够防止陷入局部最优,而对选择操作的算法改进则提高了遗传算法的运行效率。在OpenMP并行编程框架下,利用编译制导语句将混合遗传算法并行化,则充分利用了计算机的计算资源,通过对国际SAT问题库SATLib中的测试例进行测试发现,该算法框架与同类算法相比,提高了3-SAT问题的求解效率和成功率。针对硬件并行加速求解SAT问题,设计和改进了基于GPU的SAT问题求解算法,改进了GPU核函数的计算过程,设计了相应的数据结构,以便以位运算的方式完成BCP过程在GPU上的实现,同时位运算有效降低了核函数的分支数,提高了GPU的运行效率。针对现有的子句评估算法描述子句特征比较单一,保留的学习子句质量不高的问题。提出了基于频次与LBD混合的子句评估策略。在并行求解器的周期性删除学习子句模块替换原有的子句评估方式,同时在并行算法的子句共享模块应用该混合评估算法形成新的子句分享策略。实验结果表明,应用了混合评估算法的求解器求解能力均比原版本要高,与Syrup和abcd-SATP结合的版本求解出了原版未能求解出的43个问题。研究了基于矛盾体分离的多元协同动态自动演绎推理理论,在基于矛盾体分离的多元协同动态自动演绎推理理论框架下,提出了基于回溯的演绎路径控制算法,设计实现了基于矛盾体分离的多元协同动态自动演绎推理逆向演绎并行系统,实现了一阶逻辑问题真正意义上的并行划分演绎推理证明。从实验角度证明了基于矛盾体分离的多元协同动态自动演绎推理理论以及矛盾体分离的多元协同动态自动演绎推理逆向演绎理论的优越性。
王泽勋[10](2019)在《复杂网络中协同传播及其控制策略研究》文中认为复杂网络为研究真实系统提供了有力工具,现实世界的很多网络,如社会关系网、万维网等都可以用复杂网络进行刻画。在这些网络上的传播行为,如传染病的传播、计算机病毒的蔓延,都可以用复杂网络的传播动力学理论来研究。在传播动力学的理论方法中,渗流理论是很常见的一种。本文首先对渗流理论深入研究,并提出组渗流模型,为研究实际的传播动力学提供理论保证。现实中疾病的传播会出现多种疾病相互增强的效应。为了刻画增强效应以及控制在增强效应下的疾病传播,本文对复杂网络上的协同传播动力学进行研究。首先研究了单层网络上的自我意识控制对协同传播的影响,然后,将协同传播扩展到双层网络,研究双层网络的层间关联性对协同传播的影响。因此,本文主要内容包括如下三个部分。首先,深入理解复杂网络上的渗流理论,提出相互依赖网络上的组渗流。在许多真实的网络系统中,节点通常彼此合作并形成组以增强他们对风险的鲁棒性。因此,本文研究相互依赖网络在攻击下的另外一种渗流,组渗流。在此模型中,属于同一组的节点同时存活或失效。本文对这种组渗流模型构建了一个基础理论框架,并且发现团体结构可以显着提高相互依赖网络的恢复能力。但是,无论组大小的分布如何,渗流相变都是非连续的。另外,本文在具有相似性的相互依赖网络上应用组渗流模型,从理论和模拟角度都验证了不存在连续相变。其次,运用渗流理论研究协同传播模型,提出两种自我意识控制策略。协同感染机制是实际传播中多种疾病之间常见的相互作用方式。本文使用边渗流理论来描述两种自我意识控制策略下的协同传播模型,免疫策略和移除策略,研究协同效应和控制策略对它的影响。研究发现,加强协同效应可以降低传播阈值,增强协同感染的爆发范围。在ER网络上,协同效应会导致相变的类型从连续变为不连续。自我意识控制策略会抑制疾病的协同传播。特别是,提高免疫率或移除率可以提高传播阈值,降低疾病的爆发规模,并导致不连续相变到连续相变的交叉现象。最后,扩展协同传播到双层网络,研究双层网络的层间关联性对协同传播的影响。多层网络逐渐成为网络传播动力学的研究热点,本文将协同传播扩展到双层网络,分析双层网络的层间关联对协同传播的影响。研究发现,对于层间度关联、H指数关联和介数关联,都出现了正关联减小阈值,负关联增大阈值的现象。值得注意的是,当传播速率较大时,正关联会形成阻塞,这导致正关联传播范围最小,负关联传播范围最大。另外,正关联的阻塞也使得SF网络上的可变性出现了双峰现象。而k-壳值关联对传播阈值基本没有影响,其SF网络上正关联的传播范围也一直大于负关联。
二、Delphi5.0中的网络消息传递机制及应用(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、Delphi5.0中的网络消息传递机制及应用(论文提纲范文)
(1)基于智能反射面的波束赋形和信息传输(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状 |
1.2.1 理论研究现状 |
1.2.1.1 信道估计 |
1.2.1.2 波束赋型 |
1.2.1.3 信息传输 |
1.2.2 实验平台和测试结果 |
1.3 本文的主要贡献与内容安排 |
第二章 基于空间调制的智能反射面被动信息传输原理 |
2.1 引言 |
2.2 智能反射面简述 |
2.3 空间调制原理 |
2.4 基于空间调制的智能反射面联合波束赋型和信息传输 |
2.5 本章小结 |
第三章 单用户SIMO-PBIT系统设计 |
3.1 引言 |
3.2 系统模型 |
3.3 问题描述 |
3.4 智能反射面相位设计 |
3.5 双线性接收机设计 |
3.5.1 用户信号的检测 |
3.5.2 智能反射面信号的检测 |
3.6 仿真结果 |
3.7 本章小结 |
第四章 多用户SIMO-PBIT系统设计 |
4.1 引言 |
4.2 系统模型 |
4.3 基于样本平均逼近的无源波束赋型设计 |
4.3.1 问题转化 |
4.3.2 智能反射面相位的优化 |
4.3.3 辅助变量的的优化 |
4.3.4 算法总结 |
4.4 无源波束赋型简化设计 |
4.4.1 智能反射面相位的优化 |
4.4.2 辅助变量的的优化 |
4.4.3 算法总结 |
4.5 接收机设计 |
4.5.1 问题描述 |
4.5.2 用户信号的检测 |
4.5.3 智能反射面数据的检测 |
4.5.4 算法总结 |
4.6 多智能反射面场景拓展 |
4.7 仿真结果 |
4.7.1 信道环境描述 |
4.7.2 无源波束赋型设计的验证 |
4.7.3 双线性接收机设计的验证 |
4.8 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(2)基于微内核的嵌入式虚拟化技术的研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作背景及意义 |
1.2 嵌入式虚拟化技术的国内外研究现状 |
1.3 本文主要工作与贡献 |
1.4 本论文的结构安排 |
第二章 相关技术理论概述 |
2.1 虚拟化技术理论概述 |
2.1.1 虚拟化管理程序 |
2.1.2 嵌入式虚拟化技术的分类 |
2.1.3 虚拟化关键问题 |
2.2 ARM架构及其虚拟化支持 |
2.2.1 ARMv8架构概述 |
2.2.2 ARMv8虚拟化 |
2.3 微内核架构 |
2.3.1 微内核架构概述 |
2.3.2 典型微内核操作系统 |
2.4 设计方案选择 |
2.5 本章小结 |
第三章 虚拟化系统分析与设计 |
3.1 设计原则 |
3.2 虚拟化系统整体架构 |
3.3 多核多OS引导机制 |
3.3.1 hypervisor引导多核 |
3.3.2 利用Linux引导多核 |
3.4 跨系统通信机制的研究与设计 |
3.4.1 共享内存机制 |
3.4.2 核间通信机制 |
3.5 内存虚拟化机制 |
3.6 分区及访问控制机制 |
3.7 mginkgo微内核AArch64版本设计 |
3.7.1 AArch64设计工作 |
3.7.2 内存管理机制 |
3.7.3 IPC机制 |
3.8 本章小结 |
第四章 系统原型实现 |
4.1 编译系统 |
4.2 多核引导模块 |
4.2.1 配置运行环境 |
4.2.2 subCPU唤醒 |
4.3 mginkgo微内核AArch64版本实现 |
4.3.1 内存管理模块 |
4.3.2 IPC机制 |
4.4 跨OS通信模块的实现 |
4.4.1 关键数据结构 |
4.4.2 Endpoint相关函数 |
4.4.3 消息传递机制 |
4.5 本章小结 |
第五章 系统运行与测试分析 |
5.1 系统测试环境 |
5.2 镜像烧写 |
5.3 功能测试 |
5.4 性能测试 |
5.6 本章小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
(3)基于Petri网的信息物理融合系统建模与分析(论文提纲范文)
详细摘要 |
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 对CPS性分析模型的相关研究 |
1.2.2 对CPS定量分析模型的相关研究 |
1.2.3 对CPS能耗模型的相关研究 |
1.3 主要研究内容 |
1.4 本文组织结构 |
第二章 相关理论基础 |
2.1 Petri网 |
2.1.1 基本Petri网及其性质 |
2.1.2 带有时间的Petri网 |
2.1.3 带有色彩的Petri网 |
2.2 模糊集 |
2.2.1 模糊集理论概述 |
2.2.2 三角模糊数 |
2.3 本章小结 |
第三章 基于OGSPN的CPS建模与性能分析 |
3.1 背景介绍 |
3.2 CPS的OGSPN模型 |
3.3 OGSPN的压缩 |
3.4 GSPN的模糊化 |
3.5 模糊性能分析方法 |
3.6 实验分析 |
3.7 本章小结 |
第四章 基于OGSPN的CPS能耗模型 |
4.1 背景介绍 |
4.2 CPS的OECPN模型 |
4.3 OECPN的模糊化 |
4.4 组件能耗分析算法 |
4.5 实验分析 |
4.6 本章小结 |
第五章 总结与展望 |
5.1 本文工作总结 |
5.2 未来展望 |
致谢 |
参考文献 |
附录 作者在读期间发表的学术论文及参加的科研项目 |
(4)基于动态耦合类组织P系统的聚类算法研究及应用(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 类组织P系统研究现状 |
1.2.2 模糊C均值聚类算法研究现状 |
1.2.3 谱聚类算法研究现状 |
1.2.4 基于类组织P系统的聚类算法研究现状 |
1.3 理论概述 |
1.3.1 类组织P系统 |
1.3.2 模糊C均值聚类算法 |
1.3.3 基于NJW方法的谱聚类算法 |
1.4 论文主要研究内容 |
1.4.1 论文主要内容和结构 |
1.4.2 论文创新点 |
第2章 动态耦合类组织P系统 |
2.1 DCTP系统计算模型 |
2.1.1 DCTP系统运行机制 |
2.1.2 DCTP系统形式化描述 |
2.2 DCTP系统的计算能力分析 |
2.2.1 寄存器 |
2.2.2 计算能力证明 |
2.3 说明性实例 |
第3章 基于DCTP系统的改进模糊C均值聚类算法 |
3.1 基于密度的模糊C均值算法 |
3.2 基于DCTP系统的DFCM聚类算法 |
3.2.1 DCTP系统的构建 |
3.2.2 DFCM-DCTP聚类算法的运行过程 |
3.3 实验分析及比较 |
3.3.1 人工数据集与实验结果分析 |
3.3.2 UCI数据集与实验结果分析 |
第4章 基于DCTP系统的改进谱聚类算法 |
4.1 基于邻域的高斯核函数谱聚类算法 |
4.2 基于DCTP系统的NGSC算法 |
4.2.1 DCTP系统的构建 |
4.2.2 NGSC-DCTP聚类算法的运行过程 |
4.3 实验分析及比较 |
4.3.1 人工数据集与实验结果分析 |
4.3.2 UCI数据集与实验结果分析 |
第5章 基于DCTP系统的聚类算法在图像分割上的应用 |
5.1 图像分割问题描述与评价指标 |
5.1.1 问题描述 |
5.1.2 评价指标 |
5.2 DFCM-DCTP聚类算法在彩色图像分割问题中的应用 |
5.2.1 实验数据及参数设置 |
5.2.2 实验结果分析 |
5.3 NGSC-DCTP聚类算法在真实图像分割中的应用 |
5.3.1 实验数据及参数设置 |
5.3.2 实验结果分析 |
第6章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
攻读硕士学位期间的论文发表和项目参与情况 |
攻读硕士学位期间的获奖情况 |
致谢 |
(5)基于图神经网络的推荐算法研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 图神经网络研究现状 |
1.2.2 推荐算法及冷启动问题应对现状 |
1.2.3 基于图神经网络的推荐系统 |
1.3 本文的主要研究内容 |
1.4 论文的结构安排 |
第二章 图神经网络与推荐算法的相关基础知识 |
2.1 图神经网络相关基础理论 |
2.1.1 非欧结构数据 |
2.1.2 图神经网络模型 |
2.2 推荐算法相关基础技术 |
2.3 基于图神经网络的推荐算法相关技术 |
2.4 本章小结 |
第三章 基于图神经网络的二分异质图推理算法 |
3.1 图神经网络同质图基线网络研究 |
3.1.1 图卷积网络 |
3.1.2 匿名节点分类 |
3.1.3 实验与结果 |
3.2 基于图自编码器的二分异质图推理 |
3.2.1 二分图问题与任务定义 |
3.2.2 变分图自编码器与图自编码器 |
3.2.3 双任务二分异质图推理网络整体设计 |
3.2.4 网络的具体实现 |
3.2.5 网络训练 |
3.2.6 实验与结果 |
3.3 本章小结 |
第四章 图神经网络传播方法 |
4.1 叠层前馈式传播模型 |
4.1.1 图网络深层化的内在机理分析 |
4.1.2 多层次特征的动机 |
4.1.3 多层特征聚合模型的设计与实现 |
4.1.4 层数的实验与选取 |
4.2 级联式传播模型 |
4.2.1 模型结构与传播流程 |
4.2.2 模型实现 |
4.2.3 级联式模型的特性 |
4.2.4 实验与结果 |
4.2.5 级联学习与冷启动问题 |
4.3 本章小结 |
第五章 基于图神经网络的冷启动双任务学习推荐算法 |
5.1 推荐系统评分预测问题的形式化描述 |
5.2 冷启动与归纳式学习 |
5.3 子图提取与节点重标记的设计与实现 |
5.4 子图中心性学习策略的设计与实现 |
5.5 双任务归纳式图推理网络整体结构设计 |
5.5.1 图编码网络设计 |
5.5.2 图节点分类器设计 |
5.5.3 双线性解码器设计 |
5.6 网络结构的具体实现 |
5.7 网络训练 |
5.8 冷启动部署 |
5.9 实验与结果 |
5.9.1 数据集 |
5.9.2 对比模型选取 |
5.9.3 实验设置 |
5.9.4 结果与分析 |
5.10 本章小结 |
第六章 全文总结 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
(6)大规模图的三角形计算研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 三角形计算 |
1.3 三角形计算的应用 |
1.4 三角形计算研究现状 |
1.5 本文主要研究内容 |
2 面向共享内存三角形计算的轻量压缩方案CIC-PIM |
2.1 研究背景和动机 |
2.2 分块索引压缩方案 |
2.3 基于压缩图的算法 |
2.4 实验评估及结果分析 |
2.5 本章小结 |
3 轻量分布式内存三角形计算方案LiteTE |
3.1 研究背景和动机 |
3.2 面向内存资源的图分割 |
3.3 消息合并与数据广播算法优化 |
3.4 三级负载均衡策略 |
3.5 实验评估及结果分析 |
3.6 本章小结 |
4 资源高效的分布式外存三角形计算方案HOSA |
4.1 研究背景和动机 |
4.2 HOSA的整体设计 |
4.3 无重叠的图分割与放置策略 |
4.4 基于数据预传输的计算策略 |
4.5 实验评估及结果分析 |
4.6 本章小结 |
5 全文总结与展望 |
5.1 本文的主要成果 |
5.2 未来研究展望 |
致谢 |
参考文献 |
附录1 攻读博士学位期间取得的学术成果 |
附录2 中英文缩写对照表 |
(7)基于CUDA与MPI的Petri网状态空间并行计算研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 研究背景和意义 |
1.2 研究现状 |
1.3 本文的主要工作与贡献 |
1.4 论文的结构 |
第二章 Petri网基本理论 |
2.1 Petri网的基本定义 |
2.2 Petri网变迁的发射规则与活性判定 |
2.3 Petri网状态空间与可达图 |
2.4 本章小结 |
第三章 并行计算,CUDA及MPI相关理论 |
3.1 并行计算相关理论 |
3.1.1 并行计算简介 |
3.1.2 常用的并行模式 |
3.1.3 常用的并行编程技术 |
3.2 CUDA相关理论 |
3.2.1 CUDA简要介绍 |
3.2.2 CUDA编程基础 |
3.3 MPI相关理论 |
3.3.1 MPI的六个基本函数介绍 |
3.3.2 MPI通信 |
3.3.3 MPI消息 |
3.4 本章小结 |
第四章 Petri网网状态空间并行计算 |
4.1 Petri网状态空间串行计算算法分析与改进 |
4.1.1 Petri网状态空间串行计算算法分析 |
4.1.2 传统Petri网状态空间串行计算算法的改进 |
4.2 基于CUDA的Petri网状态空间并行计算 |
4.2.1 并行子任务的划分 |
4.2.2 新标识存储时线程的互斥 |
4.2.3 线程的组织 |
4.2.4 内存管理 |
4.2.5 核函数,启动函数与主函数的工作划分 |
4.3 基于MPI的Petri网状态空间并行计算 |
4.3.1 基于MPI的Petri网状态空间并行计算算法一 |
4.3.2 基于MPI的Petri网状态空间并行计算算法二 |
4.3.3 基于MPI的Petri网状态空间并行计算算法三 |
4.4 Petri网可达图标识类别划分求解算法 |
4.5 本章小结 |
第五章 实验结果与数据分析 |
5.1 实验环境 |
5.2 实验结果与数据分析 |
5.2.1 并行计算效率的衡量方法 |
5.2.2 实验结果与数据分析 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 总结 |
6.2 展望 |
参考文献 |
致谢 |
作者简介 |
(8)时间敏感网络中高精度时钟同步关键技术研究(论文提纲范文)
摘要 |
ABSTRACT |
符号对照表 |
缩略语对照表 |
第一章 绪论 |
1.1 选题依据及研究意义 |
1.2 课题的国内外研究发展及现状 |
1.2.1 IEEE 1588 协议的发展 |
1.2.2 TSN时间同步协议的发展 |
1.3 论文主要研究内容与安排 |
1.4 本章小结 |
第二章 IEEE 802.1AS时间同步协议 |
2.1 时间感知网络 |
2.2 时间感知系统架构 |
2.2.1 时间感知系统模型 |
2.2.2 常见时钟类型 |
2.2.3 时间感知系统时钟类型 |
2.3 时间同步模型构建 |
2.3.1 端口状态 |
2.3.2 gPTP报文 |
2.4 时间同步机制 |
2.4.1 传播时延测量 |
2.4.2 时基转换 |
2.4.3 时间同步消息的传输 |
2.5 IEEE 802.1AS_Rev协议 |
2.6 本章小结 |
第三章 TSN时间同步精确性研究 |
3.1 IEEE 802.1AS时间同步模型 |
3.1.1 时钟数学模型 |
3.1.2 影响同步精度的因素 |
3.1.3 线性网络拓扑 |
3.1.4 同步精度理论分析 |
3.2 NS3离散事件网络仿真器介绍 |
3.2.1 网络协议的研究方法 |
3.2.2 NS3离散仿真原理 |
3.2.3 NS3仿真机制 |
3.3 IEEE 802.1AS时间同步模型仿真设计 |
3.3.1 时钟仿真模型 |
3.3.2 节点的同步过程 |
3.3.3 时钟测量与校正 |
3.3.4 仿真架构与仿真模块设计 |
3.3.5 模块接口 |
3.4 IEEE 802.1AS同步仿真结果分析 |
3.4.1 仿真参数设置 |
3.4.2 仿真结果及分析 |
3.5 基于卡尔曼滤波的IEEE 802.1AS时间同步算法 |
3.5.1 卡尔曼滤波模型 |
3.5.2 仿真结果分析 |
3.6 本章小结 |
第四章 TSN时间同步可靠性研究 |
4.1 路径冗余机制 |
4.1.1“双域”路径冗余设计 |
4.1.2“双域”冗余备份原理 |
4.2 主时钟冗余机制 |
4.2.1 基于“双域”的主时钟冗余机制 |
4.2.2 基于“多域”的双重冗余机制 |
4.3 同步网络冗余机制仿真分析 |
4.3.1 路径冗余仿真结果及分析 |
4.3.2 主时钟冗余仿真结果及分析 |
4.4 基于“多域”的组环冗余机制 |
4.4.1 组环冗余机制的原理 |
4.4.2 基于“多域”的组环网络仿真分析 |
4.5 本章小结 |
第五章 总结与展望 |
5.1 全文工作总结 |
5.2 未来工作展望 |
参考文献 |
致谢 |
作者简介 |
(9)关于并行SAT求解器和并行自动演绎推理系统的研究(论文提纲范文)
摘要 |
Abstract |
符号和缩略词表 |
第1章 绪论 |
1.1 选题背景及意义 |
1.2 国内外相关研究现状 |
1.2.1 命题逻辑并行求解器的研究现状 |
1.2.2 一阶逻辑定理证明并行证明系统研究现状 |
1.3 论文的主要工作 |
1.4 论文结构安排 |
第2章 命题逻辑与一阶逻辑相关知识 |
2.1 引言 |
2.2 命题逻辑求解器相关知识 |
2.2.1 命题逻辑问题求解相关概念 |
2.2.2 命题逻辑求解器 |
2.2.3 归结演绎 |
2.2.4 DP算法(Davis-Putnam Algorithm) |
2.2.5 DPLL算法 |
2.2.6 CDCL算法 |
2.2.7 局部搜索算法 |
2.2.8 并行SAT求解技术 |
2.3 一阶逻辑定理证明器相关知识 |
2.3.1 一阶逻辑自动定理证明的相关概念 |
2.3.2 基本的数据结构 |
2.3.3 最一般合一算法 |
2.3.4 基于浸透的演绎方法 |
2.3.5 基于目标的演绎方法 |
2.3.6 一阶逻辑中的并行方式 |
2.4 小结 |
第3章 基于OpenMP的求解SAT问题的并行遗传算法 |
3.1 引言 |
3.2 并行遗传算法与OpenMP编程框架简介 |
3.2.1 遗传算法 |
3.2.2 并行遗传算法 |
3.2.3 并行编程框架OpenMP |
3.3 求解SAT问题的遗传算法相关工作 |
3.3.1 求解SAT问题的遗传算法 |
3.3.2 求解SAT问题的局部搜索算法 |
3.3.3 SAT问题并行求解框架 |
3.4 对求解SAT问题的混合遗传算法的改进 |
3.4.1 选择操作 |
3.4.2 交叉操作 |
3.4.3 变异与灾变操作 |
3.4.4 改进的求解SAT问题的混合遗传算法描述 |
3.5 求解SAT问题的并行混合遗传算法 |
3.5.1 数据共享 |
3.5.2 迁移实现 |
3.5.3 整体流程 |
3.5.4 负载均衡问题 |
3.6 实验分析 |
3.6.1 测试环境 |
3.6.2 求解效率对比 |
3.6.3 变异率和交叉率对求解效率的影响 |
3.6.4 不同种群规模与求解成功率的关系 |
3.6.5 HCGA、HGA与 CGPHGA求解时间对比 |
3.6.6 HGA与 CGPHGA最优解进化代数分布 |
3.6.7 迁移规模对求解成功率的影响 |
3.6.8 并行算法对比 |
3.7 小结 |
第4章 基于GPU的并行SAT求解算法 |
4.1 引言 |
4.2 3-SAT问题与GPU简介 |
4.2.1 3-SAT问题 |
4.2.2 GPU简介 |
4.3 分治并行求解SAT问题相关工作 |
4.3.1 SAT问题并行求解框架 |
4.3.2 并行布尔约束传播算法 |
4.4 基于GPU的 BCP加速 |
4.4.1 整体流程 |
4.4.2 数据结构设计 |
4.4.3 GPU-BCP算法描述 |
4.4.4 实验分析 |
4.5 小结 |
第5章 学习子句混合评估算法与分享策略 |
5.1 引言 |
5.2 学习子句评估算法相关工作 |
5.2.1 基于VSIDS的评估算法 |
5.2.2 基于LBD的子句评估算法 |
5.2.3 混合评估算法 |
5.3 基于学习子句使用频次与LBD混合评估算法 |
5.3.1 基于学习子句使用频次的评估算法 |
5.3.2 基于频次与LBD混合评估算法 |
5.4 并行求解器中改进的子句共享策略 |
5.4.1 并行节点间子句分享策略 |
5.4.2 混合评估方式下的子句分享策略 |
5.5 实验与分析 |
5.6 小结 |
第6章 基于矛盾体分离的多元协同动态自动演绎推理的逆向演绎并行系统 |
6.1 引言 |
6.2 矛盾体分离理论背景知识 |
6.3 基于矛盾体分离理论的相关工作 |
6.3.1 标准延拓的矛盾体分离算法 |
6.3.2 扩展延拓的矛盾体分离算法 |
6.3.3 矛盾体分离算法的优势 |
6.3.4 子句与文字演绎权重 |
6.3.5 文字函数项复杂度 |
6.3.6 稳定度 |
6.4 基于矛盾体分离理论的自动推理演绎 |
6.4.1 系统结构 |
6.4.2 重要模块说明 |
6.4.3 演绎方向控制 |
6.4.4 子句与文字选择策略 |
6.4.5 重复使用子句策略 |
6.4.6 中间演绎结果策略 |
6.4.7 构建矛盾体的回溯策略 |
6.5 基于矛盾体的逆向并行自动推理演绎 |
6.5.1 系统结构 |
6.5.2 重要模块说明 |
6.5.3 逆向分离算法 |
6.5.4 演绎方向控制 |
6.5.5 消息传递机制与负载均衡策略 |
6.6 实验与分析 |
6.7 小结 |
第7章 总结 |
7.1 论文总结 |
7.2 今后工作展望 |
致谢 |
参考文献 |
攻读博士学位期间发表的论文及科研成果 |
攻读博士学位期间主研的科研项目 |
(10)复杂网络中协同传播及其控制策略研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 复杂网络协同传播的国内外研究现状 |
1.3 本文主要内容与创新点 |
1.4 本论文的结构安排 |
第二章 复杂网络传播基础简介 |
2.1 复杂网络基本拓扑结构 |
2.1.1 度和度分布 |
2.1.2 度关联性 |
2.1.3 平均路径长度 |
2.1.4 聚类系数 |
2.2 经典网络模型 |
2.2.1 随机网络 |
2.2.2 小世界网络 |
2.2.3 无标度网络 |
2.2.4 无关联配置网络 |
2.2.5 双层网络 |
2.3 经典传播动力学模型 |
2.3.1 SI模型 |
2.3.2 SIS模型 |
2.3.3 SIR模型 |
2.4 本章小结 |
第三章 相互依赖网络上的组渗流研究 |
3.1 引言 |
3.2 模型介绍 |
3.3 理论推导 |
3.3.1 相互依赖团簇网络的概率模型 |
3.3.2 团簇节点网络映射到常规节点网络 |
3.3.3 相互依赖团簇网络中的随机团簇节点攻击 |
3.3.4 相互依赖团簇网络中的随机常规节点攻击 |
3.4 模型应用 |
3.5 本章小结 |
第四章 复杂网络上协同传播及其控制策略研究 |
4.1 引言 |
4.2 自我意识控制对复杂网络上协同传播的影响 |
4.2.1 协同传播模型和自我意识策略 |
4.2.2 理论推导 |
4.2.3 数值验证 |
4.2.4 结果总结 |
4.3 双层网络的层间关联对协同传播的影响 |
4.3.1 网络节点中心性 |
4.3.2 双层关联网络及其协同传播模型 |
4.3.3 模拟分析 |
4.3.4 结果总结 |
4.4 本章小结 |
第五章 全文总结与展望 |
5.1 全文总结 |
5.2 后续工作展望 |
致谢 |
参考文献 |
攻读硕士学位期间取得的成果 |
四、Delphi5.0中的网络消息传递机制及应用(论文参考文献)
- [1]基于智能反射面的波束赋形和信息传输[D]. 闫文静. 电子科技大学, 2021(01)
- [2]基于微内核的嵌入式虚拟化技术的研究与实现[D]. 郭子伦. 电子科技大学, 2021(01)
- [3]基于Petri网的信息物理融合系统建模与分析[D]. 余嘉伟. 杭州电子科技大学, 2020(04)
- [4]基于动态耦合类组织P系统的聚类算法研究及应用[D]. 王宁. 山东师范大学, 2020(08)
- [5]基于图神经网络的推荐算法研究[D]. 郑庭颖. 电子科技大学, 2020(01)
- [6]大规模图的三角形计算研究[D]. 张永选. 华中科技大学, 2020(01)
- [7]基于CUDA与MPI的Petri网状态空间并行计算研究[D]. 杨召. 西安电子科技大学, 2019(02)
- [8]时间敏感网络中高精度时钟同步关键技术研究[D]. 王莹. 西安电子科技大学, 2019(02)
- [9]关于并行SAT求解器和并行自动演绎推理系统的研究[D]. 吴贯锋. 西南交通大学, 2019
- [10]复杂网络中协同传播及其控制策略研究[D]. 王泽勋. 电子科技大学, 2019(01)