摘要：以GIS作为输电线路路径选择的地理信息采集和分析平台,综合考虑线路走廊区域地形、地貌、地物、环境等方面的影响因素,利用层次分析法得到线路走廊区域的线路综合成本量化值.结合高压输电线路路径选择特点,建立了基于改进蚁群算法的高压输电线路路径自动搜索模型,实现了输电路径的跨越式搜索和障碍的规避.模型引入路径局部成本控制启发策略及A~*导向算法,提高了路径搜索效率.用C#2010和ArcGIS 10.0开发了输电线路路径自动选择程序,并采集无人机航拍的现场地理数据,验证了模型和方法的有效性.

摘要：输电线路的路径优选是指在已选好的初选方案中选出最佳方案,但由于复杂的地理环境等影响因素使得优选工作十分困难。本文通过GIS技术整合地理信息单元中复杂的地理信息,在保证信息的准确性和时效性的同时,也使得地理信息数据能够得到充分利用。通过采用层次分析法建立的输电线路路径优选模型,能够对输电线路路径选择方案进行全面综合评价,得出的路径优选方案更为科学合理。

摘要：网络异常流量识别是目前网络安全的重要任务之一。然而传统流量分类模型是依据流量数据训练得到,由于大部分流量数据分布不均导致分类边界模糊,极大限制了模型的分类性能。为解决上述问题,文章提出一种基于深度度量学习的异常流量检测方法。首先,与传统深度度量学习每个类别单一代理的算法不同,文章设计双代理机制,通过目标代理指引更新代理的优化方向,提升模型的训练效率,增强同类别流量数据的聚集能力和不同类别流量数据的分离能力,实现最小化类内距离和最大化类间距离,使数据的分类边界更清晰;然后,搭建基于1D-CNN和Bi-LSTM的神经网络,分别从空间和时间的角度高效提取流量特征。实验结果表明,NSL-KDD流量数据经过模型处理,其类内距离显著减小并且类间距离显著增大,类内距离相比原始类内距离减小了73.5%,类间距离相比原始类间距离增加了52.7%,且将文章搭建的神经网络比广泛使用的深度残差网络训练时间更短、效果更好。将文章所提模型应用在流量分类任务中,在NSL-KDD和CICIDS2017数据集上,相比传统的流量分类算法,其分类效果更好。

摘要：容器云中,应用和资源调度始终是集群管理的重点。如何在提高资源利用率的同时保证应用服务质量是目前行业积极探索的问题之一。针对该问题,提出一个面向容器云环境的轻量级多维度微服务应用调度框架。该框架设计了非侵入式的网络调用观测方法,并基于观测和监控数据定义亲和性、热点值(HV)和热路径(HP)来指导调度决策。为平衡资源利用率和应用QoS,该框架在调度的垂直方向上提出弹性余量控制机制(elastic slack controller,ESC),在水平方向上考虑了微服务亲和性;并设计了扩散导向的自动伸缩策略(diffusion-oriented autoscaling strategy,DOAS)以缓解应用出现的QoS下降。实验表明,该框架与主流的Kubernetes原生调度工具相比,在集群资源利用率方面提高21%,同时能降低23%的应用端到端时延,实现资源利用率和应用QoS的平衡。

摘要：针对欠驱动桥式起重机负载不稳定、易摆动的问题,本文设计了一种基于PID算法的欠驱动控制器。首先利用Lagrange方程构建防摆系统的数学模型,然后通过simulink仿真调节P、I、D参数使系统达到稳定。仿真实验结果表明,该算法实现了对欠驱动桥式起重机的位置、负载摆角及绳长进行有效控制,达到消摆的控制效果。