检索结果-内蒙古大学图书馆

软件体系结构在软件开发过程中至关重要,其中任何微小错误都会给软件开发及后期维护带来很大麻烦.本文提出一种软件体系结构测试序列生成方法,首先用化学抽象机描述体系结构,然后生成相应的反应规则依赖图RDG,再根据定义的测试覆盖准则及测试序列生成算法,产生软件体系结构测试序列,最后以客户机/服务器体系结构实例说明了导出RDG及生成测试序列的过程.

关键词：软件体系结构测试化学抽象机反应规则依赖图测试序列

来源：评论

学校读者我要写书评

暂无评论

FLOW SHOP调度问题的启发式算法

引用

电机与控制学报 2008年第1期12卷 109-112页

作者：乔佩利张宏芳李小平高祥哈尔滨理工大学计算机科学与技术学院黑龙江哈尔滨150080 哈尔滨师范大学信息科学系黑龙江哈尔滨150025 东南大学计算机科学与工程系江苏南京210096 哈尔滨商业大学计算机与信息技术学院黑龙江哈尔滨150028

针对以总完工时间最小为目标的Flow Shop调度问题,基于全局插入和任务交换两种方法,提出一个启发式算法RP。RP算法的种子序列采用分组加权规则产生,并在调度改进阶段依据种子序列应用全局插入和任务交换方法对当前调度进行改进,以提高... 详细信息

针对以总完工时间最小为目标的Flow Shop调度问题,基于全局插入和任务交换两种方法,提出一个启发式算法RP。RP算法的种子序列采用分组加权规则产生,并在调度改进阶段依据种子序列应用全局插入和任务交换方法对当前调度进行改进,以提高算法的搜索能力。模拟实验表明,在调度结果的平均质量、最好调度的获取能力和算法稳定性方面,RP算法优于目前最好的启发式算法RZ、WY、IX和FL。

关键词：组合优化启发式流水车间调度

来源：评论

学校读者我要写书评

暂无评论

前馈过程神经网络的网络结构与泛化能力

引用

计算机科学 2008年第11期35卷 137-138,150页

作者：葛利陈广胜哈尔滨商业大学计算机与信息工程学院哈尔滨150056 哈尔滨工程大学计算机科学与技术学院哈尔滨150001 东北林业大学材料科学与工程学院哈尔滨150040

基于提高过程神经网络泛化能力的角度,对前馈过程神经网络网络结构对泛化能力的影响进行研究,得出以下结论:其过程神经元隐层(时变隐层)起主要作用,一般神经元隐层(非时变隐层)并非是必须的,对于相同特征的样本,过程神经元对样本特征的... 详细信息

基于提高过程神经网络泛化能力的角度,对前馈过程神经网络网络结构对泛化能力的影响进行研究,得出以下结论:其过程神经元隐层(时变隐层)起主要作用,一般神经元隐层(非时变隐层)并非是必须的,对于相同特征的样本,过程神经元对样本特征的抽取能力远远高于传统神经元。给出了一个基于提高泛化能力的前馈过程神经网络网络结构构造算法,并应用一个实例验证了其有效性。

关键词：过程神经网络网络结构泛化能力网络结构构造算法

来源：评论

学校读者我要写书评

暂无评论

求解车间作业问题的混合遗传算法

引用

电机与控制学报 2007年第3期11卷 310-314页

针对遗传算法(GA)求解车间作业问题JSP(job shop problems)的早熟和收敛速度慢等问题,基于算法混合的思想,将改进的瓶颈移动算法MSB(modify shifting bottleneck)所求得的调度方案加入遗传算法解空间,参与遗传算法迭代运算,形成高性能... 详细信息

针对遗传算法(GA)求解车间作业问题JSP(job shop problems)的早熟和收敛速度慢等问题,基于算法混合的思想,将改进的瓶颈移动算法MSB(modify shifting bottleneck)所求得的调度方案加入遗传算法解空间,参与遗传算法迭代运算,形成高性能的混合遗传算法HGA(hybrid geneticalgorithm)。由于MSB所获得解的质量较高,依据遗传算法的精英保留策略,可以加快算法的收敛速度。标准实例上进行的仿真实验表明,调度结果的平均质量、最好调度的获取能力和算法稳定性方面,HGA的性能明显优于GA。

关键词：遗传算法车间作业问题调度改进瓶颈移动算法

来源：评论

学校读者我要写书评

暂无评论

基于JAVA技术的电子商务教学模拟系统

基于JAVA技术的电子商务教学模拟系统

引用

第十届中国Java技术及应用大会

作者：姜娇娇张洪瀚哈尔滨商业大学计算机科学与技术系哈尔滨商业大学计算机科学与技术系

介绍了电子商务教学实验模拟系统的设计思路和实现技术,研究和分析了模拟系统中应重点解决的问题,在此基础上,采用 B/S 结构体系,以 Eclipse 和 SQL Server 为软件环境,应用 JSP 等技术,实现了一个电子商务教学实验模拟系统。

关键词：电子商务 B2C JSP

来源：评论