MATE-Participants-Communication2014

合集下载

改进遗传算法在MSPSP问题中的验证

改进遗传算法在MSPSP 问题中的验证①宋　尧1,2, 仰燕兰1,2, 叶　桦1,21(东南大学自动化学院, 南京 210096)2(复杂工程系统测量与控制教育部重点实验室, 南京 210096)通讯作者: 仰燕兰摘　要: 为了求解多技能资源受限项目调度问题(MSPSP), 本文提出了一种改进遗传算法. 首先根据问题的数学模型, 确立了基于优先权的实数编码方式, 并将目标函数转为适应度函数以供后续适应度的计算; 接着将基于群体共享的小生境技术融入到遗传算法的选择过程中, 并借助确定式采样选择和子种群的调整进一步提高算法的搜索能力; 然后分别在交叉和变异操作中引入基因修复和多重验证机制, 增强算法的寻优能力; 最后给出了算法的总流程.算法在iMOPSE 数据集上的求解效果表明本文的改进遗传算法是一种求解MSPSP 问题的有效方法, 对相关实际问题的研究具有良好借鉴意义.关键词: 资源受限项目调度; 多技能; 遗传算法; 小生境技术引用格式: 宋尧,仰燕兰,叶桦.改进遗传算法在MSPSP 问题中的验证.计算机系统应用,2020,29(10):235–241. /1003-3254/7591.htmlVerification of Improved Genetic Algorithm in MSPSP ProblemSONG Yao 1,2, YANG Yan-Lan 1,2, YE Hua 1,21(School of Automation, Southeast University, Nanjing 210096, China)2(Key Laboratory of Measurement and Control of Complex Systems of Engineering, Ministry of Education, Nanjing 210096, China)Abstract : In order to solve the Multi-Skilled resource-constrained Project Scheduling Problem (MSPSP), this study proposes an improved genetic algorithm. First, based on the mathematical model of the problem, a priority-based real number encoding method is established, and the objective function is converted into a fitness function for subsequent fitness calculations. Next, the niche technology based on group sharing is incorporated into the selection process of the genetic algorithm. In addition, with the help of deterministic sampling selection and subpopulation adjustment, the search ability of the algorithm is further improved. Then, gene repair and multiple verification mechanisms are introduced in the crossover and mutation operations to enhance the algorithm’s optimization ability. Finally, the overall process of the algorithm is given. The effect of the algorithm on the iMOPSE data set shows that the improved genetic algorithm is an effective method for solving MSPSP problem, and it has a sound reference significance for the study of related practical problems.Key words : resource-constrained project scheduling; MSPSP; genetic algorithm; niche technology资源受限项目调度问题(Resource-Constrained Project Scheduling Problem, RCPSP)是一种典型的NP-hard 问题[1], 具有约束条件严苛、组合性强、求解范围广等特点, 其基本目标是在一定资源的约束下得到合计算机系统应用 ISSN 1003-3254, CODEN CSAOBNE-mail: Computer Systems & Applications,2020,29(10):235−241 [doi: 10.15888/ki.csa.007591] ©中国科学院软件研究所版权所有.Tel: +86-10-62661041① 基金项目: 中央高校基本科研业务费专项(2242020K40244)Foundation item: The Fundamental Research Funds for the Central Universities of China (2242020K40244)收稿时间: 2020-01-15; 修改时间: 2020-02-13; 采用时间: 2020-03-24; csa 在线出版时间: 2020-09-30235理的调度方案, 使得时间或者项目成本得到最优化. 多技能资源受限项目调度问题(Multi-Skilled Resource-Constrained Project Scheduling Problem, MS-RCPSP/ MSPSP)是在其基础上增加了技能约束的一种拓展性问题, 因其在软件开发、建筑工程、车间调度等方面的广泛应用而不断受到越来越多的学者的关注, 并衍生出许多求解方案. 比如, 任逸飞等人提出了一种包含双层决策及局部优化策略的混合算法对MSPSP进行求解, 并结合基于关键链的局部搜索算法提高了求解质量[2]; Skowronski等人先后用基于调度优先级规则的元启发式算法[3]、禁忌搜索算法[4]和进化算法[5]研究MSPSP, 并生成了一套专门针对MSPSP的基准数据集iMOPSE[6], 为后世研究该问题提供了重要参考依据.总的来说, 目前所使用的各种算法都仅能针对部分数据对象而不断靠近最优解, 如何提出合适的算法为MSPSP求出更优解是目前研究努力的一个方向. 本文在对比了各种算法之后, 考虑到发展已久的遗传算法(Genetic Algorithm, GA)[7]在寻优搜索能力、鲁棒性和兼容性等方面的良好表现, 选择其作为本文的基本算法. 考虑到该算法存在早熟收敛和后期收敛速度慢的问题, 学者们在其基础上进行了相关改进, 并用于求解MSPSP问题. 比如, Laszczyk等人在经典的非支配遗传算法的基础上提出了一种新的选择算子, 提高了搜索效率[8]; Lin等人提出了一种遗传规划的超启发式算法, 将遗传算法作为一种宏观策略, 统筹调度十种启发式规则进行求解[9]. 本文针对MSPSP的特点, 在细化遗传算法的求解过程的基础上, 对其选择、交叉和排序过程分别进行了改进.1 MSPSP介绍1.1 问题描述MSPSP的基本概念是: 一个项目中涉及多个任务,任务之间存在时间约束关系, 项目中的各种资源都具备一种或多种技能, 问题的目标是在满足各种约束的条件下合理调度和分配已有的资源和任务, 使得完成整个项目的总时间或总成本最小化.一般而言, 问题中的资源都指人力资源, 以图1为例, J1~J4表示任务, H1~H4表示资源, 以J1为例, 它需要具备技能S3且技能等级达到3.2的人员, 在H1~ H4中只有H2和H4是满足的, 因此对于J1来说H2和H4可以被分配给它. 当确定人力资源的可分配权后,再结合相关时间约束和资源约束, 才能进一步确定最终的分配情况.×√ ×√√ √ ×××√ ××√ ×√ ×H1H2H3H4人力资源√可以被分配×不可以被分配任务S3.2S2.1S1.5S1.3, S2.2S1.2, S2.8S2.2, S3.3S1.3, S2.1S1.5, S3.7J1J2J3J4图1 MSPSP示意图1.2 数学模型为了便于描述MSPSP的数学模型, 首先引入如下符号定义:J: 任务集合, J={1, 2, ···, m};H: 资源集合, H={1, 2, ···, n};S: 技能集合;d j: 完成任务j的工期;b j: 任务j的开始时间;f j: 任务j的结束时间;k jh: 任务j所需要的资源 h的数量;P j: 任务j的前置任务集合;K h: 资源h的数量;w h: 资源h的单位成本;S h: 资源h所拥有的技能集合;J h: 资源h可完成的任务集合;l s: 技能s的等级;q s: 技能s的类别;α: 优化目标的权重系数;T: 工作持续时间;Q jht: 0-1变量, 资源h在t时刻作用于任务j时为1, 否则为0.MSPSP的数学模型为:目标函数:min F s=minαFτ+(1−α)F cα∈[0,1](1)其中,Fτ=maxj∈Jf j(2)F c=m∑j=1n∑h=1d j w hθ(jh)(3)约束条件:计算机系统应用2020 年第 29 卷第 10 期236f j =b j +d j ∀j ∈J(4)f p ≤f j ∀j ∈J ,∀p ∈P j (5)S h ∅∀h ∈H ,S h ∈S(6)w h ≥0∀h ∈H(7)m ∑j =1Q jht ≤1∀h ∈H ,∀t ∈T ,∀j ∈J(8)l s ≥l s i ∧q s =q s i ∀i ∈J h ,∃s ∈S h (9)θ(jh )=Q jht ={1b j ≤t ≤f j0t [b j ,f j ]∀j ∈J ,∀h ∈H ,∀t ∈T (10)F τF c αF s αα=0α=1α∈(0,1)式(1)中的和分别表示工作的总时间和总成本, 两者是相互制约的关系, 通过权重系数关联起来,构成总的优化目标. 的取值将决定优化对象是单目标还是多目标, 时是成本优化, 时是时间优化,是综合考虑时间和成本的多目标优化. 本文主要考虑单目标优化. 式(4)和式(5)表示任务的时间约束. 式(6)~式(8)是对人力资源的约束: 式(6)要求每种人力资源至少具备一种技能; 式(7)体现了人员成本的合理性; 式(8)表示单个资源在同一时间内只能使用一种技能去执行一项任务. 式(9)是技能约束, 规定了在为各个任务节点分配资源时, 必须满足该任务对资源的技能种类和技能等级的需求. 式(10)的定义是为了方便计算成本消耗.2 改进遗传算法2.1 编解码方案根据问题选择合适的染色体编码方式是遗传算法的第一步, 鉴于MSPSP 是要寻找满足约束条件的任务和资源的最佳排列, 本文选择基于优先级数组的整数编码, 以更直观地展示和表达调度结果. 在遗传算法中,每条染色体对应一个任务链, 以优先级数组进行表示时, 数组中的元素(即染色体的基因)是任务的权重, 数组的下标表示任务编号, 数组的长度等于任务总数.编码之后还需要进行解码才能形成完整的调度方案. 本文选择串行调度机制[10]实行解码操作, 主要分为两个部分:(1) 在不考虑技能约束的情况下, 根据任务的权重生成任务序列, 当权重相等时, 任务编号小的优先;(2) 根据技能约束和资源约束对资源进行分配, 在此过程中如果发现资源分配冲突则需要对任务序列进行调整, 如果无法通过调整满足需求则放弃该方案.2.2 适应度函数遗传算法一般会选择问题的目标函数作为适应度函数, 但MSPSP 的目标函数是最小化目标, 不满足适应度函数的最大化需求, 因此需要做一定转化, 最终的适应度函数如式(11)所示.f g (c k )=F s _max −F sF s _max −F s _min(11)f g (c k )c k F s F s _max F s _min 其中, 是个体的适应度函数, 是当前个体的目标值(即目标函数值), 和分别是当前群体中的最大目标值和最小目标值.2.3 基于群体共享的小生境选择得到种群的适应度后, 需要根据适应度大小对种群中的个体进行初步筛选, 挑选出适应度较好的一批个体, 为后续的交叉和变异做准备. 传统的直接通过比较个体适应度大小来决定生存权的方式会带来一些问题:(1) 算法搜索初期, 适应度很好的一批个体不但拥有更长的生存时间, 而且易被视为优良父代将本身的基因传承下去, 进而影响整个种群的进化方向, 从而削弱了算法的全局搜索能力;(2) 算法搜索后期, 经过多代的进化, 个体间的差异变小, 种群多样性降低, 演变成了近亲繁殖, 在此基础上生成的后代也很难有新的变化, 最终算法可能会陷入局部最优.为了防止种群的多样性被破坏, 本文在遗传算法的选择阶段融入基于群体共享的小生境技术[11]. 其基本过程是: 首先将原始种群分为若干子种群, 接着从中挑选出一个优质种群作为共享种群, 然后在共享种群和普通种群内部独立进行交叉、变异操作, 生成新一代种群, 并不断重复这种操作, 直到满足终止条件为止.将小生境技术与遗传算法相融合, 能够增强算法的全局搜索的能力, 加快算法的收敛速度.2.3.1 定义说明为了实现上述算法, 首先给出如下定义:定义1. 个体间距离c i c j 在基于群体共享机制的小生境方法中, 可以利用海明距离来辅助判断个体之间的相似程度, 相似度不高的个体才能进行交配, 以保证种群的多样性. 为了方便计算海明距离, 需要先将个体由实数编码转为二进制编码, 然后再根据式(12)求得个体和之间的海明2020 年第 29 卷第 10 期计算机系统应用237binLen距离, 其中, 表示染色体二进制编码的长度, G表示整个种群.d(c i,c j)=||c i−c j||=binLen∑k=1(c ik−c jk)2∀c i,c j∈G,c i c j(12)定义2. 个体共享度个体共享度是借助个体间海明距离来度量其相似程度的一种表达, 如式(13)所示, 个体之间相似度越大, 个体共享度就越大.s(c i,c j)=1−d(c i,c j)binLen(13)定义3. 群体共享度群体共享度是对个体在群体中的特异性的度量,是个体与群体中的其他个体间的个体共享度之和, 如式(14)所示.s g=∑s(c i,c j)∀c i,c j∈G,c i c j(14)2.3.2 确定式采样选择在各个子群体的进化过程中, 为了保证优质基因能够遗传下去, 与文献[11]不同的是, 本文采用确定式采样选择法[12]进行个体选择, 避开传统轮盘赌方式带来的统计误差. 具体操作过程是:Step 1. 计算各个子种群中的个体在下一代中的期望数目:N exp(c i)=subSi z e·f(c i)subS i z e∑i=1f(c i)i=1,2,···,subSi z e(15)[N exp(c i)]c i[N exp(c i)]N exp(c i)Step 2. 取作为在下一代中的生存数目,其中表示不大于的最大整数;N exp(c i)subSi z e−subSi z e∑i=1[N exp(c i)]Step 3. 根据的小数部分对所有个体进行排序, 选择最大的个个体进入到下一代种群中.这种方式能够确保每个子群体中适应度较大的个体都能存活到下一代.2.3.3 子种群适应度和规模调整为了减少算法中相似个体的不断聚合, 需要根据子群体的群体共享度不断调整其适应度和种群规模.调整的基本规则是:(1) 根据共享种群的群体共享度占总群体共享度的比值, 略微调高共享种群的适应度;(2) 当普通种群的群体共享度大于共享种群的群体共享度时, 调低普通种群的适应度, 反之调高;(3) 在总的种群规模不变的情况下, 根据种群的适应度比例重新分配子种群的规模.对于共享种群的适应度调整:f share=f share·exp(N es shareN sub∑j=1s g(j))(16)对于普通种群的适应度调整:f others=f others exp(−s g−s shares share)(17)对于各个子种群规模的调整:subSi z e(i)=f g(i)N sub∑j=1f g(j)·popSi z e i=1,2,···,N sub(18)s share subS i z e(i)f g(i)其中, 表示共享种群的群体共享度, 表示第i个子种群的规模, 表示第i个子种群的适应度值.2.4 基于修复机制的单点交叉P c 遗传算法中的交叉操作能够生成继承了父代基因的新个体, 提高算法的全局搜索能力, 其中最常见的是单点交叉法. 传统的单点交叉的过程是: 在父辈个体中随机选择一个交叉点, 将该交叉点之后的基因互换, 从而生成了两个新的子个体. 本文的染色体是任务时序链, 使用基本的单点交叉后容易打破时序约束, 且新生成的子个体中可能出现重复项和缺失项. 为了保证子代个体的有效性, 本文结合随机生成的交叉概率, 在基本的单点操作基础上增加了相关修复策略, 如图2所示.具体的修复过程是: 经过基本的单点交叉后, 首先找到子代个体中重复的编号, 子代c1中是1和3, c2中是4和6; 然后将c1交叉点前的重复编号与c2交叉点后的重复编号依次进行交换, 即c1中交叉点前的1和3分别与c2交叉点后的4和6交换, 同理, 也将c2交叉点前的重复编号与c1交叉点后的重复编号依次进行交换, 即c2中交叉点前的4和6分别与c1交叉点后的3和1交换; 最后交换后的结果即为修复的子代个体, 该子代个体都满足任务的时序约束, 且没有重复项.但是, 交叉完后的子代个体的适应度并不一定比父代强, 为了在交叉后尽量保留适应度相对较好的个体, 在此引入父子竞争机制来进一步筛选出能够进入计算机系统应用2020 年第 29 卷第 10 期238下一代繁殖的个体: 对父代c 1、c 2和子代c 1、c 2四个个体的适应度进行排序, 选择适应度最好的两个作为最终的新生代个体进入下一次繁殖和进化.123456246315父代 c 1父代 c 2123315246456子代 c 1子代 c 2子代 c 1子代 c 2交叉点单点交叉426315231456修复图2 基于修复机制的单点交叉示意图2.5 基于多重验证的变异P m 除了交叉外, 遗传算法中的变异操作也能生成新的个体, 辅助交叉操作维护种群的多样性, 增强算法的局部搜索能力. 与交叉不同的是, 变异是根据变异率在单个染色体上对其部分基因进行突变, 从而产生新的个体.对于MSPSP 问题而言, 为了使变异后的个体仍旧满足约束条件, 在执行传统的变异操作后, 还需对新个体进行时序约束验证, 只有验证通过的个体才能保留下来, 否则变异失效. 另外, 如果变异后的个体适应度太低, 则表明该方案不太可取, 且会影响整个子群体的适应度, 因此还需对新个体进行适应度检验.本文设计的基于多重验证的变异过程如下:p (c i )Step 1. 随机为子种群中的所有个体分配概率;p (c i )≤P m Step 2. 选择一个个体, 判断是否满足, 如果是则执行变异操作, 否则另选个体进行判断;c k 1i c k 2i Step 3. 在所选个体上随机选择两个任务和进行交换;Step 4. 判断新个体是否满足时序约束, 且适应度比旧个体高, 如果都满足则用新个体代替旧个体; 否则抛弃新个体, 保留旧个体;Step 5. 判断当前种群中的所有个体是否都检测完毕, 如果是, 则结束变异操作; 否则转到Step 2.2.6 算法总流程改进遗传算法的详细步骤为:popS i z e P m N iter Step 1. 设置遗传算法的相关参数(种群规模, 变异概率, 最大迭代次数), 并用贪心算法初始化种群;Step 2. 划分子种群;Step 3. 计算个体的适应度, 并在各个子种群内独立执行进化操作: 首先按照确定式采样规则进行个体选择, 然后执行基于修复机制的单点交叉操作, 最后完成基于多重验证的变异操作;k sub N e k sub Step 4. 判断子群体进化次数是否达到上限值, 如果是则先将清零, 再转到Step 5; 否则转到Step 3;Step 5. 计算子种群的平均适应度, 选择适应度值最高的作为共享种群;Step 6. 根据群体共享度和适应度调整所有子种群的适应度和规模;Step 7. 淘汰连续几代表现最差的子群体, 并产生相同规模的新群体进行替换;Step 8. 判断当前迭代次数是否达到上限, 或者连续几代的求解结果偏差是否满足收敛条件, 如果满足任意一条则结束算法, 输出结果; 否则转到Step 3.算法的流程图如图3所示.3 实验分析用Python 实现了针对MSPSP 的改进遗传算法后,为了验证算法的性能, 本文在iMOPSE [6]数据集上进行了实验, 并与其他算法的求解结果进行了对比. 实验中, 算法的参数设置如表1所示.在取相同参数的情况下, 改进遗传算法和传统遗传算法在10_20_46_15算例上的求解效果如图4所示,可以看出, 改进算法的收敛速度更快, 求解结果更优.α=1α=0使用改进遗传算法对整个iMOPSE 数据集进行求解, 分别取(时间最优)和(成本最优), 每个实例运行20次, 将结果与文献[13]中的混合蚁群算法的结果进行对比, 如表2所示. 可以看出, 不管是以时间最优还是成本最优为目标, 改进遗传算法都能求得更优的解, 且从多次求解的标准差来看, 大部分情况下改进遗传算法都更加稳定.2020 年第 29 卷第 10 期计算机系统应用239开始种群和参数初始化适应度计算确定式采样选择基于修复机制的单点交叉基于多重验证的交换变异确定共享种群子种群共享度计算子种群适应度和规模调整子种群淘汰和更新满足终止条件？算法结束, 输出结果结束k sub ≥N e ?k sub =0k sub +1否划分子种群是否是每个子群体单独执行图3 改进遗传算法流程图表1 改进遗传算法参数设置参数popSi z eP mN iter值1000.1500250240230220210200调度总时间100200300400500迭代次数改进 GA 传统 GAα=1图4 改进GA 和传统GA 在10_20_46_15上的求解对比图()表2 改进遗传算法和混合蚁群算法在iMOPSE 上的求解结果对比实例文件α=1α=0混合蚁群算法改进遗传算法混合蚁群算法改进遗传算法Best Std Best Std Best Std Best Std 100_10_26_15266 2.22564128 430235880 598.71178100_10_27_9_D2294 6.7258443 614142229 024.6324100_10_47_929742683146 0562183105 266.4986100_10_48_15278 4.42622138 194246394 919840100_10_64_9287 5.12763117 553137080 605.7683100_10_65_15281 3.52713154 4502024115 007.7740100_20_22_15161 3.61522116 162476070 643.5773100_20_23_9_D12193189253 60294736 821399100_20_46_15194 2.61843142 639435887 821.41354100_20_47_9180 3.71652131 525347178 617.51256100_20_65_15218 2.72400117 988584271 8701169100_20_65_9180 3.11662127 848445886 209.21223100_5_20_9_D34375413341 50544631 501.985100_5_22_155040.84891121 577125112 870.6229100_5_46_1560405543209 435698188 142.6232100_5_48_9521 1.64982195 675302179 370.8355100_5_64_15516 2.94984147 343765111 994.7306100_5_64_9507 3.94823105 33394976 043.9381200_10_128_15522 3.15266182 3912446165 825.31122200_10_135_9_D6111511.498512104 292179384 911.3696200_10_50_1552985445194 3173028122 883.81041200_10_50_9546 4.85336254 7154725162 591.42534200_10_84_9571 6.95393229 6042931176 236.52838200_10_85_15526 6.55087312 3823617243 069.31804200_20_145_15309 4.42993280 7854334212 044.71448200_20_150_9_D5117727.69842291 940230068 917.2700200_20_54_15336 6.63356291 0756352230 526.42104200_20_55_9313 3.12884235 5035429165 996.91605200_20_97_15356 4.836112296 0344434225 208.82653计算机系统应用2020 年第 29 卷第 10 期240续表 2实例文件α=1α=0混合蚁群算法改进遗传算法混合蚁群算法改进遗传算法Best Std Best Std Best Std Best Std200_20_97_9326 4.12995284 3027969196 043.81973 200_40_130_9_D464219.251714106 532316274 921.2974 200_40_133_15214 3.42014288 9247120195 162.71460 200_40_45_15206 2.61893257 3675703184 510.22605 200_40_45_9209 3.81952272 5894066187 294.42902 200_40_90_9211 1.81972297 8747032201 990.42059 200_40_91_15207 2.9186 6.22250 6975777181 352.86150.074 结束语本文针对MSPSP问题的特点, 在传统遗传算法的基础上, 融入了基于群体共享的小生境技术, 提高了种群信息的利用率, 并针对MSPSP的时序约束, 分别为交叉和变异操作增加了修复和验证机制, 进一步确保了个体的合法性. 经实验验证分析可知, 改进后的遗传算法相较于传统遗传算法和混合蚁群算法的收敛速度更快, 求解结果更优, 稳定性更强, 且能在iMOPSE数据集上取得良好效果, 为研究相关实际问题提供了一定参考价值.参考文献Blazewicz J, Lenstra JK, Rinnooy Kan AHG. Scheduling subject to resource constraints: Classification and complexity. Discrete Applied Mathematics, 1983, 5(1): 11–24. [doi: 10.1016/0166-218X(83)90012-4]1任逸飞, 陆志强, 刘欣仪, 等. 考虑技能水平的多技能资源约束项目调度. 工学版, 2017, 51(5): 1000–1006.2Myszkowski PB, Skowroński ME, Podlodowski L. Novel heuristic solutions for multi-skill resource-constrained project scheduling problem. Proceedings of 2013 Federated Conference on Computer Science and Information Systems.Krakow, Poland. 2013. 159–166.3Skowroński ME, Myszkowski PB, Adamski M, et al. Tabu search approach for multi-skill resource-constrained project scheduling problem. Proceedings of 2013 Federated Conference on Computer Science and Information Systems.Krakow, Poland. 2013. 153–158.4Myszkowski PB, Skowroński ME. Specialized genetic 5operators for multi-skill resource-constrained project scheduling problem. Proceedings of the 19th International Conference on Soft Computing Mendel 2013. At Brno, Czech Republic. 2013. 57–62.Myszkowski PB, Skowroński ME, Sikora K. A new benchmark dataset for multi-skill resource-constrained project scheduling problem. Proceedings of 2015 Federated Conference on Computer Science and Information Systems.Lodz, Poland. 2015. 129–138.6张立毅, 高杨, 费腾. 求解旅行商问题的萤火虫遗传算法.计算机工程与设计, 2019, 40(7): 1939–1944.7Laszczyk M, Myszkowski PB. Improved selection in evolutionary multi-objective optimization of multi-skill resource-constrained project scheduling problem. Information Sciences, 2019, 481: 412–431. [doi: 10.1016/j.ins.2019.01.002] 8Lin J, Zhu L, Gao KZ. A genetic programming hyper-heuristic approach for the multi-skill resource constrained project scheduling problem. Expert Systems With Applications, 2020, 140: 112915. [doi: 10.1016/j.eswa.2019.112915]9Kolisch R. Serial and parallel resource-constrained project scheduling methods revisited: Theory and computation.European Journal of Operational Research, 1996, 90(2): 320–333. [doi: 10.1016/0377-2217(95)00357-6]10包振明, 王琪, 徐一新, 等. 基于小生境遗传算法的两栖车辆车轮收放装置的优化. 汽车实用技术, 2015, (9): 41–45. 11梁存利. 遗传算法在分配问题中的应用[硕士学位论文].西安: 西安电子科技大学, 2006.12Myszkowski PB, Skowroński ME, Olech ŁP, et al. Hybrid ant colony optimization in solving multi-skill resource-constrained project scheduling problem. Soft Computing, 2015, 19(12): 3599–3619. [doi: 10.1007/s00500-014-1455-x] 132020 年第 29 卷第 10 期计算机系统应用241。

关于互联网的PPT

2024/1/28
探讨了新技术、新应用、新市场等可能对互联网行业产生的影响和变革。
29
展望未来发展趋势和机遇挑战
技术创新带来的机遇
人工智能、大数据、云计算、5G等新技术的发展将为互联网行业带来新的增长点和商业模
式。
01
02
跨界融合带来的机遇
互联网与传统行业的融合将产生更多的商业机会，如智慧医疗、智慧教育、智能制造等。
互联网定义及特点
定义
全球性
开放性
交互性
信息丰富
互联网是一种全球性的、开放的、由众多网络相互连接而成的计算机网络，它采用TCP/IP协议族作为通信规则，实现了各种异构网络之间的互联互通人们可以方便地交换信息。
互联网是一个开放的平台，任何人都可以加入并使用它。
消费者之间的电子商务交易，包括二手交易平台、拍卖网站等。
12
社交媒体领域
社交网络
提供人们在线交流、分享信息和建立社交关系的平台，如微信、微博等。
2024/1/28
短视频
以短视频为主要内容形式的社交媒体平台，如抖音、快手等。
直播
实时互动的在线直播形式，包括游戏直播、秀场直播、电商直播等。
2024/1/28
24
国家相关法规政策概述
《中华人民共和国网络安全法》
该法规旨在保障网络安全，维护网络空间主权和国家安全、社会公共利益，保护公民、法人和其他组织的合法权益，促进经济社会信息化健康发展。其中规定了网络运营者的安全保护义务，以及关键信息基础设施的运营者在网络安全保护和监督管理上的责任。
人工智能
模拟人类智能的技术，包括机器学习、自然语言处理、计算机视觉等，应用于智能推荐、智能客服等场景。

合作感知中基于吞吐量的联合折中优化算法

ｎｍｂｒｓａｈｅｅｏｐｒｔｅｓｎｉｇｂｓｄｏｅｔｒｕｈｕｘｍｉｉｇｃｔｒｎｕｅｃｖｄｉｃｏｅａｉｅｓｎａｅｎｔｏｇｐｔｗａｉｎｖｈｈｍａｉｚｎｒｅｏ．ｉｉ
ｓａｃｔｐｔｃｎｑｅＣｏｓｑｅｔ，ｈａｉｉｆｅｏｔｚｔｏｅｒｈｓｅｅｈｉｕ．ｎｅｕｎｌｔｅｖｄｔｏｔｐｉｙｌｙｈｍｉａｉｎｍｏｅｗａｅｆｄｂｔｙｔｅｎｍｅｉａｏｕａｄｌｓｖｒｉｉｅｏｈｂｈｕｒｌｃｍｐｔ— ｃ
２ＳｃｏｏＩｆｒｔｏｎ．ｈｏｌｆｎｏｍａｉｎａｄＥｌｃｒｃｌｇｎｅｉｇＣｎＵｎｖｒｉｙｏＭｉｉｇａｅｔｉａＥｎｉｅｒ，ｈｉａｉｅｓｎｔｆｎｎｎｄＴｃｎｌｇ，ｚｏ２１６ＣｉａｅｈｏｏｙＸｕｈｕ２１１，ｈｎ）
Ｔｅｇｏａｏｔｌｏｔｎｗａｃｉｖｄｗｉｅａｔｉｅｓａｃｌｏｉｍ，ｈｃａｅｎＡｍｉｌａｄｌｐｉｅｈｌｂｐｍａｓｌｉｓｈｅｅｔｉｘｃｎｒｈａｒｈｗｉｈｉｂｓｄｒｊｒｅｎｓｄｌｉｕｏａｈｎｌｅｇｔｓｏｏｕｏｄ
ｔｎｏｅｌｃｌｓｍｐｉｇｎｍｂｒａｄｃｏｅａｖｓｒｎｍｂｒｗａｄｌｄｂｓｄｏｅａｈｅａｌａｔｅｕｅｕｅｓｍｏｅｅａｅｎｔｃｉｖｂｅｄｔｏｇｐｔｏｈｏｎｉｈｈ

nscacscs第四版第十四章内容

nscacscs第四版第十四章内容第四版第十四章内容：人工智能与未来社会人工智能（Artificial Intelligence，简称AI）是当今科技领域最炙手可热的话题之一。

在第四版的第十四章中，我们将深入探讨人工智能与未来社会的关系，以及其对我们生活的影响。

首先，我们需要明确人工智能的定义。

人工智能是一种模拟人类智能的技术，通过计算机系统实现对复杂问题的分析、判断和决策。

它可以模拟人类的思维过程，具备学习、推理、识别和理解等能力。

随着科技的不断进步，人工智能已经在各个领域得到广泛应用，包括医疗、金融、交通、教育等。

人工智能的发展对未来社会产生了深远的影响。

首先，人工智能的出现将改变我们的工作方式。

许多重复性、繁琐的工作将被机器人或自动化系统取代，从而提高工作效率和生产力。

然而，这也意味着一些传统的工作岗位可能会消失，需要我们不断学习和适应新的技能。

其次，人工智能的应用将改变我们的生活方式。

例如，智能家居系统可以通过语音识别和自动化控制，实现对家庭设备的智能管理。

智能助手可以帮助我们处理日常事务，提供个性化的服务。

虚拟现实技术可以让我们身临其境地体验各种场景。

这些技术的出现将极大地提升我们的生活质量和便利性。

然而，人工智能的发展也带来了一些挑战和问题。

首先，人工智能的普及可能导致一些道德和伦理问题的出现。

例如，自动驾驶汽车在遇到危险情况时如何做出决策，成为了一个备受争议的话题。

其次，人工智能的发展可能会导致一些就业岗位的消失，增加社会的不平等。

此外，人工智能的算法可能存在偏见和歧视，需要我们加强监管和规范。

为了应对这些挑战和问题，我们需要制定相应的政策和法规。

首先，我们需要加强对人工智能技术的监管，确保其安全和可靠性。

其次，我们需要加强对人工智能的研究和发展，培养更多的专业人才。

同时，我们也需要加强对人工智能的教育和普及，提高公众对人工智能的认知和理解。

总之，人工智能是未来社会发展的重要驱动力之一。

机器视觉英文词汇

机器视觉英文词汇Aaberration 像差accessory shoes 附件插座、热靴accessory 附件achromatic 消色差的active 主动的、有源的acutance 锐度acute-matte 磨砂毛玻璃adapter 适配器advance system 输片系统ae lock(ael) 自动曝光锁定af illuminatoraf 照明器af spotbeam projectoraf 照明器af(auto focus) 自动聚焦algebraic operation 代数运算一种图像处理运算，包括两幅图像对应像素的和、差、积、商。

aliasing 走样（混叠）当图像象素间距和图像细节相比太大时产生的一种人工痕迹。

alkaline 碱性ambient light 环境光amplification factor 放大倍率analog input/output boards 模拟输入输出板卡analog-to-digital converters 模数转换器ancillary devices 辅助产品angle finder 弯角取景器angle of view 视角anti-red-eye 防红眼aperture priority(ap) 光圈优先aperture 光圈apo(apochromat) 复消色差application-development software 应用开发软件application-specific software 应用软件apz(advanced program zoom) 高级程序变焦arc 弧图的一部分；表示一曲线一段的相连的像素集合。

area ccd solid-state sensors 区域ccd 固体传感器area cmos sensors 区域cmos传感器area-array cameras 面阵相机arrays 阵列asa(american standards association) 美国标准协会asics 专用集成电路astigmatism 像散attached coprocessrs 附加协处理器auto bracket 自动包围auto composition 自动构图auto exposure bracketing 自动包围曝光auto exposure 自动曝光auto film advance 自动进片auto flash 自动闪光auto loading 自动装片auto multi-program 自动多程序auto rewind 自动退片auto wind 自动卷片auto zoom 自动变焦autofocus optics 自动聚焦光学元件automatic exposure(ae) 自动曝光automation/robotics 自动化/机器人技术automation 自动化auxiliary 辅助的Bback light compensation 逆光补偿back light 逆光、背光back 机背background 背景backlighting devices 背光源backplanes 底板balance contrast 反差平衡bar code system 条形码系统barcode scanners 条形码扫描仪barrel distortion 桶形畸变base-stored image sensor (basis) 基存储影像传感器battery check 电池检测battery holder 电池手柄bayonet 卡口beam profilers 电子束仿形器beam splitters 光分路器bellows 皮腔binary image 二值图像只有两级灰度的数字图像（通常为0和1，黑和白）biometrics systems 生物测量系统blue filter 蓝色滤光镜blur 模糊由于散焦、低通滤波、摄像机运动等引起的图像清晰度的下降。

【计算机应用研究】_秘密共享_期刊发文热词逐年推荐_20140723

2012年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16
科研热词双线性对门限环签密量子秘密共享部分盲签名计算量小纠缠交换秘密共享理想的多秘密共享无证书签名多重访问结构基于身份的密码学可验证秘密共享单调张成方案信息交互 dbdh问题 cdh问题
科研热词秘密共享数字签名门限多代理多签名较差策略集群签名纳什均衡多秘密共享基于身份双线性映射双线性变换博弈论加密方案分布式方案
推荐指数 2 2 1 1 1 1 1 1 1 1 1 1 1
2010年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30
推荐指数 2 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2013年序号 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25
科研热词动态更新高安全门限验证门限群签密超椭圆曲线密码体制超图存取结构超图自适应性秘密共享秘密份额病灶格子图编码最优信息率新增成员数字隐写抗提取性能带宽受限密钥重新分配完全多划分图存取结构多秘密共享可公开验证性可信中心单向散列链 lsb替换隐写算法 diffie-hellm 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
2014年序号 1 2 3 4 5 6 7 8
2014年科研热词秘密共享隐私保护车用自组网络电子公文基于身份的加密方案不经意传输 pki bdh问题推荐指数 2 1 1 1 1 1 1 1

Art+实验室共识刘平

学术评价
共识刘平在学术界获得了广泛的认可和赞誉，其研究成果多次获得国内外学术奖项的肯定。
THANK YOU
强调技术创新的适度与审慎
共识刘平同时强调在技术创新的运用中要保持适度与审慎。技术只是手段，不应过分追求技术的炫酷而牺牲艺术的本质。
对未来发展的展望
倡导跨学科合作与交流
共识刘平认为，未来的艺术发展需要打破学科界限，加强与其他领域的合作与交流。通过跨学科的碰撞与融合，可以产生更多创新的艺术观念和形式。
计算机视觉
实验室在计算机视觉领域开展深入研究，涉及目标检测、图像识别、图像生成等方面的研究。
数据挖掘与机器学
习
实验室关注数据挖掘和机器学习算法的研究，探索如何从大量数据中提取有价值的信息和知识。
实验室研究成果
发表高水平论文
01
实验室成员在人工智能领域的国际顶级会议和期刊上发表多篇
高水平的学术论文。
丰富艺术表现形式
共识刘平在艺术领域的研究与实践，为艺术表现形式的探索提供了新的可能性，为观众带来了更加丰富的艺术体验。
提高艺术地位
共识刘平在学术界的贡献和影响力，提高了艺术领域在社会中的地位和认知度。
对学术界的贡献与评价
学术贡献
共识刘平在学术界的研究成果丰硕，为相关领域的发展做出了重要贡献。
去中心化金融领域的发展具有重要影响。
02
区块链技术创新
共识刘平在区块链技术领域做出了多项创新，包括共识机制、智能合约
、去中心化应用等方面。他的研究成果推动了区块链技术的实际应用和
发展。
03
金融科技研究
共识刘平在金融科技领域也有深入研究，致力于将区块链技术和金融业
务相结合，为金融行业带来更多创新和价值。

华为 eSpace 统一通信解决方案

14
移动办公
敏捷协同
开放互联
智简管理
消息融合，灵活适配多种场景 – “想聊就聊”
针对不同场景，选择合适的消息沟通方式，能极大地提升工作效率。
群公告收藏或退出讨论组
可一键切换到短信模式
可快速发起语音、视频、数据会议
快速添加成员
IM与短信统一界面，切换无跳动感一键快速回复历史记录管理器醒目的提示，了解发送方式
• • 适合管理层及经常出差员工, 让你无论何时何地表现专业智能传感器™与eSpace 8950深度集成, 开启智能通话体验
• 戴上耳机即可自动接听 eSpace 8950来电 • 根据耳机配戴情况实现语音在话机和耳机之间自动切换 • 当您携带耳机离开, eSpace 8950自动开启呼叫前转 • • • 三重麦克风技术最大限度地降低噪音, 实现清晰通话移动充电盒将通话时间延长至21小时桌面充电底座可以连接eSpace 8950话机USB端口方便充电
2016年5月7日星期六
智简体验，融合通信
——华为 eSpace 统一通信解决方案
缩略语表
缩略语 BMU BYOD DMZ ECS eServer HME MAA Meeting MS MRS PBX SBC UC UM USM NetBrain 英文全称 Business Management Unit Bring Your Own Device Demilitarized Zone Enhanced Communications Suite eServer Huawei Media Engine Mobile Access Agent Meeting Media Server Media Resource Serve Private Branch Exchange Session Border Controller Unified Communications Unified Media Unified Session Manager NetBrain 中文全称业务管理单元携带自己的设备办公半信任区增强通信套件 IM/群组/状态服务器华为媒体引擎移动接入代理数据会议媒体服务器媒体资源服务器小交换机会话边界控制器统一通信统一媒体统一会话管理服务器无

英文版计算机试题及答案

英文版计算机试题及答案一、选择题（每题2分，共20分）1. Which of the following is not a function of an operating system?A. Process managementB. Memory managementC. Data storageD. File management2. In a computer network, what does the term "bandwidth" refer to?A. The width of the network cableB. The maximum rate of data transferC. The number of users connectedD. The speed of the network processor3. What is the primary purpose of a firewall?A. To prevent unauthorized access to a networkB. To encrypt dataC. To manage network trafficD. To store user passwords4. Which of the following is a type of software used for creating and editing documents?A. Spreadsheet softwareB. Database softwareC. Word processing softwareD. Graphics software5. What is the term used to describe the process of converting data from one format to another?A. Data migrationB. Data transformationC. Data conversionD. Data translation6. What does the acronym "CPU" stand for in computing?A. Central Processing UnitB. Central Processing UnitC. Computer Processing UnitD. Computing Processing Unit7. What is the function of a router in a network?A. To connect multiple networksB. To store dataC. To provide power to devicesD. To print documents8. What is the process of finding and fixing errors in software called?A. DebuggingB. PatchingC. UpdatingD. Patching9. Which of the following is a type of computer virus that replicates itself by attaching to other programs?A. TrojanB. WormC. RansomwareD. Spyware10. What is the term for the graphical representation of data on a computer screen?A. Data visualizationB. Data representationC. Data graphingD. Data mapping二、填空题（每题2分，共20分）1. The _________ is the primary memory used by a computer to store data and instructions that are currently being processed.2. A _________ is a type of software that allows users to create and edit images.3. The process of converting analog signals to digital signals is known as _________.4. A _________ is a collection of data stored in a structured format.5. The _________ is a hardware component that connects a computer to a network.6. In computer programming, a _________ is a sequence of statements that perform a specific task.7. The _________ is a type of malware that hides its presence and waits for a trigger to activate.8. A _________ is a type of software that is designed to protect a computer from unauthorized access.9. The _________ is the process of organizing and managing data in a database.10. A _________ is a type of software that allows users tocreate and edit spreadsheets.三、简答题（每题10分，共30分）1. Describe the role of a server in a computer network.2. Explain the difference between a compiler and an interpreter in programming.3. Discuss the importance of data backup and recovery in a computing environment.四、编程题（每题15分，共30分）1. Write a simple program in Python that calculates the factorial of a given number.2. Create a function in Java that takes an array of integers and returns the largest number in the array.答案：一、选择题1. C2. B3. A4. C5. C6. A7. A8. A9. B10. A二、填空题1. RAM (Random Access Memory)2. Graphics software3. Analog-to-digital conversion4. Database5. Network interface card (NIC)6. Function or procedure7. Trojan8. Antivirus software9. Database management10. Spreadsheet software三、简答题1. A server in a computer network is a powerful computer or system that manages network resources, including hardware and software, and provides services to other computers on the network, such as file storage, web hosting, and print services.2. A compiler is a program that translates source codewritten in a programming language into machine code that a computer can execute. An interpreter, on the other hand, reads and executes the source code line by line without the need for a separate compilation step.3. Data backup and recovery are crucial in a computing environment to prevent data loss due to hardware failure, software bugs, or malicious attacks. Regular backups ensure that data can be restored to a previous state in case of corruption or deletion.四、编程题1. Python Program for Factorial Calculation:```pythondef factorial(n):if n == 0:return 1 else:。

分块NSA在人脸识别上的应用

ｃｎｂｘｒｃｅｆｃｅｔ，ａｄｉｉｒａｌｕｆｅｉｇｓｔａａｅｌｒｅｖｒａｉｎｎｆｃａｘｒｓｉｎａｄｉｕｎｔｎ；ａｅｅｔｔｄｅｉｉｎｌａｙｎｔｓｅｙｔｅｏｌｒｈｔｍａｅｔｖｇａｉｔｓｉａｉｅｐｅｓｎｌｍｉａｉｈｈａｏｌｏｌｏ
中图分类号：Ｐ９．１Ｔ３１４文献标识码：Ａ文章编号：１７ — ２６２１）５０５ — ４６４６３（０１１— １６０
ＭｏｕａＡ’ ｐｌａｉｎｔａｅｒｃｇｉｉｎｄｌｒＮＳＳａｐｉｔＯｆｃｅｏｎｔｃｏｏ
ｏｈ－ｍａｅｂａｎｄｆｔｔｅｓｂｉｇｓｏｔｉｅｒｍｔｅｐｅｉｕｅ．ｅｅａｅｔｏａｖｎａｅｆｅｐｐｓｄｍｅｏ１ｌｃｆａｕｅｆｈｍａｅｕｏｈｒｖｏｓｔｐＴｒｒｗｄａｔｓｔｒｏｅｓｈｇｏｈｏｈｔｄ：）ａｅｔｒｔｅｉｇｓｏｌｏ
２Ｓｇｌｒａｅｅｏｏｉｏｍａｘｍｙｅｖｉｅｉｔｅｒｃｓｏｆａｒｔｃｏ，ｈｃｉｓｌｔａｈｔｆｔｅ）ｉｕａｖｌｄｃｍｐｓｉｏｔｎｕｔｎｆｒａｂｏｄｎｏｅｓｆｅｔｅｘｒｔｎｗｉｈｓｉｅｈｎｔａｏｏｈｒｉａｄｈｐｕｅａｉｍｐｒ
ｔｈｏｏｅｕｈａＳｅｎｌｇｓｃｓＮ＆ＭｏｅｖｒＮＡｉａｓｅｉｌａｅｏｕａＳ．ｘｅｍｔｓｌｎＯＬａｄＸＶＳｆｅｃｉｓｒｏｅ，ＳｃａｃｓｍｄｌｒＡＥｐｒａａｒｕｔｏＲｎＭ２ＴｃｓｐｆｏＮｉｎｌｅｓａ

A program for use in an internet apparatus

am for use in an internet apparatus 发明人：Kamada, Tomihisa, c/o Access Co., Ltd. 申请号：EP00107778.3 申请日：19970917 公开号：EP1026888B1 公开日：20031105
申请人：ACCESS CO LTD 地址：JP 国籍：JP 代理机构：Strehl Schübel-Hopf & Partner 更多信息请下载全文后查看
摘要：An internet television apparatus which has an internet connection function, comprising a means for storing an HTML document received from a WEB server, a means for interpreting the HTML document and develops an image on an image memory, a display on which the developed image is displayed, a means for recognizing an anchor tag existing in the HTML document, detecting the position relation of a hot spot corresponding to the recognized anchor tag on a browser screen, and producing a transfer list in which the position relation is determined, and a control means which refers to the transfer list in accordance with the operation taken by the user which specifies the four directions of a remote controller and the hot spot which is focused at present, determines the hot spot to which the focus is to be transferred next from the present hot spot, and transfers the focus to the determined hot spot.

SEGMENTATION FOR IMAGE EFFECTS

专利名称：SEGMENTATION FOR IMAGE EFFECTS发明人：Chung-Chi TSAI,SreevatsanMADHAVAN,Shang-Chih CHUANG,Kuang-JuiHSU,Venkata Ravi Kiran DAYANA,XiaoyunJIANG申请号：US17063541申请日：20201005公开号：US20220108454A1公开日：20220407专利内容由知识产权出版社提供专利附图：摘要：Systems, methods, and computer-readable media are provided for foreground image segmentation. In some examples, a method can include obtaining a first image of a target and a second image of the target, the first image having a first field-of-view (FOV)and the second image having a second FOV; determining, based on the first image, a first segmentation map that identifies a first estimated foreground region in the first image;determining, based on the second image, a second segmentation map that identifies a second estimated foreground region in the second image; generating a thirdsegmentation map based on the first segmentation map and the second segmentation map; and generating, using the second segmentation map and the third segmentationmap, a refined segmentation mask that identifies the target as a foreground region of the first and/or second image.申请人：QUALCOMM Incorporated地址：San Diego CA US国籍：US更多信息请下载全文后查看。

2021年IMS题库

IMS试题库一、填空题1.属于会话控制层网元有 CSCF 、 BGCF 、MGCF 、MRFC 、I-BCF2.IMS系统中，顾客私有标记为 IMPI ，顾客公有标记为 IMPU ；私有标记重要用于鉴权和认证；公有标记重要用于在业务呼喊时作为对外可寻址标记；3.DNS负责从 URL地址到 IP地址转换，ENUM负责从 E.164号码到 URL地址转换。

4.在IMS2.0中，使用ATCA平台IMS CORE产品整个软件安装重要涉及：各单板底层软件安装、 OMU软件安装和LMT安装、 GTAS SAM安装、 HSS数据库连接配备和运营准备、 ICG软件安装、 SMU和SAM客户端安装、各网元配备和加载。

5.SDP合同中，o行描述会话所有者关于参数，m行描述会话媒体信息6.PSI含义是公共服务标记7.SIP 合同响应消息中，1××代表暂时响应，2××代表成功，3××代表重定向，4××代表客户端错误，5××代表服务端错误，6××代表全局错误。

8.划分VLAN重要作用是隔离广播域，抑制广播报文、分隔不同顾客,提高网络安全性。

9.VRRP意思为虚拟路由器冗余合同，其在组网中重要作用是通过VRRP合同来实现路由器之间冗余和倒换，提高IP承载网可靠性，同步对端设备只看到一种虚拟路由器。

10.PE 是指服务提供商骨干网边沿路由器，CE是指直接与服务提供商相连顾客设备。

11.CSCF产品重要基本进程有： SCU 、CDB 、DPU 、BSU 。

二、判断题（对的打“√”，错误打“×”。

）1.3GPP R5版本定位于提供IP实时多媒体业务，核心网在PS基本上增长了IP多媒体域（IMS〕，IMS重要功能在控制层面，承载通过PS域。

（T）2.OMA组织重要是制定IMS系统架构方面关于规范。

（F）3.在运营商内设立各种HSS状况下，I-CSCF在登记注册及事务建立过程中通过SLF获得顾客签约数据所在HSS域名，SLF可与HSS合设。

基于5D Hindmarsh Rose神经网络预定时间同步的多信息保密通讯方法

专利名称：基于5D Hindmarsh Rose神经网络预定时间同步的多信息保密通讯方法
专利类型：发明专利
发明人：林立雄,郑佳春,严雅玲
申请号：CN202111351690.1
申请日：20211116
公开号：CN113971293A
公开日：
20220125
专利内容由知识产权出版社提供
摘要：本发明涉及一种基于5DHindmarshRose神经网络预定时间同步的多信息保密通讯方法。

包括：基于5DHindmarshRose神经网络，建立驱动系统和响应系统；根据建立的驱动系统和响应系统，建立预定时间同步误差系统；设计预定时间稳定性方法，用于实现5DHindmarshRose神经网络的预定时间同步；利用反演主动控制的方法，设计不同的主动控制器，以进行预定时间同步误差系统的分时段平衡控制；将被传输的多个不同信息加在驱动系统的混沌信号上，生成混沌类噪声信号，接收方根据得到的密钥，在预定时间内实现对不同加密信息的解密。

本发明可以实现总预定时间内多条不同信息分时段保密传输，增加了传输安全性。

申请人：集美大学
地址：361021 福建省厦门市集美区银江路185号
国籍：CN
代理机构：福州元创专利商标代理有限公司
更多信息请下载全文后查看。

面向6G的多频段智能融合组网

面向6G的多频段智能融合组网
谢峰;王菲;刘汉超
【期刊名称】《中兴通讯技术》
【年(卷),期】2022(28)4
【摘要】提出了一种新的面向6G的多频段智能融合模型——Meta-cell元小区+Stack-free非栈式用户面。

该模型支持高中低任意频段资源的智能编排组合,从而按需实现组网目标,例如在最大化频谱效率和能量效率、减少空口时延和切换时延等目标间取得平衡,从而拥有极高的业务适应能力。

Meta-cell元小区和Stack-free非栈式用户面通过在组件化、解耦、池化和虚拟化的基础上叠加智能化可编排可配置,解决了现有多频段组网技术不够灵活高效的问题,有助于赋能6G丰富多样的业务和组网场景。

【总页数】6页(P25-30)
【作者】谢峰;王菲;刘汉超
【作者单位】中兴通讯股份有限公司;移动网络和移动多媒体技术国家重点实验室【正文语种】中文
【中图分类】TN9
【相关文献】
1.面向6G的星地融合一体化组网研究
2.一种面向云网融合场景的车载系统智能组网模型设计
3.6G通感一体化组网融合技术
4.面向云网融合业务的双层智能组网方案设计
5.面向6G全场景的多频段协同覆盖扩展技术
因版权原因，仅展示原文概要，查看原文内容请购买。