一、通用搜索算法的设计（论文文献综述）
孙宇婷[1]（2021）在《求解JSP问题的邻域结构设计》文中指出调度问题是指将有限的资源,在给定时间内分配给若干任务,从而优化一个或多个调度性能指标,如最大完工时间、总加权拖期等。作业车间调度问题（Job-shop Scheduling Problem,JSP）是生产调度问题的重要分支,受到了众多研究学者的广泛关注。在JSP问题的研究基础上进行拓展,可以为其他生产调度问题的研究提供理论指导。JSP问题作为最简单的调度问题,是许多复杂生产调度问题的基础与简化。同时JSP问题是NP-hard问题,也是最难的组合优化问题之一。精确算法虽然可以求得JSP问题的最优解,但却牺牲了求解的效率,难以在较短时间内求解大规模问题。近似算法可以在合理时间内获得JSP问题的全局最优解或近似最优解,因此得到了广泛的应用。其中,局部搜索算法性能优越,目前已经成为求解JSP问题最受欢迎的方法之一,而邻域结构则是影响局部搜索算法求解JSP问题的关键因素。本研究基于对现有邻域结构的分析,提出判断工序执行前向插入移动和后向插入移动后邻域解可行性的充分条件,并提出一种在保证邻域解可行性的前提下,可以探索更大解空间的通用型邻域结构,打破了经典邻域结构之间的界限。通过引入工序头时间和尾时间变化量的概念,在通用型邻域结构的基础上,限制产生非改进解的邻域移动,从而进一步缩小邻域规模,优化通用型邻域结构。最后,本研究以最小化最大完工时间为优化目标,建立作业车间调度问题模型。采用具有非改进解接受机制和历史精英解追踪回溯机制的禁忌搜索算法,应用通用型邻域结构,从而改进禁忌搜索算法的性能,提升算法的求解质量。本文选择了四组规模不同的JSP问题实例进行对比实验。实验结果表明:本研究设计的基于通用型邻域结构的禁忌搜索算法能获得大多数问题实例的历史最优解,结果优于其他先进算法,具有良好的性能。
何熙[2]（2021）在《迁移学习算法的量子化与应用》文中研究说明随着近年来量子计算领域的飞速发展,量子计算技术已经深刻地改变了传统的计算模式与信息处理的方式。量子计算利用量子物理特有的量子纠缠、量子叠加等性质能够有效地提升信息处理的效率与能力,并且提供了新型的数据计算与信息处理方式。机器学习利用现有的计算资源对大数据进行分析学习得到规律以对未知数据进行预测,在众多领域有着广泛的应用。量子计算技术应用于机器学习中产生了量子机器学习这一研究方向。量子机器学习一方面可以实现相对经典机器学习算法的性能提升;另一方面对于解决特定任务,特别是量子物理领域的任务,具有独特的适配性与优势。目前,量子机器学习已经发展为一个系统性、全面性的研究领域。作为机器学习重要的研究分支,迁移学习旨在利用已知领域的知识来解决未知领域的机器学习任务。迁移学习对于提高机器学习算法模型的泛化能力,以及解决数据标注缺乏的问题具有重要的作用。然而目前对于量子迁移学习算法的设计研究还非常缺乏。现有的量子机器学习算法服从独立同分布假设,多适用于单一的任务场景。除此之外,对于采集到的数据特别是量子数据进行处理得到指定的数据格式和标记非常耗费资源。针对上述问题,本文针对迁移学习算法的量子化与应用进行系统性的研究。迁移学习旨在解决跨领域机器学习任务。然而如何在量子设备上运行迁移学习算法,以及如何利用量子计算技术提升现有迁移学习算法的性能是量子机器学习领域中亟待解决的问题。本文重点针对量子迁移学习领域中的数据预处理技术,以及量子化算法设计与应用问题进行系统性的研究。主要的工作内容和创新点包括:（1）针对量子迁移学习中的数据预处理问题,进行了系统性的研究并提出了相关的量子化设计方案。首先对量子数据编码技术进行系统性的研究总结。其次针对数据预处理中的线性降维算法——主成分分析算法的量子化方案进行研究。最后分别利用量子基础线性代数程序集和变分量子-经典混合过程这两种技术思路设计了非线性降维算法——局部线性嵌入算法的量子化方案。与经典局部线性嵌入算法相比,基于量子基础线性代数程序集的局部线性嵌入算法能够对数据的非线性降维的整体过程实现平方级加速。除此之外,基于变分量子-经典混合过程,分别利用端到端思想与分布实现过程设计了两种变分量子局部线性嵌入算法可以有效地在带噪声中等规模量子设备上对非线性数据进行降维处理。（2）针对迁移学习算法的量子化问题,提出了量子子空间对齐算法模型。首先基于量子基础线性代数程序集实现了子空间对齐过程,从而能够以相对经典子空间对齐算法平方根级的算法复杂度在通用量子计算设备上实现迁移学习过程。另外,基于带噪声中等规模量子设备,利用含参数变分量子电路与经典优化算法实现了两种不同配置方案的变分量子子空间对齐算法,即端到端变分量子子空间对齐算法和基于矩阵乘法的变分量子子空间对齐算法。根据在同构和异构迁移学习任务场景下的数据实验结果证明了变分量子子空间对齐算法的可行性与有效性。（3）针对具有更简化数据预处理过程的量子迁移学习算法的设计问题,提出了量子关联对齐算法模型的两种设计方案:基于量子基础线性代数程序集的关联对齐算法和变分量子关联对齐算法。第一种方案在通用量子计算设备上完成迁移学习任务,并且相对经典算法可以实现指数级加速;第二种方案分别基于端到端思想和矩阵乘法操作在浅层含参量子电路上实现了迁移学习过程,并且通过设计不同数据规模、不同任务场景下的迁移学习数据实验验证了该方案的可行性与有效性。本文针对量子迁移学习领域中数据预处理技术进行了全面性的研究并提供了相关的量子化设计方案,并且对于迁移学习算法的量子化与应用进行了系统性的研究。本文的研究内容为量子迁移学习领域的发展提供了新的思路,具有重要的理论与应用价值。
赵玉洁[3]（2021）在《基于逆向分析的二进制代码混淆保护方法研究》文中认为二进制代码是计算机软件存在的一种重要形式。在缺乏源代码的情况下,很多不法分子试图分析二进制代码以窃取软件核心算法。代码混淆是一种保持程序语义不变,通过转换程序代码形式以增加逆向分析难度的软件保护技术。在代码混淆领域研究者们普遍认为并不存在绝对安全的代码混淆算法。因此,尽管如何构造混淆算法已经被研究了很多年,但是可混淆规模复杂性和混淆有效性验证依然是研究热点。通常使用“强度、隐蔽性、抗攻击性、性能开销”四个指标评估混淆算法的有效性,分别表征混淆后代码被安全专家理解和分析的程度,被发现的难易程度,抵御自动化反混淆的能力,引入的额外性能开销。逆向分析是为获得程序内部模块细节及模块间关系而对程序进行分析的过程。代码混淆本质上就是为了抵御逆向分析,二者相互制约又彼此促进。因此,对混淆后程序展开逆向分析,如混淆评估、混淆检测和反混淆,有助于指导混淆算法设计,提升混淆强度、隐蔽性和抗攻击性。然而,从逆向分析角度指导混淆算法设计面临如下问题:（1）现有代码混淆强度的量化评估指标大多基于软件工程领域复杂性度量,评估维度比较单一;（2）现有二进制代码混淆检测方法一般针对特定混淆类型,且未考虑对多重混淆的检测。（3）现有反混淆算法大都假设已知混淆代码片段所在位置,并且受专家经验和领域知识的限制,导致反混淆效率较低。（4）现有虚拟化混淆算法移植到移动应用上时,存在安全漏洞并且执行效率低下。本文从逆向分析的角度入手,分别从混淆评估、混淆检测、反混淆、性能与安全平衡四个方面开展研究。主要工作和贡献包括:提出了一种面向逆向分析的混淆强度评估方法及其度量指标,拓展了代码混淆强度量化评估的维度。该方法将程序属性抽象为指令、控制流和数据流,分析论证了在对混淆后程序实施逆向分析过程中指令是控制流和数据流的基础。分别从语法和语义的角度提出了指令熵和指令N-gram两个度量指标量化混淆强度。实验中使用两种混淆工具、八种混淆算法验证这两个评估指标的有效性。实验结果表明指令熵和指令N-gram能够有效量化混淆算法强度,并可用于不同混淆算法之间的对比。提出了一种基于程序语义信息的混淆检测方法OBFEYE,实现了对多种单一混淆和多重混淆的高精度检测。该方法借鉴自然语言处理的思想,将指令、基本块、程序分别看做单词、句子、文档,采用Skip-gram、CNN、LSTM构建的语义神经网络模型生成程序上下文语义信息的表征向量,通过分类器实现对混淆的有效检测。实验中OBFEYE的预测精度至少为83%,最高可达98%。实验结果表明OBFEYE是一个高精度二进制代码混淆检测工具。提出了一种基于程序合成技术的代码反混淆方法Auto Simpler,提高了目标程序中混淆代码片段的定位精度和反混淆效率。该方法采用机器学习来识别混淆代码片段,打破现有工作对混淆代码片段已知的假设。通过将程序合成与嵌套蒙特卡洛搜索算法相结合,快速合成与目标程序语义相似但更容易理解的程序,提升了反混淆的效率。实验中Auto Simpler对混淆代码片段的定位准确率为99.29%,反混淆成功率在90%以上,且处理一个目标程序的平均时间约21s。与当前最先进的反混淆工具相比,执行效率提升了75%,准确率提高了5%。实验结果表明Auto Simpler是一个执行效率很高并保持一定成功率的自动化数据反混淆工具。提出了一种基于编译时虚拟化的代码混淆方法Dex2VM,解决了虚拟化混淆算法在移动设备上应用时存在安全漏洞并且执行效率低下的问题。该方法在预编译阶段筛选DEX字节码中执行开销较大的函数,利用反编译引擎将其转换为Native层执行速率更高的C/C++代码,解决性能问题。在编译阶段依赖LLVM编译框架的前端,将上一步生成的C/C++代码转换为LLVM的中间代码LLVMIR,使用LLVM的后端对LLVMIR实施虚拟化,解决安全问题。实验分别从抗攻击性、隐蔽性、强度、性能开销、功能一致性五个维度验证混淆算法的有效性。实验结果表明Dex2VM是一个抗攻击性强、隐蔽性好、强度大、开销适度的代码安全保护方法。
谈佳宁[4]（2021）在《量子计数算法的研究》文中研究表明以数学的视角看计数问题,它是代数学和统计学的基本问题之一,从理论计算机科学的视角看计数问题,它是计算机科学基础理论的研究课题之一,更是一类应用问题（包括NPC问题）近似最优解问题求解方案的重要步骤。计数问题求解的是搜索空间中满足条件的解的个数。当搜索空间规模较小时,一般采用枚举的方法得到计数问题的解,反之,枚举算法时间复杂度太高,求解问题代价太高,难以满足现实需要。随着数据集规模的激增,为提高解决问题的效率,计数问题求解方案被不断改进,包括利用机械代替人力设计自动计数装置、借助智能识别算法提高目标检索速度等。面对庞大的数据集最常用的解决方法是利用样本空间代替原始搜索空间,减少搜索空间规模,采用比例估算法确定解个数以减少算法时间复杂度。自从1992年Deutsch-Jozsa量子算法问世以来,众多科研人员对量子算法保待着极大的兴趣和信心,尝试设计更多算法,从而进一步提高解决问题的速度。量子计算技术的发展为计数问题求解带来新的方案,通过利用量子态叠加、纠缠等特性,1996年量子计数算法诞生,有实例表明,针对同样问题,在同等精度下,量子计数算法相比传统算法可以得到二次加速。正是基于此,本文对量子计数算法进行了一定探索和研究并作出了阶段性贡献:（1）采用n量子比特构建的希尔伯特空间中元素的三态（未标记态、标记态和无关状态）标记方法,构建三维空间建模的新视角,获得Grover迭代算子为三维空间中瑕旋转的结论。面对计数问题应用场景的多样性以及初始振幅制备时门电路的噪声可能造成初始振幅分布非均衡的问题,依据瑕旋转算子的性质分析初始振幅分布与瑕旋转算子的本征态之间关系的数学解析表达,设计适用于初始振幅为非均衡态的通用量子计数算法。（2）纠缠是量子态独有的特性,利用这一特性已开发出量子隐形传输等很多有趣的应用,但量子态的纠缠特性是否与量子算法的性能相关?纠缠在量子算法中的重要性仍存在争议。通过对量子相位估计算法演化后,量子态结构的理论分析,以及借助基于系数矩阵的纠缠测度分析算法产生的纠缠度,研究了量子态的纠缠度对量子相位估计算法的影响。结果表明,算法是否产生纠缠取决于算法第二寄存器的输入量子态是否为酉算子特征向量的叠加态。当此量子态是明确的特征向量而非特征向量的叠加态时,算法将不产生纠缠。（3）量子计数算法可看做是量子相位估计算法的应用,借助基于系数矩阵的纠缠测度,对量子计数算法在不同实例下产生的纠缠度做了理论分析,结果表明,当且仅当计数解个数为0或与整个搜索空间规模相同时,算法不产生纠缠。已有研究表明,相比于传统的比例估算法,量子计数算法具有更高的收敛速度。研究进一步证明,当量子计数算法不产生纠缠时,量子算法与传统算法具有相同的时间复杂度。为了验证理论分析结果,本文进一步用三种不同的纠缠测度对不同实例下量子计数算法产生的纠缠度做了数值计算,并与比例估算法进行比较。仿真实验结果验证了理论分析的正确性。这项研究成果也从另一个方面证明,量子算法包含传统算法,传统算法是量子算法的特例。总之,本文主要对量子计数算法进行了较为细致、深入地研究。在算法的通用性方面设计新的可以适用于初始振幅为非均衡叠加态的通用量子计数算法。针对算法本身,将量子计数算法与传统比例估算法进行对比,结合量子算法在不同实例下所产生的纠缠的变化,探讨了量子态独有的纠缠特性对量子算法的影响。
李闯[5]（2020）在《基于路标的启发式搜索规划方法及其应用研究》文中指出本文通过对路标的研究,将其引入基于启发式搜索的规划,为经典规划问题设计了更有效的搜索算法和启发函数,并将路标和规划求解方法用于诊断回溯探测和修复问题,具体内容如下:（1）提出一种基于路标倾向的随机游走规划方法,根据路标信息设置随机动作的选择概率,让路标对随机游走的方向加以控制,引导搜索过程逐渐实现更多路标,更快地生成规划解。（2）提出基于命题路标约束的代价分配启发式评估方法,在路标切割启发式的基础上利用命题路标修改前提定位规则,完成动作路标的提取、代价分配以及累加计算启发式估值,增加启发式估值的准确性;提出基于代价预分配的启发式评估方法,在进行启发式评估时利用命题路标的支持动作为放松规划问题提供必要代价,识别各个待实现路标的支持动作后,完成代价预分配,并进行启发式估值。（3）将路标引入诊断,建立基于路标的诊断启发式,提高诊断效率和精确性;提出一种使用规划在增量诊断中进行回溯探测,获取真实诊断的方法。
周南[6]（2020）在《基于深度学习的跨媒体社交网络安全话题挖掘与探索研究》文中认为在海量数据支持下的社交网络通过其区别于传统新闻媒体的信息传播方式影响着现实生活中的每一个社会个体,尤其是夹杂在各种信息中与社会安全和国家安全话题相关内容,直接影响着现实社会的舆论导向。围绕基于深度学习的跨媒体社交网络安全话题挖掘与搜索的相关问题,对跨媒体社交网络内容获取与处理,基于强化学习的社交网络话题内容匹配,基于生成对抗学习的跨媒体社交网络搜索和社交网络中安全话题内容跨媒体搜索机制等方面进行了研究。研究内容均以跨媒体社交网络安全话题挖掘为基础,最终实现跨媒体社交网络安全话题搜索。本文取得的主要研究成果和创新点如下:（1）针对复杂社交网络数据特性对社交网络信息搜索效率存在影响的问题,提出了跨媒体社交网络内容关联分析算法（SSCM）。该算法分别对文本媒体信息与图像媒体信息等社交网络内容信息进行深度语义学习与特征语义关联处理,从内容信息角度实现了对社交网络内容进行跨媒体处理并提取了面向安全话题内容的语义搜索特征。通过基于自注意力机制的跨媒体社交网络内容特征挖掘,对社交网络的文本信息内容与图像信息内容之间的语义关联进行了学习。提出了一种社交网络深度学习搜索特征抽取与匹配算法（DCNN-CSTRS）。该算法基于社交网络内容局部语义特征抽取,对所构建的社交网络内容表示特征进行匹配与搜索,对跨媒体语义关联分析的结果进行了验证。通过实验分别验证了跨媒体社交网络内容关联分析算法（SSCM）和社交网络深度学习搜索特征抽取与匹配算法（DCNN-CSTRS）的有效性。社交网络深度学习搜索特征抽取与匹配算法（DCNN-CSTRS）在总体NDCG评价指标上,相对于对比算法提高了 3%到10%。在总体MAP评价指标上,相对于对比算法提高了 9%到13%。在准确率总体效果上,相对于对比算法提高了 7%到12%。在ERR总体效果上,相对于对比算法提高了 2%到10%。（2）针对现有社交网络信息搜索算法和传统信息搜索算法仅依据查询内容进行相似度计算和静态相似度匹配排序的问题,提出了基于强化学习的社交网络内容信息匹配算法（MDPMS）。依据强化学习马尔科夫决策过程（Markov Decision Process,MDP）对社交网络搜索进行了定义,并通过动态社交网络内容相关性评价对社交网络内容的语义特征进行处理。实现了面向社交网络内容搜索与匹配的深度学习特征挖掘,并用于为社交网络内容选择适当的操作（“选择”或“跳过”相应内容作为搜索结果）,以构建与查询内容相符合的搜索结果列表。在新浪微博数据集上进行实验验证,实验结果证明了基于强化学习的社交网络内容信息匹配算法（MDPMS）在社交网络内容搜索上的有效性。基于强化学习的社交网络内容信息匹配算法（MDPMS）在总体NDCG评价上,相对于对比算法提高7%到12%。在总体MAP评价上,相对于对比算法提高8%到10%。（3）针对跨媒体社交网络内容搜索所面临的多媒体语义鸿沟问题,提出了基于生成对抗学习的跨媒体社交网络搜索算法（CMSAL）。通过对基于自注意力（S elf-Attention）机制的跨媒体社交网络内容关联分析算法（SSCM）进行扩展,结合了跨媒体社交网络内容数据特征在遵循原始模态和话题语义标签分布前提下的跨媒体特征表示生成,实现了社交网络跨媒体内容搜索。基于生成对抗学习的跨媒体社交网络搜索算法（CMSAL）利用了文本内容中单词组和图像内容中语义块构造的局部语义,基于对抗性学习来最大化跨媒体数据间的相关性,利用了基于生成对抗学习的跨媒体社交网络搜索算法（CMSAL）中网络结构实现对搜索结果排序。实验验证了提出的基于生成对抗学习的跨媒体社交网络搜索算法（CMSAL）对社交网络中安全话题内容和跨媒体数据信息搜索的有效性。在新浪微博数据集上文本搜索图像和图像搜索文本两种任务搜索结果的总体MAP评价,相对于对比算法提高2%到11%;总体准确率评价,相对于对比算法提高2%到10%。在Wikipedia数据集上文本搜索图像和图像搜索文本两种任务搜索结果的总体MAP评价,相对于对比算法提高2%到8%;总体准确率评价,相对于对比算法提高3%到6%。NUSWIDE数据集上文本搜索图像和图像搜索文本两种任务搜索结果的总体MAP评价,相对于对比算法提高3%到7%;总体准确率评价,相对于对比算法提高3%到5%。（4）综合提出的跨媒体社交网络内容关联分析算法（SSCM）、社交网络深度学习搜索特征抽取与匹配算法（DCNN-CSTRS）、基于强化学习的社交网络话题内容匹配算法（MDPMS）和基于生成对抗学习的跨媒体社交网络搜索算法（CMSAL）,实现了基于深度学习的跨媒体社交网络安全话题内容搜索系统,包括跨媒体社交网络内容获取与处理模块、基于强化学习的社交网络话题内容匹配模块、基于生成对抗学习的跨媒体社交网络搜索模块和跨媒体社交网络安全话题内容搜索模块。所实现系统从结果评价可视化的角度对本文算法的搜索结果进行了可靠评价和直观展示。通过该系统验证了本文提出的多个算法的有效性。
张天琦[7]（2020）在《基于对称性邻域结构求解柔性作业车间调度问题》文中进行了进一步梳理随着客户需求逐渐向个性化和多样化的转变,市场对企业生产效率的要求越来越高,其中提高制造物流的作业效率是提高企业生产效率的重要方面。柔性作业车间调度问题（Flexible Job-shop Scheduling Problem,FJSP）的研究可以为提高制造物流的作业效率做出贡献,包括提高物流响应速度和降低成本。本文将以禁忌搜索和邻域结构的分析为基础,对FJSP问题展开研究。首先,为了直观地描述FJSP问题的解,本文将用解图描述FJSP问题的解,同时创新性地提出了反向解图的概念,解图和解图对应的反向解图之间存在对称性关系,这为后续邻域结构的对称性分析提供了必要的理论基础。其次,基于邻域结构的对称性特点,本文提出一种通用邻域结构——GNS（Generic Neighborhood Structure）。将该邻域结构与已有主要的6种作业车间调度问题（Job-shop Scheduling Problem,JSP）邻域结构和2种FJSP问题邻域结构进行对比分析。通过数学证明推导出GNS包含6种JSP问题邻域结构,在特定情况下包含2种FJSP问题邻域结构,因此,在绝大多数情况下,GNS能将以上邻域结构统一,从而使不同邻域结构之间更具关联性,同时,与邻域结构相关的证明也会更加容易理解。然后,本文将GNS应用到禁忌搜索算法中,基于此算法设计了对比实验。选择3组不同规模的benchmark问题进行测试。实验结果表明:本文提出的基于的GNS禁忌搜索算法在求解不同规模的benchmark问题时具有较快的效率,能产生较好质量的解,印证了GNS的有效性。最后,对文章进行了总结,对未来的研究方向做出了展望。
李家强[8]（2020）在《SRAM存储器抗多位翻转ECC加固设计技术研究》文中指出随着存储单元敏感节点临界电荷量的减少,一次粒子辐射事件可以影响更多存储单元,产生多位翻转。为了保障存储器内存储信息的安全,纠错码（Error Correction Codes,ECC）加固技术得到广泛应用。然而,随着系统集成度和多位翻转形式复杂度的不断提升,传统ECC加固方案已经不能满足当前存储器加固设计对可靠性与快速读写的性能要求。因此,有必要对存储器ECC加固设计技术展开深入的研究,解决其在冗余度、译码复杂度和修正能力方面的诸多不足。本文针对静态随机存储器（Static Random Access Memory,SRAM）抗多位翻转ECC加固设计技术中几个关键问题展开研究,主要工作包括以下几方面:（1）通用ECC奇偶校验矩阵搜索算法研究。由于矩阵搜索在特定时间内获得最优解的优化程度有限且现有矩阵搜索算法均是针对特定问题并不具备通用性,本文分别从搜索算法的搜索性能与通用性方面进行提升。首先,通过对目标矩阵进行更准确的描述与更有效的约束,规避不必要的搜索路径,加快算法对优质解的搜索。然后,通过对搜索算法中相关参数和核心环节进行通用化描述,提出一种通用ECC搜索算法。利用该算法ECC设计者仅需提供必要的设计参数便可实现ECC构造规则与目标编码矩阵的转化。基于该算法,本文实现一款自动化ECC设计工具,具有ECC矩阵搜索、修正与检测能力验证和故障注入等功能。在完成ECC构造规则制定的情况下,该工具可执行满足相应设计规则的目标矩阵搜索过程。（2）低冗余突发错误修正码加固方法研究。本文分析了ECC加固技术面积开销中冗余开销的影响,认为常用规模存储器中低冗余特性是ECC加固技术考虑的重要因素。针对更加复杂的多位翻转错误模式,单位错误修正与两位相邻错误修正（Single Error Correction and Double Adjacent Error Correction,SEC-DAEC）码和三位突发错误修正（Triple Burst Error Correction,TBEC）码已不能满足系统设计者对可靠性的要求。本文对低冗余TBEC码进行优化,在冗余度不变的情况下,实现相邻四位错误修正（Quadruple Adjacent Error Correction,QAEC）能力的扩展。同时,针对四位突发错误,给出低冗余四位突发错误修正（Quadruple Burst Error Correction,QBEC）码的构造规则,实现低冗余QBEC码的构造,其冗余位数量近似或等于最小理论值。（3）低延迟SEC-DAEC码和TBEC码加固方法研究。本文对ECC译码器各功能模块的译码过程进行了探讨,分析了各功能模块译码延迟的影响因素,总结出降低ECC译码延迟的有效途径。利用冗余位与数据位位交织结构以释放由单位阵占用的轻重量列向量,降低奇偶校验矩阵最重行1的数量;提出校正子向量共享优化技术以缩短校正子向量的匹配长度。利用这些技术构造具有低译码延迟的SEC-DAEC码和TBEC码,译码延迟开销低于或近似于单位错误修正和两位错误检测（Double Error Detecting,DED）的SEC-DED码。（4）分块逻辑位交错ECC加固方法研究。晶体管特征尺寸的缩小使得存储器多位翻转错误模式可以包含5位甚至更多相邻存储位。如何实现高修正能力并可以有效地均衡冗余度与译码复杂度将成为ECC加固技术研究的难点。本文提出基于分块逻辑位交错技术的多位突发错误ECC加固方案。利用分块逻辑位交错技术可以有效地融合矩阵码的低译码延迟特性和低冗余线性分组码的低冗余特性。通过选用一致性编码SEC-DAEC码和TBEC码,可以构造6、8和12位突发错误修正ECC加固方案。通过构造非一致性编码,可以构造5位突发错误修正ECC加固方案。构造的多位突发错误修正ECC加固方案与矩阵码相比具有低冗余优势,译码延迟低于或接近于SEC-DED码。
马慧生[9]（2020）在《面向协作式自动驾驶的5G车联网无线传输技术及优化方法研究》文中研究说明协作式自动驾驶（Cooperative Autonomous Driving）融合了自主式智能和车联网技术（本文特指Vehicle-to-Everything,V2X）,可以实现协作感知和协同操作,能够有效提升自动驾驶汽车的智能化水平,增强安全性和舒适性,降低能源消耗,改善通行效率。由于协作式自动驾驶对时延、可靠性、速率和覆盖范围等通信指标要求很高,以LTE-V2X（Long Term Evolution-V2X）和DSRC（Dedicated Short Range Communication）为代表的现有车联网技术难以满足需求。为此,业界在 201 5 年左右开始对基于 5G（5th Generation Mobile Networks）的V2X演进技术进行研究。本文围绕从原理设计和设备研发到商业部署运营再到技术演进发展过程中,5G-V2X无线传输技术及其优化方法研究中存在的4个关键技术问题展开。这些问题包括:5G-V2X原型系统无线传输方案设计与验证;商用异系统共存场景功率分配;城市级（Citywide）5G-V2X网络负载预测;以及复杂优化模型的通用求解工具。本文的主要研究工作和创新如下:（1）在5G-V2X原型系统无线传输方案设计与验证研究方面,分析了协作式自动驾驶对5G-V2X通信的低时延高可靠与高流量高移动性联合需求,提出了包括基于分层异构网络架构的移动性管理机制,基于移动边缘计算的本地化数据传输机制,以及基于信道处理优化和快速重传的低时延高可靠机制在内的5G-V2X无线传输设计方案;通过仿真和现场实验,验证了所提方案满足系统性能指标要求。支撑了国内首个包括V2V在内的所有链路达到5G-V2X指标要求的车队协作式自动驾驶功能验证。（2）在商用异系统共存场景功率分配研究方面,首先结合如何激励运营商向非签约用户共享授权频谱资源这一现实问题,从经济学角度对边链路（Sidelink）与上行链路（Uplink）共享频谱资源场景下的功率分配模型进行分析,定义了一种新的经济能效度量指标;在此基础上,提出了一种基于斯坦科尔伯格博弈（Stackelberg Game）的功率分配方案。其中,宏基站通过优化干扰定价获得最大效用,而V2X终端通过优化经济能效获得最大效用。通过问题转化证明了斯坦科尔伯格均衡的唯一性,求解出宏基站的最优定价和V2X终端的最优发送功率。（3）在城市级（Citywide）5G-V2X网络负载预测研究方面,首先综合基于深度学习的交通流量预测和无线网络流量预测两个领域研究成果,分析了在一个模型下同时对城市级5G-V2X网络中各区域网络负载涉及的用户数量、迁移趋势和网络流量等多个时变属性进行联合预测的可行性;然后,分析了现有卷积神经网络模型对网格化区域划分的依赖带来的局限性,并对非规则区域划分下多个时变属性联合预测问题进行定义;在此基础上,提出了一种基于置换的样本重构方法和置换时空残差网络模型,将现有模型的应用范围拓展到非规则划分场景,并支持多个时变属性联合预测;最后证明了所提方法和模型解决了非规则划分问题,提升了模型预测精度,并具有良好的泛化性能。（4）在复杂优化模型的通用求解工具研究方面,首先选择了以通用性较强的群体智能工具布谷鸟搜索（Cuckoo Search,CS）算法为研究对象,对其在车联网无线传输最优化问题研究中的应用,以及CS算法现有主要改进和变体进行了分析,设立了优化算法收敛速度和精度的研究目标;在此基础上,提出了一种融合子群体划分策略、灰狼优化和动态自适应步长等机制并具有全局收敛性的改进CS算法;最后通过仿真结果证明了所提算法在收敛速度、收敛精度等方面明显优于现有标准CS算法、基于重复周期渐近自学习和自演化扰动的改进CS算法,以及其他多种群体智能算法。本文在上述功率分配、网络负载预测和求解工具优化等方面的研究成果不仅对5G-V2X适用,而且对于正在规模商用的LTE-V2X也具有重要的理论意义和应用价值。
杜永浩,邢立宁,姚锋,陈盈果[10]（2021）在《航天器任务调度模型、算法与通用求解技术综述》文中研究表明针对航天器任务调度大规模、复杂化的新常态和灵活组网、快速响应的新要求,综述了航天器任务调度模型、算法与通用求解技术的发展现状.首先,基于遥感卫星、中继通信卫星、导航卫星和航天测控等航天器任务,从任务排序模型和时间窗口分配模型两个角度出发,揭示了不同航天器任务调度模型的决策形式和共性特征,阐明提升模型兼容性、适用性的必要性.其次,基于启发式算法、精确求解算法和元启发式算法,探讨了航天器任务调度算法的适用模型与编码特色,指明"算法-模型"解耦、算法深度融合的重要性.在此基础上,介绍了CPLEX、STK/Scheduler、Europa2和"高景一号"任务调度分系统等航天器任务调度通用求解技术的模型、算法与主要功能,说明我国自主研发通用求解技术的必要性和新的应用思路.最后,指出了开发航天器任务调度统一化建模语言、打造算法库与测试集等未来航天器任务调度研究的新方向.
二、通用搜索算法的设计（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、通用搜索算法的设计（论文提纲范文）
（1）求解JSP问题的邻域结构设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与研究意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 研究内容 |
| 1.3 论文结构和技术路线 |
| 1.3.1 论文结构 |
| 1.3.2 技术路线 |
| 1.4 本章小结 |
| 2 理论综述及研究现状 |
| 2.1 JSP问题概述 |
| 2.1.1 JSP问题的定义 |
| 2.1.2 JSP问题的数学模型 |
| 2.2 JSP问题的优化方法 |
| 2.2.1 求解JSP问题的精确方法 |
| 2.2.2 求解JSP问题的近似方法 |
| 2.3 基于局部搜索算法的JSP问题研究 |
| 2.4 基于局部搜索算法的邻域结构设计 |
| 2.5 本章小结 |
| 3 通用型邻域结构的设计和优化 |
| 3.1 JSP问题的析取图模型 |
| 3.2 JSP问题的通用型邻域结构的设计 |
| 3.3 通用型邻域结构中的非改进解 |
| 3.4 通用型邻域结构的非改进解限制 |
| 3.4.1 后向插入移动中的非改进解识别 |
| 3.4.2 前向插入移动中的非改进解识别 |
| 3.5 本章小结 |
| 4 JSP问题的禁忌搜索算法设计 |
| 4.1 禁忌搜索算法求解流程 |
| 4.2 禁忌搜索算法的基本要素设计 |
| 4.3 基于通用型邻域结构的禁忌搜索算法 |
| 4.4 本章小结 |
| 5 实验仿真 |
| 5.1 实验数据及参数 |
| 5.2 实验结果 |
| 5.2.1 实验一 |
| 5.2.2 实验二 |
| 5.2.3 实验三 |
| 5.2.4 实验四 |
| 5.3 讨论 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表学术论文情况 |
| 致谢 |
（2）迁移学习算法的量子化与应用（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究工作的背景与意义 |
| 1.2 国内外研究历史与现状 |
| 1.2.1 量子计算相关研究 |
| 1.2.2 机器学习相关研究 |
| 1.2.3 量子机器学习相关研究 |
| 1.2.4 迁移学习相关研究 |
| 1.2.5 量子迁移学习相关研究 |
| 1.3 研究问题描述 |
| 1.4 研究内容与创新点 |
| 1.4.1 研究思路 |
| 1.4.2 技术路线 |
| 1.4.3 研究内容 |
| 1.4.4 本文贡献与创新点 |
| 1.5 本论文的结构安排 |
| 第二章 理论基础 |
| 2.1 引言 |
| 2.2 量子力学基础 |
| 2.2.1 量子力学基本假设 |
| 2.2.2 密度算子 |
| 2.3 量子计算基础 |
| 2.3.1 量子比特 |
| 2.3.2 量子电路基础 |
| 2.3.3 量子算法 |
| 2.4 机器学习基础 |
| 2.4.1 基本概念 |
| 2.4.2 机器学习分类 |
| 2.4.3 算法设计与性能评估 |
| 2.4.4 机器学习算法 |
| 2.5 量子机器学习 |
| 2.5.1 量子支持向量机算法 |
| 2.5.2 量子线性回归算法 |
| 2.5.3 量子k均值算法 |
| 2.5.4 量子神经网络 |
| 2.6 本章小结 |
| 第三章 迁移学习 |
| 3.1 引言 |
| 3.2 迁移学习的定义 |
| 3.3 迁移学习的研究意义 |
| 3.3.1 解决数据标记稀缺问题 |
| 3.3.2 节省时间和计算资源 |
| 3.3.3 提升算法模型的鲁棒性 |
| 3.3.4 解决单一算法模型与多样化用户需求之间的矛盾 |
| 3.4 迁移学习的分类 |
| 3.5 迁移准则 |
| 3.5.1 统计迁移准则 |
| 3.5.2 几何迁移准则 |
| 3.5.3 高级表示迁移准则 |
| 3.6 深度迁移学习 |
| 3.6.1 基于样本的深度迁移学习 |
| 3.6.2 基于映射的深度迁移学习 |
| 3.6.3 基于网络的深度迁移学习 |
| 3.6.4 基于对抗的深度迁移学习 |
| 3.7 迁移学习的应用 |
| 3.7.1 计算机视觉 |
| 3.7.2 推荐系统 |
| 3.7.3 自动驾驶 |
| 3.7.4 自然语言处理 |
| 3.8 本章小结 |
| 第四章 量子数据预处理 |
| 4.1 引言 |
| 4.2 量子数据编码 |
| 4.2.1 基编码 |
| 4.2.2 幅度编码 |
| 4.2.3 量子采样编码 |
| 4.2.4 Hamilton量编码 |
| 4.3 主成分分析 |
| 4.3.1 经典主成分分析算法 |
| 4.3.2 量子主成分分析算法 |
| 4.4 量子局部线性嵌入算法 |
| 4.4.1 经典局部线性嵌入算法 |
| 4.4.2 基于量子基础线性代数程序集的局部线性嵌入算法 |
| 4.4.3 算法复杂度分析 |
| 4.4.4 变分量子局部线性嵌入算法 |
| 4.5 本章小结 |
| 第五章 量子子空间对齐算法 |
| 5.1 引言 |
| 5.2 经典子空间对齐算法 |
| 5.2.1 问题定义 |
| 5.2.2 子空间对齐 |
| 5.2.3 标签预测 |
| 5.3 基于量子基础线性代数程序集的子空间对齐算法 |
| 5.3.1 数据预处理 |
| 5.3.2 子空间对齐 |
| 5.3.3 标签预测 |
| 5.3.4 算法复杂度与误差分析 |
| 5.4 变分量子子空间对齐算法 |
| 5.4.1 数据预处理 |
| 5.4.2 端到端变分量子子空间对齐算法 |
| 5.4.3 基于矩阵乘法的变分量子子空间对齐算法 |
| 5.5 实验过程与结果 |
| 5.5.1 实验数据 |
| 5.5.2 基准算法 |
| 5.5.3 实现细节 |
| 5.5.4 实验结果 |
| 5.6 量子核子空间对齐算法 |
| 5.7 本章小结 |
| 第六章 量子关联对齐算法 |
| 6.1 引言 |
| 6.2 预备知识 |
| 6.2.1 数据白化 |
| 6.2.2 矩阵补全和奇异值阈值算法 |
| 6.3 经典关联对齐算法 |
| 6.3.1 问题定义 |
| 6.3.2 关联对齐 |
| 6.3.3 标签预测 |
| 6.4 量子关联对齐算法 |
| 6.4.1 量子态的制备 |
| 6.4.2 基于量子基础线性代数程序集的关联对齐算法 |
| 6.4.3 变分量子关联对齐算法 |
| 6.5 实验过程与结果 |
| 6.5.1 实验数据 |
| 6.5.2 基准算法 |
| 6.5.3 实现细节 |
| 6.5.4 实验结果 |
| 6.6 本章小结 |
| 第七章 全文总结与展望 |
| 7.1 全文总结 |
| 7.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 攻读博士学位期间取得的成果 |
（3）基于逆向分析的二进制代码混淆保护方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.0 研究背景与意义 |
| 1.1 代码混淆与逆向分析 |
| 1.1.1 代码混淆 |
| 1.1.2 逆向分析 |
| 1.1.3 代码混淆与逆向分析的关系 |
| 1.2 研究现状与主要问题 |
| 1.2.1 混淆评估 |
| 1.2.2 混淆检测 |
| 1.2.3 反混淆 |
| 1.2.4 安全与性能均衡 |
| 1.3 研究内容及关键挑战 |
| 1.3.1 研究思路 |
| 1.3.2 研究内容及挑战 |
| 1.4 本文创新 |
| 1.5 章节安排 |
| 第二章 面向逆向分析的混淆强度评估方法 |
| 2.1 引言 |
| 2.2 代码混淆强度研究基础 |
| 2.2.1 代码混淆复杂性 |
| 2.2.2 指令出现频次分析 |
| 2.3 面向逆向分析的混淆强度分析建模 |
| 2.4 代码混淆强度理论分析 |
| 2.4.1 有关形式化定义 |
| 2.4.2 理论分析 |
| 2.5 混淆强度表征指标 |
| 2.5.1 指令熵 |
| 2.5.2 指令N-gram |
| 2.6 实验分析与论证 |
| 2.6.1 实验设置 |
| 2.6.2 指令熵实验与分析 |
| 2.6.3 指令N-gram实验与分析 |
| 2.7 对降低混淆强度的指导分析 |
| 2.8 小结 |
| 第三章 基于程序语义信息的混淆检测方法 |
| 3.1 引言 |
| 3.2 语义神经网络混淆检测研究基础 |
| 3.2.1 混淆后代码的特征分析 |
| 3.2.2 神经网络可行性分析 |
| 3.2.3 程序语义神经网络模型 |
| 3.3 基于程序语义信息的混淆检测方法 |
| 3.3.1 学习阶段 |
| 3.3.2 检测阶段 |
| 3.4 程序语义信息的特征表达 |
| 3.4.1 基于skip-gram的指令嵌入 |
| 3.4.2 基于CNN的基本块嵌入 |
| 3.4.3 基于LSTM的程序嵌入 |
| 3.4.4 基于程序语义信息的混淆分类 |
| 3.5 混淆标注数据集自动化生成方法 |
| 3.5.1 混淆样本构造算法 |
| 3.5.2 混淆样本有效性验证 |
| 3.5.3 OOV指令替换方法 |
| 3.5.4 基本块切片分析 |
| 3.6 实验分析与验证 |
| 3.6.1 实验设置和评估方法 |
| 3.6.2 实验数据集 |
| 3.6.3 OOV指令预处理实验与分析 |
| 3.6.4 语义神经网络超参选择实验与分析 |
| 3.6.5 混淆检测准确性的实验与分析 |
| 3.6.6 混淆检测效率实验与分析 |
| 3.6.7 与其他机器学习算法对比实验 |
| 3.7 对提升混淆隐蔽性的指导分析 |
| 3.8 小结 |
| 第四章 基于程序合成技术的代码反混淆方法 |
| 4.1 引言 |
| 4.2 反混淆研究基础 |
| 4.2.1 数据混淆复杂度分析 |
| 4.2.2 程序合成可行性分析 |
| 4.3 基于程序合成技术的代码反混淆框架 |
| 4.3.1 反混淆模型形式化定义 |
| 4.3.2 基于程序合成的反混淆框架 |
| 4.4 基于机器学习的混淆代码片段识别方法 |
| 4.4.1 样本生成 |
| 4.4.2 混淆特征选择 |
| 4.4.3 混淆分类器 |
| 4.5 基于程序合成技术的反混淆算法 |
| 4.5.1 合成算法描述 |
| 4.5.2 输入输出采样 |
| 4.5.3 语法约束 |
| 4.5.4 候选程序的随机输出 |
| 4.5.5 合成结果相似度评估 |
| 4.6 基于嵌套蒙特卡洛搜索的程序空间降维算法 |
| 4.6.1 搜索算法描述 |
| 4.6.2 搜索节点的选择 |
| 4.6.3 程序合成的模拟 |
| 4.6.4 反向传播更新节点收益 |
| 4.7 基于程序合成技术的反混淆方法扩展 |
| 4.7.1 混淆组件集选择指导原则 |
| 4.7.2 面向数据流的组件选择 |
| 4.7.3 面向控制流的组件选择 |
| 4.7.4 面向虚拟化的组件选择 |
| 4.7.5 程序合成算法扩展分析 |
| 4.8 实验分析与验证 |
| 4.8.1 实验设置与评估方法 |
| 4.8.2 混淆代码片段定位实验与分析 |
| 4.8.3 反混淆结果正确性分析 |
| 4.8.4 反混淆成功率和执行效率实验与分析 |
| 4.8.5 与Syntia的对比实验与分析 |
| 4.8.6 输入输出采样数设置实验与分析 |
| 4.8.7 反混淆结果可理解性实验与分析 |
| 4.9 对提升抗攻击性的指导分析 |
| 4.10 小结 |
| 第五章 基于编译时虚拟化的代码混淆方法 |
| 5.1 引言 |
| 5.2 虚拟化的安全威胁和性能压力分析 |
| 5.2.1 Decode-dispatch模式简介 |
| 5.2.2 Decode-dispatch模式的攻击模型 |
| 5.2.3 编译时虚拟化可行性分析 |
| 5.3 基于编译时虚拟化的代码混淆方法 |
| 5.3.1 编译时虚拟化混淆原理 |
| 5.3.2 被保护程序的执行流程 |
| 5.4 基于预编译的性能提升方法 |
| 5.4.1 函数执行占有率决策模型 |
| 5.4.2 Dex2C反编译引擎 |
| 5.5 基于编译时虚拟化的抗攻击性方法 |
| 5.5.1 面向LLVMIR的虚拟化指令 |
| 5.5.2 调度程序和虚拟指令处理程序 |
| 5.5.3 编译时虚拟化抗攻击性分析 |
| 5.6 DECODE-DISPATCH调度模式隐藏算法 |
| 5.6.1 隐藏算法描述 |
| 5.6.2 编译时虚拟化隐蔽性分析 |
| 5.7 实验分析与验证 |
| 5.7.1 实验设置和评估方法 |
| 5.7.2 抗攻击性实验与分析 |
| 5.7.3 隐蔽性实验与分析 |
| 5.7.4 强度实验与分析 |
| 5.7.5 性能开销实验与分析 |
| 5.7.6 功能完整性验证实验与分析 |
| 5.8 小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 攻读博士学位期间取得的科研成果 |
| 致谢 |
| 作者简介 |
（4）量子计数算法的研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 量子算法通用性的研究 |
| 1.2.2 量子算法本质的研究 |
| 1.2.3 量子计数算法的研究现状 |
| 1.3 本文的主要研究工作 |
| 1.4 论文组织结构 |
| 第二章 理论基础 |
| 2.1 量子计数算法 |
| 2.1.1 量子傅里叶变换 |
| 2.1.2 量子相位估计算法 |
| 2.1.3 量子计数算法 |
| 2.1.4 Shor算法 |
| 2.1.5 本章小结 |
| 2.2 纠缠测度 |
| 2.2.1 Groverian纠缠测度 |
| 2.2.2 几何测度 |
| 2.2.3 Concurrence |
| 2.2.4 基于系数矩阵的纠缠测度 |
| 2.2.5 纠缠度的结构性质 |
| 2.2.6 本章小结 |
| 第三章 针对非均衡初始振幅分布的通用量子计数算法 |
| 3.1 通用量子计数算法 |
| 3.1.1 瑕旋转 |
| 3.1.2 三维建模 |
| 3.1.3 Grover迭代算符 |
| 3.1.4 通用量子计数算法 |
| 3.2 仿真 |
| 3.3 本章小结 |
| 第四章 量子算法中多粒子量子态的纠缠 |
| 4.1 量子相位估计算法中多粒子量子态的纠缠 |
| 4.1.1 量子态结构分析 |
| 4.1.2 用纠缠测度分析量子态 |
| 4.1.3 仿真 |
| 4.2 量子计数算法中多粒子量子态的纠缠 |
| 4.2.1 传统比例估算法 |
| 4.2.2 量子计数算法生成量子态的纠缠度 |
| 4.2.3 仿真 |
| 4.3 本章小结 |
| 第五章 总结与展望 |
| 5.1 主要工作总结 |
| 5.2 后续工作展望 |
| 致谢 |
| 参考文献 |
| 附录A 量子计数算法中多粒子量子态的纠缠度 |
| A.1 相位估计算法产生的纠缠度示例 |
| A.2 量子计数算法产生的纠缠度示例 |
| 附录B 作者简介 |
| B.1 作者攻读博士学位期间发表的论文 |
| B.2 攻读博士学位期间主持或参与的科研项目 |
（5）基于路标的启发式搜索规划方法及其应用研究（论文提纲范文）
| 提要 |
| 摘要 |
| abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.1.1 智能规划的研究范畴 |
| 1.1.2 智能规划的分类 |
| 1.1.3 智能规划的研究组织和交流平台 |
| 1.2 研究现状与动态 |
| 1.2.1 智能规划求解方法研究现状与动态 |
| 1.2.2 智能规划的应用现状与动态 |
| 1.3 研究意义 |
| 1.4 本文的主要贡献和结构安排 |
| 第2章 理论基础 |
| 2.1 经典规划问题表示 |
| 2.1.1 智能规划描述语言 |
| 2.1.2 PDDL表示 |
| 2.1.3 多值状态变量表示 |
| 2.2 路标 |
| 2.2.1 路标的定义 |
| 2.2.2 命题路标及其排序关系 |
| 2.2.3 路标引导下的启发式搜索 |
| 2.3 基于启发式搜索的规划求解方法 |
| 2.3.1 启发式搜索算法 |
| 2.3.2 启发式函数 |
| 2.4 本章小结 |
| 第3章 基于路标倾向的随机游走规划方法 |
| 3.1 引言 |
| 3.2 相关定义 |
| 3.3 MONTE-CARLO随机游走过程 |
| 3.3.1 基本框架 |
| 3.3.2 动作选择概率 |
| 3.4 基于路标倾向的随机游走规划方法 |
| 3.4.1 融入路标信息的动作选择概率 |
| 3.4.2 求解算法 |
| 3.5 实验测试与分析 |
| 3.6 本章小结 |
| 第4章 基于命题路标约束的代价分配启发式评估方法 |
| 4.1 引言 |
| 4.2 路标切割启发式的基本思想 |
| 4.3 基于命题路标约束的启发式评估方法 |
| 4.3.1 命题路标前提定位规则 |
| 4.3.2 启发式评估算法 |
| 4.4 基于代价预分配的启发式评估方法 |
| 4.4.1 命题路标代价预分配方案 |
| 4.4.2 启发式评估算法 |
| 4.5 实验测试与结果分析 |
| 4.6 本章小结 |
| 第5章 智能规划方法在基于模型诊断中的应用 |
| 5.1 引言 |
| 5.2 智能规划和诊断的融合模型 |
| 5.3 路标在增量诊断中的应用 |
| 5.3.1 路标的生成 |
| 5.3.2 使用路标改进诊断效率 |
| 5.4 使用规划的诊断测试 |
| 5.4.1 基于规划的诊断修复路径 |
| 5.4.2 诊断修复的动作代价 |
| 5.5 诊断测试实验结果及分析 |
| 5.5.1 测试问题描述 |
| 5.5.2 实验结果分析 |
| 5.6 本章小结 |
| 第6章 总结和展望 |
| 6.1 总结 |
| 6.2 展望和后续工作 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（6）基于深度学习的跨媒体社交网络安全话题挖掘与探索研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题来源 |
| 1.2 研究背景与意义 |
| 1.3 国内外研究现状 |
| 1.3.1 跨媒体社交网络内容获取与处理 |
| 1.3.2 基于强化学习的社交网络话题内容匹配 |
| 1.3.3 基于生成对抗学习的跨媒体社交网络搜索 |
| 1.3.4 跨媒体社交网络安全话题内容搜索 |
| 1.4 主要研究内容和创新点 |
| 1.5 论文组织 |
| 第二章 跨媒体社交网络内容获取与处理 |
| 2.1 引言 |
| 2.2 跨媒体社交网络内容数据获取与预处理 |
| 2.3 跨媒体社交网络内容关联分析算法的提出 |
| 2.3.1 跨媒体社交网络内容关联分析算法研究动机 |
| 2.3.2 跨媒体社交网络内容关联分析算法的形式化定义 |
| 2.4 社交网络深度学习搜索特征抽取与匹配算法的提出 |
| 2.4.1 社交网络深度学习搜索特征抽取与匹配算法研究动机 |
| 2.4.2 社交网络深度学习搜索特征抽取与匹配算法的形式化定义 |
| 2.5 实验结果与分析 |
| 2.5.1 跨媒体社交网络内容关联分析算法实验与分析 |
| 2.5.2 社交网络深度学习搜索特征抽取与匹配算法实验与分析 |
| 2.6 本章小结 |
| 第三章 基于强化学习的社交网络话题内容匹配 |
| 3.1 引言 |
| 3.2 基于强化学习的社交网络话题内容匹配算法的提出 |
| 3.2.1 基于强化学习的社交网络话题内容匹配算法研究动机 |
| 3.2.2 基于强化学习的社交网络话题内容匹配算法形式化定义 |
| 3.2.3 基于强化学习的社交网络话题内容匹配算法设计 |
| 3.2.4 动态社交网络内容相关性评价 |
| 3.3 实验结果与分析 |
| 3.3.1 实验设置 |
| 3.3.2 基于强化学习的社交网络话题内容匹配算法有效性分析 |
| 3.3.3 搜索效果实验结果与分析 |
| 3.3.4 折交叉验证实验与分析 |
| 3.4 本章小结 |
| 第四章 基于生成对抗学习的跨媒体社交网络搜索 |
| 4.1 引言 |
| 4.2 基于生成对抗学习的跨媒体社交网络搜索算法 |
| 4.2.1 基于生成对抗学习的跨媒体社交网络搜索算法研究动机 |
| 4.2.2 基于生成对抗学习的跨媒体社交网络搜索算法的提出 |
| 4.2.3 媒体内和媒体间判别限定 |
| 4.2.4 跨媒体判别限定 |
| 4.2.5 基于生成对抗学习的跨媒体社交网络搜索算法的描述 |
| 4.3 实验结果与分析 |
| 4.3.1 实验设置 |
| 4.3.2 参数学习实验结果与分析 |
| 4.3.3 搜索结果的MAP评价与分析 |
| 4.3.4 搜索结果的准确率结果与分析 |
| 4.4 本章小结 |
| 第五章 基于深度学习的跨媒体社交网络安全话题内容搜索系统 |
| 5.1 引言 |
| 5.2 系统架构设计 |
| 5.3 系统详细设计与实现 |
| 5.3.1 跨媒体社交网络安全话题内容获取与处理模块 |
| 5.3.2 社交网络强化学习内容搜索模块 |
| 5.3.3 跨媒体社交网络内容搜索与匹配模块 |
| 5.3.4 社交网络安全话题搜索模块 |
| 5.4 本章小结 |
| 第六章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 工作展望 |
| 参考文献 |
| 致谢 |
| 攻读博士学位期间的科研成果 |
（7）基于对称性邻域结构求解柔性作业车间调度问题（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景 |
| 1.2 研究目的及意义 |
| 1.2.1 研究目的 |
| 1.2.2 现实意义 |
| 1.2.3 理论意义 |
| 1.3 研究内容与方法 |
| 1.3.1 研究内容 |
| 1.3.2 研究方法 |
| 1.3.3 创新点 |
| 1.4 论文结构与技术路线 |
| 1.4.1 论文结构 |
| 1.4.2 技术路线 |
| 1.5 本章小结 |
| 2 研究基础及研究综述 |
| 2.1 FJSP问题概述 |
| 2.1.1 FJSP问题的定义 |
| 2.1.2 FJSP问题的主要特点 |
| 2.1.3 FJSP问题的优化方法 |
| 2.1.4 FJSP问题的邻域结构研究现状 |
| 2.2 禁忌搜索算法概述 |
| 2.2.1 禁忌搜索算法简介 |
| 2.2.2 禁忌搜索算法的基本原理 |
| 2.2.3 禁忌搜索算法的实现步骤 |
| 2.3 本章小结 |
| 3 基于FJSP问题的邻域结构设计 |
| 3.1 FJSP问题的解图 |
| 3.2 解图与反向解图之间的对称性 |
| 3.2.1 反向解图 |
| 3.2.2 “头时间”r和“尾时间”t的计算方法 |
| 3.3 G~-(N,A,S)图的生成 |
| 3.3.1 “移动”一个工序 |
| 3.3.2 G~-(N,A,S)图 |
| 3.4 通用邻域结构 |
| 3.5 GNS的通用性分析 |
| 3.6 “移动”近似评价 |
| 3.6.1 近似评价策略 |
| 3.6.2 上界值定理 |
| 3.7 FJSP问题的禁忌搜索算法设计 |
| 3.7.1 禁忌搜索算法的步骤 |
| 3.7.2 禁忌表和禁忌表长度 |
| 3.8 本章小结 |
| 4 算例实验分析 |
| 4.1 实验结果 |
| 4.1.1 实验1 |
| 4.1.2 实验2 |
| 4.1.3 实验3 |
| 4.2 实验分析 |
| 4.3 实践启示 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（8）SRAM存储器抗多位翻转ECC加固设计技术研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 课题背景及研究意义 |
| 1.2 SRAM存储器中单粒子翻转 |
| 1.2.1 MCU影响因素 |
| 1.2.2 MBU错误图样 |
| 1.3 SRAM存储器ECC加固技术研究现状 |
| 1.3.1 随机错误ECC加固技术研究现状 |
| 1.3.2 连续错误ECC加固技术研究现状 |
| 1.4 相关研究工作评述 |
| 1.5 论文主要研究内容 |
| 第2章 通用ECC奇偶校验矩阵搜索算法研究 |
| 2.1 引言 |
| 2.2 线性分组码原理 |
| 2.2.1 线性分组码编码原理 |
| 2.2.2 线性分组码译码原理 |
| 2.3 奇偶校验矩阵搜索算法 |
| 2.3.1 基本搜索算法 |
| 2.3.2 基本搜索算法优化 |
| 2.4 通用ECC搜索算法 |
| 2.4.1 参数通用化描述 |
| 2.4.2 校正子向量唯一性判断通用化描述 |
| 2.4.3 ECC搜索算法通用化 |
| 2.5 本章小结 |
| 第3章 低冗余突发错误修正码加固方法研究 |
| 3.1 引言 |
| 3.2 ECC冗余开销影响分析 |
| 3.3 TBEC-QAEC码构造方法 |
| 3.3.1 校正子向量需求分析 |
| 3.3.2 校正子向量唯一性分析 |
| 3.3.3 奇偶校验矩阵搜索 |
| 3.3.4 编译码过程及电路设计 |
| 3.3.5 功能验证与性能分析 |
| 3.4 低冗余QBEC码构造方法 |
| 3.4.1 校正子向量需求分析 |
| 3.4.2 校正子向量唯一性分析 |
| 3.4.3 奇偶校验矩阵搜索 |
| 3.4.4 编译码电路设计 |
| 3.4.5 功能验证与性能分析 |
| 3.5 本章小结 |
| 第4章 低延迟DAEC码和TBEC码加固方法研究 |
| 4.1 引言 |
| 4.2 ECC译码器延迟开销分析 |
| 4.3 低延迟SEC-DAEC码构造方法 |
| 4.3.1 SEC-DAEC码构造规则 |
| 4.3.2 冗余位与数据位位交织 |
| 4.3.3 校正子向量共享优化 |
| 4.3.4 奇偶校验矩阵搜索算法 |
| 4.3.5 电路实现及性能分析 |
| 4.4 低延迟TBEC码构造方法 |
| 4.4.1 系统结构TBEC码优化分析 |
| 4.4.2 位交织结构TBEC码构造 |
| 4.4.3 性能分析 |
| 4.5 本章小结 |
| 第5章 分块逻辑位交错ECC加固方法研究 |
| 5.1 引言 |
| 5.2 ECC冗余度、译码复杂度和修正能力综合分析 |
| 5.3 分块逻辑位交错技术研究 |
| 5.4 基于一致性编码的突发错误修正ECC方案 |
| 5.4.1 构造方法 |
| 5.4.2 电路实现 |
| 5.4.3 方案有效性评估 |
| 5.4.4 性能分析 |
| 5.5 基于非一致性编码的突发错误修正ECC方案 |
| 5.5.1 构造方法 |
| 5.5.2 电路实现 |
| 5.5.3 性能分析 |
| 5.6 本章小结 |
| 结论 |
| 参考文献 |
| 攻读博士学位期间发表的论文及其他成果 |
| 致谢 |
| 个人简历 |
| 附录:缩略语表 |
（9）面向协作式自动驾驶的5G车联网无线传输技术及优化方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 研究背景 |
| 1.1.1 主要概念定义和内涵 |
| 1.1.2 V2X技术发展现状和趋势 |
| 1.2 研究的主要问题 |
| 1.2.1 问题来源 |
| 1.2.2 本文研究的4个主要问题 |
| 1.3 主要研究工作与创新 |
| 1.4 论文组织结构 |
| 参考文献 |
| 第二章 面向协作式自动驾驶的5G-V2X无线传输方案设计与验证 |
| 2.1 引言 |
| 2.2 面向协作式自动驾驶的5G-V2X原型系统无线传输方案设计 |
| 2.2.1 基于分层异构网络架构的移动性管理机制 |
| 2.2.2 基于移动边缘计算的本地化数据传输机制 |
| 2.2.3 基于信道处理优化和快速重传的低时延高可靠机制 |
| 2.3 仿真分析 |
| 2.3.1 仿真设置 |
| 2.3.2 仿真结果 |
| 2.4 现场测试 |
| 2.4.1 测试配置 |
| 2.4.2 测试过程和结果 |
| 2.5 本章小结 |
| 参考文献 |
| 第三章 频谱共享场景下基于斯坦科尔伯格博弈的功率分配技术研究 |
| 3.1 引言 |
| 3.2 场景模型与经济能效指标 |
| 3.3 斯坦科尔伯格博弈模型构建 |
| 3.4 模型求解与功率分配方案 |
| 3.4.1 斯坦科尔伯格均衡 |
| 3.4.2 问题转化 |
| 3.4.3 功率分配方案 |
| 3.5 仿真结果及分析 |
| 3.6 本章小结 |
| 参考文献 |
| 第四章 基于深度学习的城市级5G-V2X网络负载预测方法研究 |
| 4.1 引言 |
| 4.2 技术需求与问题定义 |
| 4.2.1 多时变属性联合预测 |
| 4.2.2 非规则区域划分 |
| 4.2.3 问题定义 |
| 4.3 基于置换的样本重构与问题转化 |
| 4.3.1 基于置换的样本重构 |
| 4.3.2 问题转化 |
| 4.4 置换时空残差网络模型 |
| 4.4.1 模型设计 |
| 4.4.2 性能指标 |
| 4.5 实验与分析 |
| 4.5.1 实验目标和数据集选择 |
| 4.5.2 数据预处理和参数设置 |
| 4.5.3 模型训练 |
| 4.5.4 实验结果与分析 |
| 4.6 本章小结 |
| 参考文献 |
| 第五章 车联网无线传输优化问题研究中的布谷鸟搜索算法及其改进 |
| 5.1 引言 |
| 5.2 布谷鸟搜索及其应用与算法变体 |
| 5.2.1 布谷鸟搜索算法介绍 |
| 5.2.2 在车联网无线传输技术研究中的应用 |
| 5.2.3 算法变体 |
| 5.3 基于子群体间协作的改进布谷鸟搜索算法 |
| 5.3.1 子群体划分和出发点选择策略 |
| 5.3.2 灰狼优化算法引入 |
| 5.3.3 动态自适应步长 |
| 5.3.4 算法流程与收敛性分析 |
| 5.3.5 算法应用实例 |
| 5.4 仿真分析 |
| 5.4.1 仿真设置 |
| 5.4.2 仿真结果 |
| 5.4.3 仿真总结 |
| 5.5 本章小结 |
| 参考文献 |
| 第六章 总结与展望 |
| 6.1 论文研究工作总结 |
| 6.2 对未来工作的展望 |
| 附录 英文缩略词对照表 |
| 致谢 |
| 攻读学位期间取得的研究成果 |
（10）航天器任务调度模型、算法与通用求解技术综述（论文提纲范文）
| 1 航天器任务调度模型 |
| 1.1 遥感卫星任务调度模型 |
| 1.1.1 任务排序模型 |
| 1)车辆路径规划模型 |
| 2)图论模型 |
| 3)车间调度模型 |
| 1.1.2 资源分配模型 |
| 1)基于规则的VTW分配模型 |
| 2)多重决策的VTW分配模型 |
| 3)离散化VTW分配模型 |
| 1.2 中继通信卫星任务调度模型 |
| 1)任务排序模型方面 |
| 2) VTW分配模型方面 |
| 1.3 导航卫星任务调度模型 |
| 1) GPS与GLONASS导航系统 |
| 2) Galileo导航系统 |
| 3)“北斗”导航系统 |
| 1.4 航天器测控任务调度模型 |
| 1)优先级排序模型 |
| 2)面向低轨航天器的图论模型 |
| 3)考虑高轨航天器的VTW分配模型 |
| 1.5 小结 |
| 1.5.1 模型共性与区别 |
| 1.5.2 不足与对策 |
| 1)不同类型的航天器任务调度问题模型相似却又不兼容,缺乏统一的建模理论与建模语言. |
| 2)诸多航天器任务调度问题简化程度高,缺乏部署航天业务管控系统的实际应用价值. |
| 3)在模型层面降低航天器任务调度问题规模、提升问题求解效率的有效机制没有得到重视. |
| 2 航天器任务调度算法 |
| 2.1 启发式算法 |
| 1)优先级排序算法 |
| 2)冲突消解算法 |
| 3)任务分配算法 |
| 2.2 精确求解算法 |
| 1)分支定界算法 |
| 2)动态规划算法 |
| 2.3 元启发式算法 |
| 2.3.1 演化算法 |
| 1)遗传算法 |
| 2)蚁群算法 |
| 3)粒子群算法 |
| 2.3.2 局部搜索算法 |
| 1)禁忌搜索算法 |
| 2)模拟退火算法 |
| 2.3.3 其他算法 |
| 1)模因算法 |
| 2)基于机器学习的决策算法 |
| 2.4 小结 |
| 1)航天器任务调度算法与模型紧耦合,算法设计的灵活性不足. |
| 2)不同算法之间深度协同、合理搭配的有效机制还未形成. |
| 3 航天器任务调度通用求解技术 |
| 3.1 数学规划求解器CPLEX |
| 3.2 通用卫星调度软件STK/Scheduler |
| 3.3 航天器任务规划软件Europa2 |
| 3.4“高景一号”任务调度分系统 |
| 3.5 小结 |
| 4 结束语 |
| 1)研究航天器任务调度统一化建模语言. |
| 2)研究航天系统管控体制下有效应对大规模任务调度问题的解空间优化技术. |
| 3)共同打造航天器任务调度算法库与测试集. |
| 4)研发具有自主知识产权的航天器任务调度通用求解技术. |
四、通用搜索算法的设计（论文参考文献）
- [1]求解JSP问题的邻域结构设计[D]. 孙宇婷. 大连理工大学, 2021(01)
- [2]迁移学习算法的量子化与应用[D]. 何熙. 电子科技大学, 2021(01)
- [3]基于逆向分析的二进制代码混淆保护方法研究[D]. 赵玉洁. 西北大学, 2021
- [4]量子计数算法的研究[D]. 谈佳宁. 东南大学, 2021(02)
- [5]基于路标的启发式搜索规划方法及其应用研究[D]. 李闯. 吉林大学, 2020(03)
- [6]基于深度学习的跨媒体社交网络安全话题挖掘与探索研究[D]. 周南. 北京邮电大学, 2020(01)
- [7]基于对称性邻域结构求解柔性作业车间调度问题[D]. 张天琦. 大连理工大学, 2020(02)
- [8]SRAM存储器抗多位翻转ECC加固设计技术研究[D]. 李家强. 哈尔滨工业大学, 2020(01)
- [9]面向协作式自动驾驶的5G车联网无线传输技术及优化方法研究[D]. 马慧生. 北京邮电大学, 2020(01)
- [10]航天器任务调度模型、算法与通用求解技术综述[J]. 杜永浩,邢立宁,姚锋,陈盈果. 自动化学报, 2021(12)