摘要：高并发性能成为各种在线应用生存和竞争的关键因素。每个访问都需要涉及数据库高并发读取与写入,这会导致数据库性能下降,响应时间延长。为解决该问题,提出了一种高性能系统架构的设计方案。该架构采用多级缓存、热点探测、分布式锁、分布式事务等技术设计,能够有效地处理流量峰值。将该系统架构应用于电子资料平台中,通过系统性能测试发现,在不同请求数量的并发负载下,系统始终具有良好的稳定性和准确性,进而验证了该高性能系统架构方案的有效性。

摘要：针对目前"新工科"背景下有限的信息技术使用无法实现对研究生教育全过程的有效支撑问题,提出基于深度融合信息技术的研究生培养质量提升框架,介绍如何从重构人才培养方案、整合专业课程资源、创新课堂教学方法、设计协同育人机制和优化校园管理服务5个维度提升研究生培养质量,介绍基于深度融合信息技术的研究生人才培养质量评价机制实施过程,并结合河南大学具体实践进行说明。

摘要：传统软件开发过程中,用户界面的实现存在耦合度高和可维护性差等缺点,为此分析了可定制的Web开发平台中用户界面工具的基本构成,并给出了工具的实现过程.

摘要：考虑到校车路径安排过程中不同车型容量和成本的差异,建立了多车型校车路径问题(SBRP)模型,并提出了一种带参数选择机制的贪婪随机自适应(GRASP)算法进行求解。在初始解构造阶段,设计一组阈值参数控制受限候选列表(RCL)的大小,使用轮盘赌法选择阈值参数。完成初始解构造后,使用可变邻域搜索(VNS)进行邻域解改进,并记录所选择的参数和解的目标值。算法迭代过程中,先设置相同阈值参数的选择概率,每隔若干次迭代后,评估每个阈值参数的性能并修改其选择概率,使得算法能够得到更好的平均解。使用基准测试案例进行了测试,比较了基本GRASP算法与设计的GRASP算法的性能,并与现有求解多车型校车路径问题的算法进行对比,实验结果表明所设计的算法是有效的。

摘要：针对车辆路径问题,提出一种改进的迭代局部搜索(ILS)算法。该算法基于破坏再重建(Ruin and Recreate)的思想,设计了一种新的扰动机制。扰动过程包含破坏和重建两个阶段,即先使用一种兼顾随机性和相关性的破坏方法对解进行破坏,并引入扰动因子控制解的破坏强度,然后再随机选择基本贪婪插入和改进贪婪插入算法完成解的修复。利用国际标准测试案例对常规扰动机制和改进后的扰动机制进行了测试,并与量子进化算法、蜂群算法进行了比较,实验结果表明改进后的ILS算法更加有效。

摘要：企业内部多个系统因采用的平台和技术不同,相互间数据交互非常困难.针对这一问题,在研究WCF的框架和数据交互技术的基础上,设计一个能够实现异构系统间数据交互的平台.该平台接收到异构系统的数据请求后,经过解析处理,通过WCF服务提供的数据交互接口实现数据交互.

摘要：针对C#程序设计课程传统教学过程中存在的问题,探讨课程理论和实践教学的一体化教学模式.从教学内容、教学环境、教学方法及考核方式等方面进行改革实践,并在实施过程中搭建基于Blackboard的辅助教学平台、开展竞赛活动来提高教学质量.通过实践发现,采用一体化教学模式能够提高C#课程教学的质量和效果.

摘要：为适应校车路径规划中校车有多种车型且每种车型数量受限的需求,建立车辆数限制的多车型校车路径问题(HFSBRP)的数学模型,并提出一种迭代局部搜索算法进行求解。该算法借助邻域随机选择的变邻域下降搜索(VND)算法完成局部提升。局部提升过程中,首先调整车型,然后再混合使用缩减路径数和提高车辆利用率的邻域解接受策略以提高算法的寻优能力,为保证解的多样性,允许接受一定偏差范围内的邻域解。此外,为避免算法过早陷入局部最优,设计了多点交换和移动的扰动规则。基于国际基准测试案例进行模型验证和算法测试,实验结果表明了模型的正确性和算法的有效性。

摘要：针对兼顾车辆数和运营里程的多目标校车路径问题(SBRP),先建立其数学模型,然后提出一种变邻域搜索(VNS)算法分阶段求解.算法从初始解从发,通过抖动过程对当前解进行扰动,然后借助多个邻域算子对新解进行局部搜索.搜索过程中根据当前优化目标对邻域解进行评价,并采用一种基于偏差系数的解接受规则接受新的邻域解,保证了解的多样性.使用VNS算法求解36个测试案例,并分别与CPLEX精确求解和蚁群算法进行了比较.实验结果表明:本文设计的VNS算法能够有效地求解兼顾车辆数和运营里程的多目标校车路径问题.

摘要：针对考虑站点服务时间、学生最大乘车时间约束的校车路径问题(SBRP),提出一种改进迭代局部搜索(ILS)算法以提升求解质量。该算法使用大规模邻域搜索(LNS)算法作为扰动算子;在解的破坏过程中,设计一组解的破坏因子并赋予一定的选择概率,每隔若干次迭代后根据解的质量自适应更改破坏因子的选择概率,进而调整解的破坏程度。为提升ILS解的多样性,算法采用了基于偏差系数的邻域解接受准则。在国际基准测试案例上进行了测试,测试结果表明在ILS算法中使用自适应调整破坏程度的LNS扰动比常规扰动和其他破坏扰动的求解质量有大幅提升;与蚁群算法的比较结果进一步验证了改进算法的有效性。