首页期刊导航|计算机仿真
期刊信息/Journal information
计算机仿真
计算机仿真

吴连伟

月刊

1006-9348

kwcoltd@public.bta.net.cn jsjfz@compusimu.com

010-68767186

100037

北京海淀阜成路14号

计算机仿真/Journal Computer SimulationCSCD北大核心CSTPCD
查看更多>>本刊旨在促进我国仿真技术交流和发展,既总结过去、探索基础理论,又跟踪发展前沿,重点报导仿真应用成果。现已是中国科技论文核心期刊。于2003年被《中国科学文献计量评价研究中心》评为优秀期刊。同时被选入中国学术期刊(光盘版)文献检索系统、中国科学引文数据库、中国核心期刊数据库。现已成为仿真技术领域中优秀期刊。
正式出版
收录年代

    小样本机器学习下数据多尺度挖掘算法设计

    刘云香同军红李穂丰吴晓玲...
    431-435,450页
    查看更多>>摘要:数据多尺度挖掘是指在数据挖掘过程中考虑不同尺度的数据信息,由于数据中存在大量特征,为了提高信息处理效率,且更精准地划分数据类型,提出一种小样本机器学习算法下数据多尺度挖掘方法.将使用者的部分动作抽象,建立网站页面会话用于学习不同的事件内容,获得小样本数据信息.通过复值函数构建Hibert空间,计算出样本元素再生核,提取小样本数据特征;利用特征向量构造特征矩阵调节数据间平衡性,得到数据相对熵.建立多尺度信息数据库,使用机器学习下逻辑回归离散化数据特征值,挖掘复杂项集指标的支持度,实现精准的数据多尺度挖掘.通过实验证明,所提方法数据分类效果好,挖掘准确率高,耗费时间少.

    小样本机器学习算法数据多尺度挖掘相对熵值特征矩阵相似性效应

    改进BP神经网络的混凝土构件承载力预测仿真

    夏运生白鑫马三蕊
    436-440页
    查看更多>>摘要:受到多种因素的影响,大直径混凝土受弯构件在使用期间其承载力将发生变化,为此提出大直径混凝土受弯构件承载力预测方法.确定影响大直径混凝土受弯构件承载力的五大因素,将影响因素作为输入建立用于大直径混凝土受弯构件承载力预测的BP神经网络模型,通过模拟退火-粒子群混合算法优化BP神经网络模型参数,并使用优化后BP神经网络模型完成大直径混凝土受弯构件承载力预测.实验结果表明,所提方法的大直径混凝土受弯构件承载力预测精度和效率更高,整体应用效果更好.

    大直径混凝土承载力预测受弯构件神经网络模型模拟退火-粒子群混合优化算法

    基于改进融合蚁群算法的AGV路径规划

    周振耿晨晨崔若庚肖金壮...
    441-445页
    查看更多>>摘要:针对传统蚁群算法在AGV 寻路时存在收敛速度慢、转角次数多且不够平滑等问题,在蚁群系统算法(Ant Colony System,ACS)的基础上,提出一种改进融合蚁群算法.首先通过势场引力函数来改进蚁群系统的启发函数;其次,采用一种改进自适应伪随机转移策略,在信息素更新中引入自适应挥发因子;然后,采用三次B样条曲线平滑策略进行优化;最后,在栅格地图中进行仿真,结果表明,改进算法达到缩短路径长度和减少转角次数的目的,同时提高算法的收敛性和路径平滑性,相较于传统蚁群算法能明显提升寻路效率.

    蚁群算法路径规划人工势场法

    基于末端触觉传感器的智能机器人压力补偿

    朱慧珍王凯王丽君
    446-450页
    查看更多>>摘要:末端触觉是智能机器人实现对外部环境做出直接反应的必需媒介.触觉传感器的弹性层易导致表面接触压力测量结果出现偏差,降低机械手的抓取力度的合理性.提出智能机器人末端触觉传感器压力误差补偿方法.建立触觉传感器三维力学模型,分析表面接触应力与弹性层之间的关系,得到传感器压力特征;计算弹性层的低通效应值,通过传感器测量值推理得到表面压力值,利用线性迭代反卷积算法对压力误差补偿.实验结果表明,研究方法应用下,压力误差补偿的均方误差接近于 10-3,精度与理想效果更接近,上述方法获取的传感器对不同大小作用力的电学响应结果与实际数据具有较高一致性.

    智能机器人触觉传感器压力误差补偿三维力学模型低通效应

    无冲突协调自动联控集群机器人方法与仿真

    旺扎拉戴景民
    451-455页
    查看更多>>摘要:集群机器人需要高效的通信和协同工作,但是受障碍物、其它机器人的位置和运动状态等因素影响,增加了无冲突协调自动联控的难度.为此,提出集群机器人的无冲突协调自动联控方法.采用马尔可夫决策描述机器人选取任务过程,利用博弈论,计算目标与机器人之间存在的距离与机器人移动耗时,建立机器人效用函数实现任务的分配;通过虚拟弹簧连接机器人,建立集群机器人网络,采用领导者-跟随者编队法对集群机器人编队;设计机器人在工作空间中的避障控制策略,实现集群机器人的无冲突协调联控.实验结果表明,所提方法的控制效率高、总路程短、不存在冲突和碰撞现象,验证了所提方法具有良好的联控性能.

    集群机器人效用函数博弈论无冲突协调联控

    基于挖掘算法的用户大数据周期智能推荐仿真

    陈云云刘永山
    456-460,465页
    查看更多>>摘要:随着互联网技术的快速发展,用户数量日益增长,社交网络平台对周期性智能推荐的需求也日益增加.为了解决当前智能推荐算法准确率低、推荐速度慢等问题,提出了一种基于挖掘算法的用户大数据周期智能推荐算法.算法首先采用协同推荐算法对用户历史行为进行分析,并通过数据相似性衡量智能推荐的效果,使用Top-N算法优化推荐过程,达到周期智能推荐的目的;然后采用基于神经网络的挖掘算法对智能推荐算法进行优化,挖掘长时数据关系的同时保持短时数据之间的非线性;最后通过引入灰色均衡算法对相似度计算优化,从而缩短推荐时间.实验结果表明,所提算法在相似度计算准确度方面提升7%,推荐精确度提升 6%,召回率提升8%,有效地提高了数据周期智能推荐的精读和效率,提高了个性化服务的质量.

    数据挖掘算法用户大数据推荐算法卷积神经网络

    基于工作流的无服务边缘计算框架设计与实现

    高明许霖卓
    461-465页
    查看更多>>摘要:边缘计算具有高性能、体积小、计算力超强等优点.但云设计的边缘计算函数链存在调用时延较长的问题,导致大规模部署和存储能力以及云端和设备端协同困难、无缝对接效果较差.为解决上述问题,基于开源无服务平台OpenFaaS设计了一个无服务边缘计算框架(SECP),为边缘侧提供基于无状态函数的计算服务.对计算服务调用过程采用建模分析,采用了工作流模型对为云设计的无服务计算在边缘侧存在的函数链式调用时延放大的问题改进.性能测试结果表明,SECP 在边缘计算场景下有良好的性能表现,降低了边缘计算平台中服务请求的响应时间,解决了无服务计算函数功能单一问题,提高了边缘侧资源的利用率,并改善了边缘侧计算服务部署、维护繁杂的问题.

    无服务计算边缘计算工作流

    基于短源声波管道的鼻腔三维结构重塑方法

    廉小亲王宇乔高超关文洋...
    466-469,484页
    查看更多>>摘要:声波反射技术是一种非侵入性测量技术,并且可通过回传的反射波构造物体内部结构,所以在医学测量鼻腔结构方向有着天然优势.然而,该技术中的长源声波管不便于携带以及成本较高的问题制约了该方法在医学方向的应用.因此,本研究提出了基于短源声波管道的鼻腔三维结构重塑方法以解决这些问题.本研究通过分析短源声波管道中的脉冲声波传播特性,解决了短源声波管道分离入射波与反射波困难的问题;并且采用了校正直流偏移分量和引入约束因子抑制高频噪声的方法对鼻腔声波信号进行预处理;最后利用鼻腔三维结构分层重塑方法重塑出鼻腔结构二维曲线并进行了三维可视化.实验结果表明:约束因子对重塑鼻腔结果有较大的影响,本文确定了约束因子的最佳取值范围.

    鼻腔三维结构重塑信号处理反卷积

    考虑数据稀疏性的图书推荐协同过滤算法仿真

    贾丽坤赵亚丽黄晓英肖丹...
    470-474页
    查看更多>>摘要:图书推荐算法易忽略数据稀疏性问题,导致推荐结果与用户感兴趣内容之间存在较大的偏差.在考虑数据稀疏性的基础上提出一种图书推荐协同过滤算法,对数据预处理,通过对用户和用户之间综合信任度分析,利用分布估计算法对用户兴趣建模;构建用户兴趣簇类集,划分用户兴趣,从中选择出与检索对象最接近的邻居;计算邻近项目得分,按照从大到小的顺序排列,排名靠前的资源项即为图书推荐结果.实验结果表明,所提方法在推荐 500 本图书时,用时在 12s内,且降低了平均绝对误差和均方根误差,实现了最精准的图书推荐.

    数据稀疏性图书推荐协同过滤算法用户兴趣模型综合信任度

    跨层安全访问多模态异构网络数据的数学建模

    蒋志荣李亚男
    475-479页
    查看更多>>摘要:多模态异构网络数据通常包含个人敏感信息,在跨层安全访问时,隐私保护成为一个重要的考虑因素.针对非法访问造成的数据泄漏等问题,提出多模态异构网络数据跨层安全访问数学建模.基于多模态异构协议适配模型,统一多模态异构网络数据为相同格式,在此基础上融合数据,建立数据跨层安全访问数学模型,明确数据所有者、服务端和数据使用者三个实体,依据用户权限判断、初始化、数据使用者身份动态认证、用户验证、数据授权、数据分发和数据跨层访问控制七个步骤,实现多模态异构网络数据跨层安全访问.实验结果表明,所提方法访问开销和权限回收开销保持在 14ms内,平均数据包投递率高,且平均能耗少.

    多模态异构网络数据跨层安全访问数学建模数据所有者数据使用者