摘要：为进一步增强进化算法在最小属性约简过程中的全局求解性能,提出了一种基于量子云模型反馈的协同精英属性均衡优势集成约简算法,该算法首先设计一种基于云模型反馈的量子自适应旋转角调整策略,使量子蛙群精英在云模型定性知识和罚因子反馈指导下自适应控制属性搜索空间范围;然后构建一种有限理性区域下协同精英均衡优势属性分解框架,在动态精英演化区域内使参与属性约简的量子蛙群精英在平均权重裕度下协同化达到Nash均衡优势区域;最后量子蛙群精英采用集成化操作机制在各自均衡优势区域内协同提取属性约简子集,从而稳定取得全局最优约简特征集。实验结果表明本算法求解全局最优属性约简集效率、精度和稳定性等具有明显优势,应用到孕龄新生儿脑MRIs电子病历分割,进一步表明该算法具有较强的应用性能。

摘要：蚁群算法是受自然界中的蚂蚁觅食行为启发而设计的智能优化算法,特别适合处理离散型的组合优化问题。提出一种求解多处理机调度的蚁群算法,利用一个蚂蚁代表一个处理机来选择任务,并通过分析关键路径及每个任务的最早、最迟开始时间来确定每个任务的紧迫程度,让蚂蚁以此来选择任务。实验证明,该算法可比传统算法取得有更好运行效率的调度策略。

摘要：为了在进行业务过程模型的检索与组合验证时比较两个工作流过程之间的相似度,在传统的工作流结构相似性度量与检索的基础上,针对概率式工作流的相似性度量与检索展开研究,通过定义概率结构树来描述工作流系统,在此基础上提出基于树编辑距离的工作流度量方法,进一步将其转换为概率无环有向图,并给出了基于等价迹的检索方法。给出相关的算法设计,并分析了时间复杂度。对该方法进行了系统性实验,评估了其正确性和有效性。

摘要：针对DE/rand/1/bin方案收敛速度慢的缺点,提出一种将单纯形确定性算法和差分进化随机搜索算法相结合的混合优化算法。利用差分进化算法搜索范围广、全局搜索能力强和单纯形算法局部搜索能力强、收敛速度快的特性,较大地提高了差分进化算法的收敛速度和搜索精度。典型Benchmarks复杂函数优化实验表明,该算法优化效率高、优化性能好、对初值具有较强的鲁棒性,性能优于单一的优化方法。

摘要：为了使浮体能够在熔融挤压式三维打印机中一次成型,提出一种内部结构自支撑的浮体平衡优化算法.首先在给定漂浮姿势的输入模型内部,利用递归细分方法生成自支撑的格子结构,并把输入模型与格子结构组合为初始浮体模型.然后以初始浮体模型中格子单元体积为变量构建平衡优化方程,根据方程解算结果调整初始浮体模型中每个格子单元的体积,从而生成最终的浮体模型.实验结果表明,文中算法生成的浮体模型可以使用熔融挤压式三维打印机直接打印,打印的实体不但能够按照预设的姿势漂浮在液体中,而且具有较好的抗压能力;算法中的递归细分策略能够在模型内部产生较多的格子单元,具有节省打印材料的优势.

摘要：SCADE同步语言是一种常用的嵌入式系统程序设计语言。在航空、航天、交通等安全关键领域的装备研发中,SCADE同步语言通常被用于实现实时嵌入式自动控制系统。SCADE语言是工业级的开发工具,它源于Lustre语言,并在其基础上增加了更多的语言结构来精简代码。目前,相比Lustre语言,SCADE程序模型检测的学术研究相对落后。为此,文中提出了一种对SCADE程序进行模型检测的方法并实现了一款SCADE模型检测工具,该方法的核心思想是基于程序转化,即把SCADE程序经过词法分析、语法分析、抽象语法树生成与化简等操作最终转化为等价的Lustre程序,然后用JKind与SMT求解器完成模型检测。此外,通过理论推导和大量实验证明了工具的模型检测的正确性。实验结果表明,功能相同的两个SCADE和Lustre测试用例模型的检测结果相同,但SCADE程序的模型检测效率相对较低。

摘要：软件反跟踪是作为软件保护的一个附属物而产生,伴随软件技术不断进步而发展起来的。随着软件破解工具和云计算的不断应用,对软件反跟踪保护提出了更高的要求,文章设计了一种基于代码自修改的软件反跟踪技术架构,在对目标程序进行处理时把反跟踪代码、自修改代码、程序代码三者紧密结合形成更好的软件保护强度。

摘要：目的几何活动轮廓模型的标志性模型C-V模型及其改进LBF模型受到关注,然而这两个模型对初始轮廓曲线较强的依赖性使得模型在实际图像目标分割中表现出不稳定性或具有较高的时间复杂性。本文在对C-V模型及LBF模型的原理及对初始轮廓曲线的依赖特性进行分析的基础上,提出一种基于双重轮廓演化曲线的图像分割水平集模型。方法所提出模型的主要过程如下:1)通过设置内、外两条轮廓线,使模型在演化过程中分别从目标的内部和外部向目标边界逼近,两条轮廓线的设计原则简单,其分别位于目标的外部和与目标有重叠;2)两条轮廓线的演化走向是通过在模型中设置相关项自动控制的,即演化过程中通过最小化内、外轮廓之间的差异来自动控制两条轮廓曲线的演化趋向,使之同时从目标的内部和外部向目标边界逼近,并逐渐稳定于目标的边界。结果所提出的模型通过设置内部能量泛函项,避免了对符号距离函数的重新初始化;通过采用全局化的正则函数,增加了模型对复杂异质区域边界的捕捉能力;通过采用内、外轮廓线同时演化机制,避免了模型对初始轮廓线的过依赖性。结论所提出的模型很好地解决了传统基于区域的分割模型对轮廓曲线初始化的过依赖问题,对初始轮廓线的设置较为简单且具有较强的鲁棒性,对图像目标的分割较为准确和稳定。

摘要：为提高决策表中最小属性约简的效率、稳定性和鲁棒性,基于云模型在非规范知识定性、定量表示及其相互转换过程中的优良特征对量子进化算法进行算子设计,提出了一种基于量子云模型演化的最小属性约简增强算法(QCMEARE).该算法采用量子基因云对进化种群进行编码,基于约简属性熵权逆向云进行量子旋转门自适应调整,使其在定性知识指导下能够自适应控制属性约简空间搜索范围,并采用量子云变异和云纠缠操作算子较好地避免了在属性演化约简中易陷入局部最优和早熟收敛等问题,使算法快速搜索到全局最优属性约简集.仿真实验表明,提出的最小属性约简增强算法具有收敛速度快、约简精度高和稳定性强等优点.

摘要：测试用例集扩充问题(Test Suite Augmentation)是回归测试研究的一个最新研究热点。在完成代码修改影响分析后,对已有测试用例集的充分性进行评估,若不充分则设计新的测试用例,以确保对代码修改的充分测试。但到目前为止,国内外学者并未对该研究问题的已有研究成果进行系统总结和展望。首先介绍了测试用例集扩充问题的研究背景和问题描述,然后总结出研究框架并对已有研究工作进行分类和系统比较,接着对常用评测数据集和评测指标进行了分析,最后对该问题值得关注的未来研究方向进行展望。