【摘 要】
：
分析了客户需求与候选成员能力的关系,使用模糊排序聚类算法得到专业领域分工的集群;同时依据迈尔斯—布里格斯性格类型指标得到候选成员协作关系的量化评估。建立了以成员综合能力和性格匹配度最大化为目标的团队构建模型。最后,结合一个具体案例,采用带有判断与修复算子的微粒群算法对模型进行求解,得到表示团队构建候选方案集合的帕累托解,从而验证了该优化模型及算法的有效性和实用性。
论文部分内容阅读
分析了客户需求与候选成员能力的关系,使用模糊排序聚类算法得到专业领域分工的集群;同时依据迈尔斯—布里格斯性格类型指标得到候选成员协作关系的量化评估。建立了以成员综合能力和性格匹配度最大化为目标的团队构建模型。最后,结合一个具体案例,采用带有判断与修复算子的微粒群算法对模型进行求解,得到表示团队构建候选方案集合的帕累托解,从而验证了该优化模型及算法的有效性和实用性。
其他文献
针对双三次数值天气预报模式进行了并行算法研究。采用一维区域分解算法，借鉴块棋盘划分矩阵转置算法，设计和实现了数据转置通信算法，并采取计算与通信重叠技术减小通信时间对并
目前的文本特征生成算法一般采用加权的文本向量空间模型,该模型使用TF-IDF评价函数来计算单个特征的权值,这种算法生成的文本特征冗余度往往都比较高。针对这一问题,采用了一种基于聚类加权的文本特征生成算法,首先对特征候选集进行初始加权处理;然后通过语义和信息熵对特征进行进一步加权处理;最后使用特征聚类对冗余特征进行剔除。实验表明该算法比传统的TF-IDF算法的平均分类准确率高出5%左右。
将发布的数据用于微观数据表包含的敏感属性分析,同时保持个人隐私,是一个越来越重要的问题。当前,k-匿名模型用于保护隐私数据公布,然而当以身份公开为重点时,k-匿名模型在某种程度上并不能保护属性公开。基于此,提出了一种新的基于(p+,α)-敏感k-匿名隐私保护模型,敏感属性首先通过其敏感性进行分类,然后发布敏感属性归属的类别。与以往增强k-匿名模型不同,该模型允许发布更多的信息,但不会影响隐私。实验
并行构件技术的出现提高了并行软件的开发效率,但现有的并行构件技术缺乏对异构多核平台的支持。为了提高并行构件程序在异构平台上的执行性能,扩展CCA(通用构件体系结构)并行构件模型支持CCA异构并行构件,提出了一种异构的CCA并行构件模型。使用管理者—工人模式调度CCA异构并行构件内的计算任务到异构多核平台上加速执行。在CCA构件工具包的基础上实现了支持扩展CCA并行构件模型的编译系统和运行时框架。在
为实现机器人对其所处区域的有效识别,提出一种基于假设检验的区域类型识别方法。首先考虑观测误差影响提出一种基于概率的未知障碍物识别方法。进而将观测信息视为对周围环境的采样,假设机器人所处区域类型,利用观测信息中的未知障碍物数对其验证,实现对区域类型的识别。该方法考虑了实际中观测误差的影响,限制了误判的概率。实验证明,该方法能够在观测误差影响下有效识别机器人所处区域类型,并成功将其应用于部分未知环境的
现有的密钥加密方法无法保证密钥分发的安全性。针对上述问题,提出了一种基于信道相位响应独立性的衰落信道加密方法。通过将发送方和窃听方之间的信道化为两个信道的级联计算得出密钥各态历经的安全容量,在此基础上,对离散PSK信源加密的参数进行了讨论,最终实现信息的加密。仿真结果表明,当合法接收方的接收信号相位估计误差为0.001时,误码率会迅速上升为0.5。
针对软实时系统中的一类同时具有依赖性与周期性的任务,提出一种基于单行树矩阵(MST)的动态因子均衡调度算法SMD(schedule on matrix of the single tree and dynamic load factor)。该算法通过对MST矩阵的特性进行分析,将任务划分为若干并行集,再综合考虑已执行时间、任务间的依赖关系及任务最早截止时间几个要素,以动态因子的形式对任务进行实时调
为了快速提取源头数据、快速识别变化记录以及实现数据的快速增量提取,在剖析传统影子表法的工作原理上,提出基于MD5算法的影子表法的改进型线性算法,对对比表进行线性扫描,排除了不必要的回扫操作;同时通过MD5算法计算整条记录的"指纹",降低了字符串比对次数和时间,能够迅速识别出发生变化的记录。对所提出算法进行了应用测试,结果表明通过融入MD5算法后的影子表法提高了数据提取效率。基于影子表的增量提取方法
为了有效地从电子政务网站的Web日志中挖掘民众关注的热点信息,提出基于区域—频道访问度的民意热点信息挖掘算法——PHIMA算法。该算法在分析目前Web日志挖掘算法存在的问题的基础上,利用提出的区域—频道访问度概念设计Web访问矩阵,并基于该矩阵结合区域—频道访问度和灰关联分析法提出。实验表明算法能有效地挖掘民意热点信息,可用于电子政务网站站点优化、个性化服务和为决策者提供决策支持等。
针对粒子滤波重采样过程中存在的粒子多样性丧失问题,提出一种改进重采样的粒子滤波算法。按照局部重采样算法对粒子进行分类,中等权值的粒子保持不变,大、小两种权值的粒子采用Thompson-Taylor算法进行随机线性组合产生新粒子。实验结果表明,该算法能在降低计算复杂度的同时不丧失粒子多样性,提高了滤波性能。