摘要：机器人流程自动化(Robotic Process Automation,RPA)是当今的研究热点之一,对网页元素的拾取和自动化是RPA的重要功能之一。RPA通过使用浏览器扩展向网页中注入脚本程序以处理网页,使用网页元素定位路径定位到目标节点进行自动化操作,在源网页中存在跨域frame时,由于同源策略的限制,注入源网页的脚本无法获取到目标节点的DOM对象,导致无法生成网页元素定位路径,从而无法自动化。文中提出了一种基于浏览器扩展的RPA系统设计方案,该方案能够对跨域DOM进行拾取和自动化。该方案在处理包含第三方跨域frame的网页时,将其看作与源网页frame地位相等的frame进行处理,网页元素定位路径设计为包含frame的url和网页元素Xpath的形式,以实现跨域网页元素拾取和自动化的功能。实验结果表明,该方案能够有效地对包含跨域资源的网页进行拾取和自动化操作,且同时支持chrome,firefox等支持浏览器扩展的浏览器。

摘要：为解决机器人流程自动化(Robotic Process Automation,RPA)领域缺乏统一流程描述方法的问题,文中提出了一种用于定义和描述RPA流程的规范,主要包括RPA流程中的各类对象,可用于分析复杂RPA应用场景;同时,为更好地定义与描述工作流系统的流程,并解决RPA领域暂无流程建模标准而导致的流程脚本不兼容问题,以业务流程模型和符号(Business Process Model and Notation,BPMN)标准为基础,定义了一套RPA流程建模符号及标签系统。最后,以一种银行系统的典型业务流程为例,展示了使用该规范定义与描述此业务流程的结果,并使用Petri网进行了流程的正确性证明。

摘要：机器人流程自动化(Robotic Process Automation,RPA)是当今的研究热点之一,RPA主要使用Win32接口对窗体进行自动化操作,该方法需要对API进行封装,开发成本高,且只能识别基于Win32 API设计的UI元素,同时基于Win32接口实现自动化需要模拟键盘和鼠标操作,由于该模拟操作基于一种广播消息机制,导致操作的响应时间较长,因此提出了一种基于微软的UIA(UI Automation)技术,用于构建RPA流程自动化应用的方案。该方案采用UIA方法进行UI元素的自动化操作,适应的UI程序框架范围广,包括Win32,WPF,QT,Silverlight等;而且开发成本低。同时,该方案将消息与UI元素绑定,避开了低效的广播消息机制,提高了RPA的执行效率。实验结果显示,与模拟键盘鼠标方法相比,所提方法的执行时间平均可缩短55.67%。

摘要：人工智能的巨大市场需求极大地促进了云计算的发展.随着公用云定价模式的逐渐成熟,预算成本约束已成为异构云计算系统中大型工作流科学应用设计调度策略首要考虑的问题.本文基于异构云计算系统,提出一种预算成本约束下高效的工作流任务调度算法(ESBL).ESBL算法根据给定的工作流任务集及预算成本,首先确定各任务的执行优先级及预算等级成本;然后根据给定的虚拟器集群决定该任务集中关键路径对应的关键虚拟机节点;最后将任务映射至虚拟机,优先保证关键路径上的任务分配至关键虚拟机节点,其它任务节点按照更新的预算成本选择最佳虚拟机.ESBL算法既保证了任务集遵循约束条件,又最大限度地根据任务的优先等级预留计算成本.在真实并行应用的实验中,与著名的预算等级最小化调度长度算法相比,ESBL在不增加实际计算成本的前提下,工作流的调度长度可以降低12.11%-17.22%.

摘要：给出了基于化学反应优化算法(CRO)求解最小顶点覆盖问题的一个新方法.首先根据最小顶点覆盖问题的无向图邻接矩阵,设计了参与化学化反应优化算法的分子编码和适应度函数;同时针对最小顶点覆盖问题的特性创造性地设计了化学反应优化算法中分子操作的四个重要算子;最后通过模拟化学反应中分子势能趋于稳定的过程,在问题的解空间中搜索其最优解.实验结果表明,通过与遗传算法(GA)、蚁群优化算法(ACO)等比较分析,所提的新方法对于求解无向图的最小顶点覆盖问题是有效的,并且与一般遗传算法相比在求解速度等方面有明显的改善.

摘要：在线学习为众多学习者提供了开放灵活的学习机会,却存在着学习者学习积极性不高、学习成绩不理想的问题。已有的在线学习效果预测工作着重从静态角度探究学习行为对成绩的影响,忽略了学习行为随时间的演化规律,缺少对行为背后学习模式和学习动机的深入探讨,而这两者正是影响学习效果的重要因素。为此,提出一种基于学习行为演化的学习模式识别及效果预测方法来建模学习行为与动机对学习效果的影响。首先,依据学习者的付出-收获量化学习效率,按时间构建学习效率动态演化序列;然后,使用高斯混合模型聚类真实学习数据并结合实际学习场景,识别4种典型学习模式;在此基础上,设计学习模式及动机预测模型,结合双向长短期记忆网络,构建学习效果预测模型。利用8门真实课程学习的公开数据,对每一种学习模式学习者的付出、收获演变规律进行细致分析。大量对比实验结果表明所提方法在多个性能指标上提升了6.9%~29.2%。本研究有助于在线学习者、教学者和平台准确理解学习者的学习状态,从而提升在线学习效果。

摘要：三维游戏正处在蓬勃发展的时期,跨平台三维游戏开发技术中涉及的优化技术仍然是值得关注和难于掌握的。文章从跨平台技术开始,以一款具体的三维游戏设计为例,分析了三维游戏中的各种功能实现和优化技术,包括纹理技术、列表技术、高级字体技术、IBR技术、混合技术以及绘制顺序的优化策略等,并通过运用这些优化技术来得到较好的游戏结果。

摘要：【目的】本文主要分析人工智能和大数据应用随着迅速增大的数据规模,给计算机系统带来的主要挑战,并针对计算机系统的发展趋势给出了一些面向人工智能和大数据亟待解决的高效能计算的若干研究方向。【文献范围】本文广泛查阅国内外在超级计算和高性能计算平台进行大数据和人工智能计算的最新研究成果及解决的挑战性问题。【方法】大数据既为人工智能提供了日益丰富的训练数据集合,但也给计算机系统的算力提出了更高的要求。近年来我国超级计算机处于世界的前列,为大数据和人工智能的大规模应用提供了强有力的计算平台支撑。【结果】而目前以超级计算机为代表的高性能计算平台大多采用CPU+加速器构成的异构并行计算系统,其数量众多的计算核心能够为人工智能和大数据应用提供强大的计算能力。【局限性】由于体系结构复杂,在充分发挥计算能力和提高计算效率方面存在较大挑战。尤其针对有别于科学计算的人工智能和大数据领域,其并行计算效率的提升更为困难。【结论】因此需要从底层的资源管理、任务调度、以及基础算法设计、通信优化,到上层的模型并行化和并行编程等方面展开高效能计算的研究,全面提升人工智能和大数据应用在高性能计算平台上的计算能效。

摘要：随着网络速度不断提高和规模的快速扩展,对入侵检测系统的模型、结构和实现技术提出了新的需求。在深入分析和讨论现有入侵检测模型和技术优缺点的基础上,针对高速网络的特点,本文提出了一种层次可变的树状分布式入侵检测体系结构。该结构可以根据网络规模的变化动态地进行配置,各节点的增加和删除采取注册和注销的方式,而且树状结构中的每一个独立节点都可视为一个完整的入侵检测系统。利用动态负载均衡与基于协议分析的多模式匹配技术对其进行实现。

摘要：利用大数据计算平台对大量的静态数据进行数据挖掘和智能分析助推了大数据和人工智能应用的落地。在面临互联网、物联网产生的日益庞大的实时动态数据的处理需求时,数据流计算被逐步引入目前的一些大数据处理平台中。针对数据流的编程模型,比较了传统软件工程的面向数据流的分析和设计方法与目前针对大数据处理平台的数据流编程模型提供的结构定义和模型参考,分析了两者的差异和不足,总结了数据流编程模型的主要特征和关键要素。分析了目前数据流编程的主要方式以及与主流编程工具的结合,针对大数据处理的数据流计算业务需求,给出了可视化数据流编程工具的基本框架和编程模式。