摘要：常规方法定义机器人避障奖赏函数时,仅在机器人到达目标位置后给出奖励,避障奖励稀疏,导致避障路径规划时间和长度较长、规划成功率较低。提出基于深度强化学习的工业机器人避障路径规划方法。利用传感器,探测机器人与障碍物和目标点之间的距离方位,构成状态空间,定义机器人避障决策奖赏函数,包括机器人与目标点的方位奖赏、距离奖赏、到达奖赏、每个避障动作奖赏,将状态空间信息输入神经网络,通过深度强化学习,输出下一时刻奖赏值最大的避障动作,形成最优避障路径。选择工厂厂房作为测试环境,改变障碍物数量和位置,布置工业机器人移动的简单场景和复杂场景,实验结果表明,设计方法减少了避障路径规划时间和长度,提高了规划成功率。

摘要：对于稀疏、非规则,或者噪声严重的数据处理场景,为了增强大数据的挖掘性能,改善非显著特征数据的利用效能,提出了基于SOM聚类的非显著特征数据挖掘算法。首先根据特征传函,分析得到非显著特征的频域方程,同时对特征采取宽平稳过滤,并通过时频变换完成特征的识别与融合。然后引入学习网络对特征数据进行训练,在训练过程中,基于相似k距离设计了新的离群因子计算方式。最后结合SOM的无监督特性,设计了改进SOM训练网络。为避免output层出现过多无效节点,引入影响因子与调节因子,并采用加权调节修正因子对链接加权进行修正更新。此外,修正目标中的正则处理,能够有效防止数据过拟合。仿真先对改进SOM算法的聚类效果采取验证,证明上述算法在不同数据集上表现出良好的适应性和内聚性;而后通过与其它方法的性能比较,证明所提算法在非显著特征数据挖掘时表现出良好的准确性,同时可以保持较低的执行耗时。

摘要：低能量消耗与物理资源的充分利用是绿色云数据中心构造的两个主要目标,需要采用虚拟机迁移模型来完成优化,为此提出了融合虚拟机选择和放置的虚拟机迁移模型INTER-VMM(Interrelation approach in virtual machine migration)。INTER-VMM设计了云数据中心的基于多维物理资源约束的能量消耗模型,是一种将主机负载检测、虚拟机选择及放置结合起来考虑的虚拟机迁移策略。在虚拟机选择中采用HPS(High CPU utilization selection)选择法,选择超负载物理主机上CPU利用率最高的一个虚拟机,让其进入候选迁移虚拟机列表中。在虚拟机放置中采用空间感知分配(Space aware placement,SAP)放置法,考虑了充分利用物理主机空余空间使用效率的方法。仿真结果表明,INTER-VMM比近几年来常见的虚拟机迁移策略具有更好的性能指标,对云服务提供商具有很好的参考价值。

摘要：随着电商迅猛发展,为了精准发掘电商企业数据潜在的巨大价值,为解决传统数据库技术面对海量数据时出现的问题,设计了基于大数据技术开发电商数据仓库可视化系统。系统采用Flume-Kafka-Flume框架,以Sqoop作为数据采集工具,HDFS作为数据存储框架,Hive部署电商数据仓库,Spark作为Hive计算引擎。系统主要设计了数据采集模块、电商数据仓库模块和数据可视化模块等三大功能模块,通过需求分析和概要设计对各模块进行详细的设计,最后实现数据可视化展示,测试结果与预期一致,为中小型企业及管理者制定方案和策略提供参考。

摘要：FaaS(Function as a Service)允许开发者在不管理服务器的情况下在云端上传和执行代码。为解决使用FaaS过程中出现的性能和扩展问题,提出并证明了一种轻量级高性能Serverless设计,该设计提供优于现有解决方案的性能和扩展优势,并且可以实现细粒度的即用即付模型。比较了相同算法下的Docker和WebAssembly实现之间使用的性能基准。还讨论了在Serverless计算中采用WebAssembly的存在问题。

摘要：为缓解社会养老压力,以“时间银行”模式作为新型养老模式对传统养老模式进行补充,而在现有的“时间银行”系统中,时间币存储在一个中心化的服务节点上,这种方式不仅存在数据丢失、篡改的风险,还存在时间币的发行和流通都缺乏透明度的弊端。对此,基于区块链技术与“时间银行”概念,对新型互助式服务平台进行设计,该平台以政府为主导,以“时间银行”为媒介,借助“时间币”进行价值衡量,有效地运用区块链去中心化、不可篡改、可追溯等特点解决了传统“时间银行”系统中存在的问题,从而助推国家养老发展。

摘要：针对算法设计与分析课程教与学难度大、课程内容繁多、理论性强、实践要求高等特点,课程组设计了较为完善的课程教学方案,包括教学内容、实践教学、课程思政、课程线上平台建设、教学手段和方法、考核评价方式六个方面,并结合该方案给出了教学案例示范。同时,课程组对课程教学方案的实施效果进行了分析和评价。

摘要：层次结构的泛函网络结构存在较多的隐变量,导致相同时间周期内的学习预测次数较少,为此设计基于云安全模型的层次泛函网络整体学习算法。采用云服务器获取安全模型运行时的各类信息数据,定义云安全模型内指标的姿态值,并构建姿态值三元约束数值关系,控制网络结构内隐变量数量,构建层次泛函网络逼近数值模型,将同等属性数据集的泛函数值处理为输入单元,输出整体学习算法形成的邻近域。结果表明:所设计的整体学习算法产生的学习预测次数最多,算法的学习预测能力最强。

摘要：随着汽车数量逐年上升,如何提高车辆管理水平成为难题,其中车牌识别成了智能交通领域中一项重要课题。设计了基于深度学习和图像识别技术开发车牌识别数据可视化系统,系统主要有图像识别、图像裁剪、记录查询和信息可视化等功能。先将上传的车辆图像进行识别从而得到车牌信息并将其输入系统,系统能有效地管理和查询所有输入的车牌数据,然后通过可视化界面直观展示系统中的车牌数据信息,经过测试,能有效识别车牌信息,提高车辆管理效率。

摘要：将容器云平台资源整体能耗最低作为目标,设计基于贪心算法的容器云资源低能耗部署方法;在物理主机与虚拟机对应、虚拟机与容器对应等约束条件下,结合静态和动态两个部分构建容器云资源能耗模型;通过资源虚拟化与去除冗余两个步骤,得到容器云资源的整合结果;检测物理机负载状态,确定虚拟机迁移源物理机和目标物理机,利用贪心算法均衡调度容器云资源负载,最终通过容器云资源编排重组,实现容器云资源低能耗部署;采用Network Simulator网络仿真器、Docker swarm kit为核心,利用40个物理主机、1000个容器、5类粒度不同的虚拟机构建容器云仿真平台,在贪心算法优化设计部署方法下,容器云资源的利用率和负载均衡度得到明显提升,能量损耗明显下降。