【摘 要】
：
#WS(≠)是互斥约束工作流可满足性的量化问题,与第三方环境中有重要意义的资源弹性密切相关.为克服其求解性能瓶颈,本文利用模式回溯法的解空间压缩特性和两层求解机制,提出
【机 构】
：
浙江科技学院 信息与电子工程学院,杭州310023深圳大学 计算机与软件学院,广东 深圳518060;浙江科技学院 信息与电子工程学院,杭州310023;浙江大学 信息与电子工程学院,杭州310027
论文部分内容阅读
#WS(≠)是互斥约束工作流可满足性的量化问题,与第三方环境中有重要意义的资源弹性密切相关.为克服其求解性能瓶颈,本文利用模式回溯法的解空间压缩特性和两层求解机制,提出了一种真实可行解的数量定界方法.它对模式回溯法的结构进行扩展,实现完全可行模式的遍历和统计.对其中每个模式,计算其资源指派二分图上匹配数量的界.再汇总二者,给出#WS(≠)的上、下界.随机生成数据集上的实验表明,在高资源配比和低约束密度条件下,本文算法相对现有算法有比较突出的时间和空间性能,且其给出的上界相当接近于准确值.
其他文献
多元时间序列包含丰富的变量,且变量间存在着相关性,相互影响,可能会降低某一变量的预测精度.为此,本文提出了一种基于RNN和CNN的混合模型.模型利用互信息法进行特征选择,通
目前在用图核进行的脑网络分类研究中,所用图核没有考虑拓扑结构中对应节点是否相同的问题,使脑网络分类不够准确.本文提出一种新型图核(称其为改进图核),将每个路径中的节点
目标跟踪是计算机视觉领域的重要研究方向,单目标跟踪主要分为深度学习、判别式相关滤波器和传统方法.得益于频域计算的高效性,本文选择以判别式相关滤波器为切入点.首先介绍了判别式相关滤波器进行目标跟踪的原理,然后围绕着基础框架进行横向展开,解决边界效应成为判别式相关滤波器发展的分水岭.伴随着卷积神经网络的发展,描述了基于预训练模型的特征提取和深度学习与相关滤波器框架相结合的两个方向,最后总结了关于判别式
智能化生产线设备健康状态、加工过程状态、产品信息等数据具有复杂化、多样化、大容量的特点,传统上对于设备的运行状况主要依靠人工经验来判断,不能及时有效地给出维护意见