引论：我们为您整理了13篇量子计算意义范文，供您借鉴以丰富您的创作。它们是您写作时的宝贵资源，期望它们能够激发您的创作灵感，让您的文章更具深度。
篇1
Optimal Knowledge Distribution Based on the Quantum Genetic Algorithm
ZHANG Wei, HE Rong
(Yunnan Medical College, Kunming 650051, China)
Abstract: Researched the question about knowledge distribution of intelligent examination system, based on the theory of quantum computing, applied quantum genetic algorithm, to improve the strategy of knowledge distribution optimization for better coverage and efficiency.
Key words: quantum algorithm; genetic algorithm; intelligent optimization; test system
智能组卷是一种新型的计算机考试系统。试卷由撒布在测试区域内的考题按一定出题规则自组织而成, 这些考题具有一定的代表性,能检测出学生对考察科目知识的学习掌握情况。考试系统中,考题的分布以及组织对于提高系统的测试水平具有重要的意义。传统的考试系统知识分布有两种策略,一种是人工规划(Planning模式),另一种是大规模的随机分散(Scattering模式)。前者缺乏灵活性与多样性,且效率低下,不适宜计算机组卷等大规模考试。而后者若要取得较好的分布,就必须设置远多于实际需要的考题才能较完整地覆盖考察科目的测试区域,这与试卷中题目数量的有限性是相互矛盾的,试卷中可能存在考题不合理分布造成的测试阴影和盲区。因此考题的合理分布对智能考试系统的测试效果有重要的作用。尽管针对考试系统国内外进行大量的组卷算法研究,但对于知识点的分布优化问题研究工作还很少,很多研究运用传统遗传算法组卷[1],优化效果不尽理想。针对此问题,本文应用量子遗传算法优化知识点的分布,克服测试阴影和盲区,使考试系统更大范围地测试到更有效的学生学习信息。
1 知识覆盖问题
通过对考试科目的学习,学生学习掌握的知识储存在头脑中。由于学生个体之间的学习差异,导致每个学生大脑中储存和掌握的情况具有不确定性。考试的目的在于,通过试卷测试对学生学习情况做出相对确定的评价。科目知识是相对固定的,我们总是将科目知识当作图谱,按图索骥地构造出试卷去测试学生大脑中相关区域中知识的学习掌握情况,即是否掌握,掌握水平如何等。但在目标试卷生成以前,题库中的考题相对与目标试卷而言表现为存在或不存在两种可能形态。基于此,本文引入量子态对考题进行描述、编码和处理。
1.1 试卷分布构成
试卷覆盖是指由计算机考试系统生成一组考题集合(试卷)对测试区域各个知识点的涵盖。试卷的目的是系统地测试和评价试卷覆盖知识区域内学生的学习情况,并对这些数据进行处理,获得详尽而准确的信息,传送到需要这些信息的教师和教学管理部门。
考题是由考点以问题的形式构成的。其中考点与考试科目的相关知识点对应。因此考题的分布是考试系统获取学生学习信息的关键因素之一,其覆盖范围以及分布优化也随之成为研究领域中的重点。
1.2 试卷覆盖问题
试卷由数量有限的考题组成,每道考题包含若干有针对性的知识点所设置的考点。这些考点形成了考题的测试范围。如何组织试卷完成对目标区域的检测,就是考试系统覆盖性的问题。考题分布优化的任务就是在保持试卷结构完整的前提下,动态调整考题组成,以获得尽可能大的覆盖率,也就是使试卷能获得更广泛的信息。在保持考点充分覆盖的前提下,引入以下定义。
假设考察科目所涵盖的知识范围用集合S表示,组成每套试卷的考题用集合Q={qi,i=1,2,...,n}表示,每道考题测试的知识范围为ci,试卷的测试目标知识区域为A,(A?哿S),则理想的探测效果为。设为试卷有效覆盖知识区域的度量(考点数),d2=A为目标科目知识区域的度量(知识点数),则称ρ=d1/d2为试卷覆盖度。
覆盖性问题不仅反映了试卷所能测试的范围,而且通过合理的覆盖控制还可以使试卷中的考题组合得到优化,提高试卷的命题质量。
1.3 约束条件
我们采用以下公理化方式对知识覆盖问题进行描述(目标):在考题集合Q={q1,q2,...,qn}中求一个子集T作为试卷,使得满足以下约束条件。
① 各考题满足试卷总体约束条件;
② 试卷覆盖度ρ最大;
③ 考题数目T为最少。
3 量子遗传算法的考题分布优化
试卷的考题分布优化是一个多目标优化问题 ,需要在考题数与知识覆盖率之间达到平衡。即在保持试卷中考题数目与题型符合命题要求的情况下,尽可能增加试卷的知识覆盖度,使考题获取最广泛的测试信息。
3.1 量子遗传算法
量子遗传算法是量子计算与遗传算法相结合的产物。它以量子计算的一些概念和理论为基础,用量子比特编码来表示染色体,用量子门作用和量子门更新来完成进化搜索[2]。
我们根据考题在科目知识中的分布和权重(主要是指命题价值)按字典序编号,形成知识地图的坐标。由于题库中的考题在目标试卷生成以前具有不确定性,即在目标试卷中既可能存在,也可能不存在。这符合量子力学中的测不准原则。我们对这些编号进行量子编码,并用量子遗传算法在命题规则的约束下进行知识分布优化。
3.1.1 量子编码
1) 量子态引入
我们用Dirac算符|>和|>分别表示考题在目标试卷中表现为存在或不存在的两种可能形态。若用“1”表示存在,用“0”表示不存在。考题以叠加态的形式存在。即将一个量子比特可能处于|0>和|1>之间的中间态。可表示为:
|Ψ>=α|0>+β|1> (2)
其中α和β分别是|0>和|1>的概率幅,且满足下列归一化条件:
|α|2+|β|2=1(3)
式(3)中,|α|2表示量子比特的观测值在|0>状态的概率投影,|β|2表示量子比特的观测值在|1>状态的概率投影。
定义2.1满足式(2)和式(3)的一对实数α、β称为一个量子比特的概率幅,记为[α,β]T。
定义2.2角度ζ(ζ∈[-π/2,π/2])定义为一个量子比特的相位,即ζ=arctan(β/α)。
2) 染色体量子编码
我们从题型、章节、考题三个方面对试卷的染色体及种群进行量子编码。
其中,m为染色体的基因个体表示知识分布数量(章节数);k为每个基因的量子比特数表示每道题的属性数量。n个这样的个体构成的种群Q(t)={q1t,q2t,...,qnt}表示试卷,其中n为题型数量。
3.1.2 量子旋转门
量子旋转门是实现演化操作的执行机构。[3-5]图1为量子旋转门示意图。
其操作规律如下:
θi=k*f(αi,βi) (6)
其中k是一个与算法收敛速度有关的系数,k的取值必须合理选取,如果k的取值过大,算法搜索的网格就很大,容易出现早熟现象,算法易于收敛于局部极值点,反之,如果 k 的取值过小,则搜索速度太慢甚至会处于停滞状态。因此,本文将k视为一个变量,将k定义为一个与进化代数有关的变量,如,其中t为进化代数,max t是根据待求解的具体问题而设定的一个常数,因此k可以根据进化代数合理地调整网格大小。
函数f(αi,βi)的作用是使算法朝着最优解得方向搜索。本文采用表1的搜索策略。其原理是使当前解逐渐逼近搜索到的最佳解,从而确定量子旋转门的旋转方向。其中符号e表示α和β的乘积,即e=α*β,e的正负值代表此量子比特的相位ζ在平面坐标中所处的象限。 如果 e的值为正,则表示ζ处于第一、三象限,否则处于第二或第四象限。
在表1中,α1和β1是搜索到的最佳节的概率幅,α2和β2是当前解的概率幅,当e1,e2同时大于0时,意味着当前解和搜索到的最佳解均处于第一或第三象限。当|ζ1|>|ζ2|时,表明当前解应朝着逆时针方向旋转,其值为 +1,反之为 -1。同理可推出其他三种情况。
这样,量子门的更新过程可以描述为qjt+1=G(t)*qjt其中,上标t为进化代数,G(t)为第t代量子门,为第t代某个个体的概率幅,qjt+1为第t+1代相应个体的概率幅。
3.1.3 量子遗传算法流程(见图2)
①初始化种群,种群Q={q1,q2,...,qn},其中qj为种群中的第 j 个个体。 令种群中全部的染色体基因(αi,βi) (i=1,2,...,m)都被初始化为,这意味着一个染色体所表达的是其所有可能状态的等概率叠加。同时初始化进化代数t=0。
②量子坍塌法测量:对处于叠加态的量子位进行观测时,叠加态将因此受到干扰,并发生变化,称为坍塌。扰动使为叠加态坍缩为基本态。确定种群大小n和量子位的数目m,包含n个个体的种群通过量子坍塌,得到P(t),其中为第t代种群的第j个解(即第j个个体的测量值),表现形式为长度m为的二进制串,其中每一位为0或1。(量子坍塌即对Q进行测量,测量的步骤是生成一个[0,1] 之间的随机数,若其大于概率幅的平方,则测量结果值取1,否则取0。
③群体的适应度评价,保存最优解作为下一步演化的目标值。
④算法进入循环。首先判断是否满足算法终止条件,如果满足,则程序运行结束;否则对种群中个体实施一次测量,获得一组解及其相应的适应度。
⑤根据当前的演化目标,运用量子旋转门进行调整更新,获得子代种群。调整过程为根据式(6)计算量子旋转门的旋转角,并应用式(5)作用于种群中的所有个体的概率幅,即更新Q。
⑥群体灾变:当接连数代的最优个体为局部极值,这时就实行群体灾变操作,即对进化过程中的种群施加一个较大扰动,使其脱离局部最优点,开始新的搜索。具体操作为:只保留最优值,重新生成其余个体。
⑦迭代与终止进化代数t'=t+1,算法转至式(2)继续执行,直到算法结束。
4 仿真试验
为了验证算法的有效性,我们对传统遗传算法(CGA)与量子遗传算法(QGA)所获得的考题知识覆盖度进行仿真对比。我们将考题对考查科目所含知识的覆盖问题简化为:用12个半径为200的圆所代表的考题去覆盖一块1200×1000的二维平面内用矩形代表的知识区域;种群个体数 P = 45,量子位数目 m = 30,运行 600 代。算法运行结果对照如下。
从图3所示考题知识分布优化中覆盖度的变化特性可以看出在不同阶段的变化中,量子遗传算法优化性能高于传统遗传算法而且稳定性也更强。
5 结论
在试卷中存在考题不合理分布造成的测试阴影和盲区。通过量子遗传算法优化考题分布,使其在保证命题要求的情况下,用最少的考题取得最大的覆盖率,可以有效地消除探测区域内的阴影和盲点。仿真结果也表明,算法能够较好地完成试卷考题的分布优化,从而有效提高试卷的测试能力,对于实际的试卷命制提供了可靠的解决方案和调整依据。本文提出了创新性的考题分布的优化方法,即确立了试卷的覆盖模型,并以此为目标函数,运用量子遗传算法对考题分布进行优化。
参考文献:
[1] 张维,何蓉. 基于参数估计的遗传算法组卷研究[J]. 云南民族大学学报,2009,18(3):276-278.
[2] Donald A.Prospective Algorithms for Quantum Evolutionary Computation[C].Proc of the 2nd Quantum Interaction Symposium (QI-2008), College Publications, UK, 2008.
篇2
《企业会计准则第3号――投资性房地产》规定:投资性房地产是指为赚取租金或资本增值,或者两者兼有而持有的房地产。因此,判断一项资产是否属于投资性房地产,重要的是看该房地产带来的经济利益是否能够独立于其他资产。如果能够将投资性房地产产生的经济利益与其他资产产生的经济利益区别开来,则可将该资产单列为投资性房地产,比如,己出租的土地使用权、持有并准备增值后转让的土地使用权以及出租的建筑物都属于投资性房地产的核算范围。
根据投资性房地产准则的规定,投资性房地产应当按照成本进行初始确认和计量。在后续计量时,通常应当采用成本模式,只有存在确凿证据表明投资性房地产的公允价值能够持续可靠取得的,才可以采用公允价值模式。但是,同一企业只能采用一种模式对所有投资性房地产进行后续计量,不得同时采用两种计量模式。由于投资性房地产的计量可以采用成本模式和公允价值模式,因此,在后续计量、转换、处置及纳税调整方面就会存在差异。
二、 投资性房地产计量模式的后续计量差异
例1.20×5年12月,甲公司购入写字楼一幢对外出租。12月10日甲公司与乙公司签订了经营租赁合同,合同约定,租期3年,乙公司每月支付甲公司租金10万元。写字楼购入价1200万元,按照直线法计提折旧,使用寿命为20年,预计净残值为零。20×6年12月31日,这幢楼发生减值迹象,经减值测试,其可回收金额为1000万元。甲公司投资性房地产采用成本模式进行后续计量。
甲公司的帐务处理如下:
①每月计提折旧:1200÷20÷12=5(万元)。借:其他业务成本5万元;贷:投资性房地产累计折旧5万元
②确认租金:借:银行存款10万元;贷:其他业务收入10万元
③计提减值准备:1200-5×12-1000=140(万元)。借:资产减值准备140万元;贷:投资性房地产减值准备140万元
例2.兴鸿房地产经营开发公司与大成公司签订协议,将其新开发房屋一幢租赁给大成公司,租赁3年,20×6年6月1日正式交付大成公司使用。交付时该幢房屋开发成本5000万元,至12月31日,该房屋公允价值5200万元。兴鸿公司投资性房地产采用公允模式进行后续计量。
兴鸿公司帐务处理如下:
20×6年12月31日,按照公允价值为基础调整其帐面价值,公允价值与帐面价值的差额计入当期损益。借:投资性房地产――公允价值变动200万元;贷:公允价值变动损益200万元。
如果公允价值下降,作与此相反会计分录。
从上述会计处理我们看出:投资性房地产采用成本模式进行后续计量的,应当按期(月)计提折旧或摊销,存在减值迹象的,应当按照资产减值准则的有关规定,进行减值测试,发生减值的,应当计提减值准备,已经计提减值准备的投资性房地产,其减值损失在以后的会计期间不得转回。投资性房地产采用公允价值模式进行后续计量的,不计提折旧或摊销,应当以资产负债表日的公允价值计量。资产负债表日,公允价值与其帐面余额的差额,记入当期损益。
三、 投资性房地产计量模式的转换差异
企业必须有确凿证据表明房地产用途发生改变,才能将投资性房地产转换为非投资性房地产或者将非投资性房地产转换为投资性房地产,比如,出租的商务楼改为自用办公楼、经营管理的酒店整体出租给第三方经营、作为存货的房地产改为出租等。
例3.沿用例1资料,20×8年12月9日,甲公司将租给乙公司的写字楼收回自用。20×7年至20×8年该写字楼未再发生资产减值现象。
甲公司帐务处理如下:写字楼收回时,己提折旧1200÷20+1000÷19×2=165.26万元。借:固定资产1200万元,投资性房地产累计折旧165.26万元,投资性房地产减值准备140万元,贷:投资性房地产1200万元,累计折旧165.26万元,固定资产减值准备140万元。
成本模式下,非投资性房地产转换为投资性房地产,按上述相反分录进行会计处理。
例4.沿用例2资料,20×9年5月31日,兴鸿公司收回租赁给大成公司的房屋用作办公楼。该房屋20×7年公允价值6000万元、20×8年公允价值7000万元,兴鸿公司己对公允价值的变动进行了帐务处理。转换日,办公楼公允价值7300万元。
兴鸿公司帐务处理如下:5月31日,办公楼公允价值变动2000万元。借:固定资产7300万元;贷:投资性房地产――成本5000万元,投资性房地产――公允价值变动2000万元,公允价值变动损益300万元。
例5.20×9年6月,甲公司准备将其位于市中心的一幢自用房屋整体出租,并与乙公司签订了租赁协议,租凭开始日为20×9年7月1日,租赁期为5年。20×9年7月1日,该楼原值为2000万元,己提折旧800万元。假如甲企业投资性房地产采用公允价值模式计量,
①第一种情形:租赁日,该幢楼的公允价值1500万元。
甲企业的帐务处理如下:借:投资性房地产1500万元,累计折旧800万元;贷:固定资产2000万元,资本公积――其他资本公积300万元。
②第二种情形:租赁日,该幢楼的公允价值1000万元。
甲企业的帐务处理如下:借:投资性房地产1000万元,累计折旧800万元,公允价值变动损益200万元;贷:固定资产2000万元。
从上述会计处理中看出:投资性房地产转换过程中,采用成本模式下,投资性房地产与固定资产、无形资产之间的转换是按投资性房地产的帐面余额进行结转,与存货之间的转换,应按帐面价值结转,因此,一般不会对当期损益产生影响。而在公允价值模式下,投资性房地产转换为自用房地产,应当按转换日的公允价值作为自用房地产的帐面价值,公允价值与投资性房地产的帐面价值的差额计入当期损益,对当期损益产生影响;非投资性房地产转换为投资性房地产,如果在转换日,公允价值小于非投资性房地产帐面价值,按其差额计入当期损益,会对当期损益产生影响;如果在转换日,公允价值大于非投资房地产帐面价值,按其差额计入资本公积,就会对所有者权益产生影响。
四、 投资性房地产计量模式的处置差异
当投资性房地产被处置,或者永久退出使用且预计不能从其处置中取得经济利益时,应当终止确认该投资性房地产。
例6:大成公司对投资性房地产采用成本模式计量。2×10年5月,将其持有以备增值后转让的土地使用权出售给兴鸿公司,售价为6000万元。土地使用权帐面余额4000万元,己累计摊销1000万元。大成公司己收到价款6000万元。假设不考虑相关税费。
大成公司帐务处理如下:
①借:银行存款6000万元;贷:其他业务收入6000万元。
②借:其他业务成本3000万元,投资性房地产累计折旧(摊销)1000万元;贷:投资性房地产――土地使用权400万元。0
例7:华为公司投资性房地产采用公允价值模式进行计量 。2×10年3月,将其自用办公楼后转为投资性房地产的楼房出售给双雄公司,售价为8000万元。该办公楼在转换为投资性房地产时,由于公允价值大于固定资产的帐面价值,按其差额计入“资本公司――其他资本公积”200万元。出售时,该投资性房地产帐面价值6000万元,其中:成本5000万元,公允价值变动1000万元,价款己收。
华为公司帐务处理如下:
①借:银行存款8000万元;贷:其他业务收入8000万元。
②借:其他业务成本6000万元;贷:投资性房地产――成本5000万元,投资性房地产――公允价值变动1000万元。
同时,将转换日计入资本公积、投资性房地产累计公允价值变动损益转入其他业务收入:
③借:资本公积――其他资本公积200万元;贷:其他业务收入200万元
④借:公允价值变动损益1000万元;贷:其他业务收入1000万元。
从上述会计处理看出:对投资性房地产进行处置时,在成本模式下,将投资性房地产帐面价值、己计提的折旧或摊销结转当期损益。在公允价值模式下,除将投资性房地产的帐面价值结转当期损益外,同时,要将投资性房地产累计公允价值变动转入当期损益;如果处置的投资性房地产是从非投资性房地产转换来的,转换时,公允价值大于非投资性房地产的帐面价值的,则要将转换时原计入资本公积的部分结转当期损益。
五、 投资性房地产计量模式下纳税调整的差异
在采用成本模式下,如果企业采用的折旧政策与税法一致,不用进行纳税调整,如果不一致,则需要对企业折旧额与税法规定的折旧额的差额进行纳税调整。在采用公允价值模式下,不仅要对投资性房地产按税法规定的折旧年限应计提的折旧进行纳税调整,还要对投资性房地产在资产负债表日公允价值与帐面价值的差额计入当期损益的金额进行纳税调整,而且随着该项投资性房地产的存在,每年都需要进行相应调整。
参考文献:
篇3
ZHU Xun
(Department of Computer Science & Technology, Chengdu University of Information & Technology, Chengdu 610225, China)
Abstract: In view of network traffic self-similarity, reference to the two main available measures to deal this characteristic, this paper put forward a new queue management algorithm for the characteristic. The algorithm consists of buffer management strategy and queues scheduling strategy. The new queue management algorithm uses a new method which is named as "pseudo-expansion buffer zone". The "pseudo-expansion" strategy keeps the total buffer zone unchanged, but adds anther queue for dealing with self-similar burst traffic. For "expanded" buffer, new queue scheduling algorithm is based on static priority and round-robin. form the theoretical analysis, the new queue management algorithm is useful when dealing self-similar network traffic.
Key words: self-similarity; buffer management algorithm; queue scheduling algorithm; pseudo-expansion; burst
通过大量的网络测量和分析证实了:Internet业务流(如LAN[1]、WAN[2]、Web[3]流量)在所有时间尺度均呈现自相似特性(Self-Similarity)。自相似突出表现为业务的突发:没有一个明确、本质的长度,从微秒到分钟,从分钟到小时,数据流的突发性并不随着时间规模的增大而变弱,不同时间标度数据流都表现出相似的突发特性[4]。在自相似流量下,基于传统的排队模型、泊松流模型、Markov链模型等网络流量模型的队列调度策略和分组交换算法已经不太适应。众多专家学者对自相似流量下的分组交换算法做相当多的研究,提出了一些更合适于的数据包调度、交换算法,如:基于动态优先级和基于服务概率的队列管理算法[5]。
在自相似网络环境中,如果要得到较高有效缓存利用率或低溢出概率,可以采用以下两种方法:一种是增加路由器缓存容量;另一种是采用有效的队列管理算法。但使用第一种方法有如下缺点:当大容量缓存都被充满时,所有连接上的延迟都将急剧增大;突发聚集成更大的突发,导致拥塞继续拖延下去,因此增加缓存容量并不能有效降低溢出概率。因此,如何改进队列管理算法成为众多学者关注的焦点。
受文献[5]及其他基于动态优先级的队列管理算法的启发,本文提出了基于“伪扩充”的队列管理算法。
1 新队列管理算法介绍
该文提出的基于“伪扩充”的队列管理算法由两部分构成:一是队列缓冲区“伪扩充”,另一是针对扩充后的队列调度算法。
1.1 缓冲区管理算法
在应对自相似突发流量的解决方法中有一种可用的方法是扩大缓冲区容量,“伪扩充”队列管理算法结合了这种的思想。“伪扩充”策略是在保持队列缓冲区总大小不变的情况下,按照一定策略,从原有缓冲区队列中,对各个队列进行适当比例的空间截取,把这些截取的空间进行拼接成一个新的队列,即为“扩充”了缓冲区。再结合队列管理算法,提高自相似流量下队列缓冲区的利用率。“扩充”的新队列用于辅助每一个队列应对突发的自相似网络流量,相当于扩大了单个队列的容量。
缓冲区截取的策略:假设原有缓冲区共分i个队列,其中每个队列的大小为p单位。新的算法是把i个队列的缓冲区进行截短,设截取参数为a,把截取的i段缓冲区组合成一个队列,如果使得合并的新队列大小和截取操后的原队列的大小保持相近,则a的取值为1/(i+1)。转化效果如图1所示。
缓冲区按照图1所示意的“扩充”策略转化后,当某类型业务流对应的队列满后,新队列作为原队列的一个后备队列,这样相当于给原有队列增大到原来的2i/(i+1)倍。
数据包从分类器进入相应优先级的队列,当相应的队列满后,后续的数据包进入第n+1个队列(即为新队列)中,如果第n+1个队列也为满的情况下,对后续数据包做简单的丢弃。
1.2队列调度算法
对于队列服务管理常用的有两类,一种是基于通用处理机共享,一种是基于轮询。这两类算法存在一个共同的问题, 即需要执行基于数据包的权重计算,其中对基于GPS的算法, 需要对每个数据包进行虚时间计算;而基于动态优先级的轮询类算法, 每发送一个数据包就需要重新计算权重参数。对比两种算法的计算复杂度,基于轮询的算法更小,所以本文提出的队列调度策略基于轮询算法。
本论文提出的算法的队列管理策略如下:给缓冲区中各个队列进行优先级设定,以及时间片分配,每个队列分配到的优先级和时间片作为一个常量。如缓冲区共有队列n个,“扩充”后则为n+1个,对n个队列进行优先级分配,第一个队列优先级设定为1,也即为最低优先级,时间片分配t1个单位;第二个优先级设定为2,时间片分配t2个单位;以此类推至第n个队列。第n+1个队列(即为新队列)调度算法按照队列分配的时间片进行,兼顾缓冲区原有队列的时间片分配,新队列的时间片分配原则按照平均的原则,做原有队列分配时间片和的平均值。新队列的优先级定位0,其时间片分配按tn/i个单位,即按照中等优先级队列分配时间片。
队列轮询服务算法流程如下:
1)对队列的执行为从优先级最高的队列开始,设置一个变量index值为n(变量index用于存储当前接受服务队列优先级,也即是指向当前接受服务的队列);
2)如果队列优先级大于0,转到3),否则转到6);
3)按照优先级级别为index应分配到的时间片进行服务,当时间片用完但仍未处理完该队列的数据包时,转到4),如果数据处理完,仍有时间片剩余时转到5);
4)中断该队列的处理,index值减1,转到2);
5)用剩余的时间片处理第n+1个队列中数据,时间片用完时仍未处理完时,index值减1,转到2);如第n+1个队列中的数据处理完,但时间片仍有剩余时,转入到下一个优先级的队列,index值减1,转到2);
6)按照第n+1个队列对应的时间片进行数据包处理,时间片到但仍未处理完数据时,转到1;处理完数据包后,时间片仍有剩余则转到1)。
2新算法的优点分析
2.1 适合自相似流量的突发性
自相似流量具有突发性,突发数据包到达是对队列缓冲区的要求特别大。Laskin等人[6]基于FLM(Fractional Levy Motion)过程建立了一个经典的解析模型,并得出自相似网络环境中队列缓存容量需求b(或称队列长度)与平均资源利用率ρ的关系如下:
b=cp 1/(a-a・H)(1-p) -H(1-H),其中,c为一个常数,a∈(0,2)为特征指数;H∈[1/a ,1)为自相似参数,且H越大,自相似程度越高。在c为1的情况下,从(a=2,H=0.7)、(a=2,H=0.9)、(a=0.6,H=0.8)和(a=1.2,H=0.8)四组条件下函数对应的曲线分析,自相似参数H越大,曲线斜率变化越大,队列缓存容量需要也越大,并在缓存平均利用率为35%~65%区间内开始急剧增长[4]。
按照新算法,由于对发生突发业务流量的队列长度增加了近一倍大小。也既是在没有增加缓冲区总体容量和缓冲区数据包的处理时延的情况下,增大队列缓冲区的容量。所以能有效应对突发的自相似流量。
2.2较基于队列长度动态管理算法
动态调整的算法,往往是在突发的自相似流量到达并溢出队列时,根据丢包标识位的定时扫描发现,然后扫描有空闲的队列上截取空闲部分,再进行和现有队列拼接。其中丢包标识位的定时循环扫描、空闲队列的扫描都是耗时的,并且空闲队列的截取和拼接在较差情况下,会导致更多的丢包以及空闲队列的扫描、截取和拼接的耗时。
本文提出的新的算法,把发生突况后,原队列被填充满后,会把更多的数据包转移到新生成的队列中,避免了队列的丢包标示位的扫描、空闲队列的扫描、截取和拼接造成的时延,有利于提高缓冲区中数据包的响应时间,增大了吞吐量。
2.3较基于服务概率的队列调度算法
基于优先级调度的轮询的算法存在“饥饿”问题,有的学者提出了“概率优先级(probabilistic priority)”的概念来解决此问题[7]。该策略它为每个优先级分配一个服务概率参数, 当该优先级获得服务机会时,不是100%获得服务, 而是以该服务概率参数的概率获得服务。
本文中提出的队列管理算法是更为简单:它给固定优先级的队列分配固定的时间片。在队列满负荷工作的情况下,各个队列循环扫描服务一遍后,优先级最高的队列得到了最长时间的服务,优先级最低的得到的服务时间最少,从而保证了优先级队列的服务时间,又避免了“饥饿”现象的发生。本文中对“优先级”的处理为:并非高优先级的处理完再处理低优先级的,而是按优先级分配处理时间片。
2.4较自相似流量的检测机制
在处理自相似突发流量研究中,有些学者提出了对自相似流量的早检测的方法。文章[8]提出的随即早检测的方法是对比于泊松模型下的网络流量,基于自相似流量的突发性,扩大最大和最小值之间差距的方式来检测自相似流量,并设计了一种丢包策略。
由于自相似流量的突发的特性,考虑进入交换系统中多种不同的网络数据流和同一数据流在具体的不同时间段下的流量波动,自相似流量的hurst指数的并不确定性,因此对于自相似流量的早检测方法,都是具有局限性的。并且由于计算数据包到达的流量和比较流量是否达到自相似阈值都有一定耗时,本论文中提出的新算法节省了上述耗时操作,以分配更多的时间片给缓冲区队列用于数据包处理。
3 结束语
该文中提出的算法,在缓冲区的管理策略上和队列调度算法上,对比于众多基于动态队列调整的算法有着显著的不同,“扩充”的缓冲区队列、避免了动态调整队列长度上的耗时和避免优先权重计算的调度算法,三者会使得系统吞吐量更大,进而能有效应对自相似的突发流量。
该算法下一步的工作是通过仿真,验证算法的实际效果。然后研究实际情况下的不同业务流量,设计更优的队列管理算法。
参考文献:
[1] Leland W E,Taqqu M,Willinger W.On the Self-Similar Nature of Ethernet Traffic (extended version)[J].IEEE/ACM Transactions on Networking (S1063-6692),1994,2(1):1-15.
[2] Paxson V,Floyd S.Wide Area Traffic: the Failure of Poisson Modeling[J].IEEE/ACM Transactions on Networking (S1063-6692),1995,3(3):226-244.
[3] Crovella M E,Bestavros A.Self-Similarity in World-Wide Web Traffic: Evidence and Possible Causes[J].IEEE/ACM Transactions on Networking (S1063-6692),1997,5(6):835-846.
[4] 张连明.一种基于自相似业务的队列管理算法[J].系统仿真学报,2007,2,19(3):597-600.
[5] 尹德斌,谢剑英.一种新的加权公平调度算法[J].计算机工程,2008,2,34(4):28-30.
篇4
中图分类号： TP273
文献标志码：A
Quantum-inspired clonal algorithm based method for optimizing neural networks
Abstract：
In order to reduce the redundant connections and unnecessary computing cost， quantum-inspired clonal algorithm was applied to optimize neural networks. By generating neural network weights which have certain sparse ratio， the algorithm not only effectively removed redundant neural network connections and hidden layer nodes， but also improved the learning efficiency of neural network， the approximation of function accuracy and generalization ability. This method had been applied to wild relics security system of Emperor Qinshihuangs mausoleum site museum， and the results show that the method can raise the probability of target classification and reduce the false alarm rate.
Key words：
neural network； quantum-inspired clonal algorithm； target classification； redundant connection； network optimization
0 引言
神经网络已经被广泛地应用于模式分类、函数逼近、信号预测等各种领域，是近年来的研究热点之一[1-2]。在应用过程中，研究人员发现，当神经网络的规模过大会产生连接数量冗余大、计算代价过高的问题，降低了大规模神经网络的实用性。针对此问题，研究人员提出了多种方法在保持神经网络的前提下优化神经网络的结构和参数权值。Leung等[3-4]改进了传统的遗传算法（Genetic Algorithm， GA）并将其应用于神经网络的结构和权值优化过程，利用遗传算法的快速收敛性来提高神经网络的学习速度，其缺点在于当目标函数维数过大时容易陷入局部最优。Xiao等[5]使用混合优点（Hybrid Good Point， HGP）优化前向神经网络的参数和结构，避免权值陷入局部最优，但其对网络结构的优化没有达到最优。Shu等[6]提出正交模拟褪火（Orthogonal Simulated Annealing， OSA）算法， 使用褪火算法和正交算法的优点来同时优化神经网络结构和参数，其算法收敛速度快、鲁棒性好，缺点则在于计算代价较大。杜文莉等[7]提出了使用量子差分进化（Cooperative Quantum Differential Evolution， CQGADE）算法来优化神经网络权值，使用量子遗传算法优化网络结构和隐层节点数，算法综合了量子遗传算法和量子差分算法的优点，收敛速度快，但其缺点在于需要同时协同两种算法的优化结果，算法复杂度较高，且容易陷入局部最优。Tsai等[8]提出混合田口遗传算法（Hybrid Taguchi Genetic Algorithm， HTGA），将传统的GA与Taguchi方法结合起来，使得算法具有鲁棒性好、收敛性快等优点，但其缺点在于获得最优解的计算代价较大。
量子免疫克隆算法[9-12]（Quantum-inspired Immune Clonal Algorithm， QICA）也称为量子遗传算法（Quantum Genetic Algorithm， QGA），其将量子搜索机制和免疫算法克隆选择原理相结合，利用量子编码的叠加性和随机性构造抗体，利用遗传算法的克隆操作产生原始种群和克隆子群实现种群扩张，使搜索空间扩大，提高了局部搜索能力；同时借助全干扰交叉操作避免陷入局部最优。QICA采用了多状态量子比特编码方式和通用的量子旋转门操作， 引入动态调整旋转角机制和量子交叉[11]。QICA在组合优化问题中具有良好的表现。
针对上述问题，提出了使用量子克隆免疫算法对神经网络的结构和连接权值同时进行优化，通过产生具有一定稀疏度的连接权值对网络隐层数量和连接权值进行优化，提高了算法的效率和收敛速度，避免了算法陷入局部最优。
1 带开关权值的神经网络模型
在经典的神经网络理论中，网络结构在初始化后便不再变动，仅通过权值的变化来计算产生结果，这种算法增加了神经网络的结构复杂性，在实际应用中增加了计算结果的代价。Leung等[3-4]提出了带开关权值的神经网络，通过调整开关的通断就能调整神经网络的结构和连接数量，从而减少计算代价。带开关权值的神经网络模型如图1所示[7]。
2.2 权值计算及优化方法
根据量子克隆免疫理论，将神经网络权值计算及优化过程分为以下四个过程。
2.2.1 权值抗体初始化
量子克隆免疫算法是基于量子计算和遗传算法组成的，其抗体的编码方式采用量子比特编码。一个抗体中的量子位的状态是不确定的，可以为0或1，其状态表示为式（5）：
3.1 算法复杂度分析
量子克隆免疫算法的实质是通过量子理论的随机特性提供丰富的种群数量，并通过使用遗传算法对种群进行淘汰和进化，因此其算法的复杂度等于种群生成算法的复杂度：假设神经网络有x个输入，其隐层节点数量为N，输出为y，则网络中的输入与隐层节点间的连接权值ω的数量为：x*N，隐层节点与输出层的连接权值v的数量为：N*y。种群生成需要对所有节点进行权值初始化，并将随机位置的n（nN）个节点的权值设置为0， 其算法复杂度为O（n2）。而克隆免疫算法在种群克隆及抗体选择过程中使用遗传算法，因此其算法的复杂度与传统遗传算法相同，其算法复杂度也为O（n2）。因此，使用量子免疫克隆的神经网络优化算法的复杂度为O（n2）。
3.2 非线性函数逼近
选取复杂交互非线性函数（Complicated Interaction Function，CIF）：
其中0
选取样本700组，其中500组用于训练，其余200组用于检测性能。神经网络的初始隐层神经元设置为20个，初始网络结构为：2-20-1，初始连接权值为随机值。在此条件下验证不同稀疏度条件下对CIF的二维逼近效果如图3所示。
图3显示随着稀疏度的不断降低，神经网络的逼近能力有所减弱，逼近误差则逐渐增大。这主要是因为神经网络中的连接权值数量降低，造成神经网络的适应性差。具体逼近效果见表2。
从表2中可以看出，隐层节点数量直接影响着神经网络的性能。高稀疏度条件下的计算量大，但逼近精度高；低稀疏度条件下的计算量小，但逼近精度较差。实验表明当稀疏度大于0.6时，算法的逼近精度高于90%，优化后的网络具有较好的非线性逼近能力。当神经网络隐层节点数量低于12时逼近精度大幅下降，说明此时神经网络处理信息的能力也随之大幅减弱，隐层节点的最合适的数量为12～14个，这也符合文献[14]的实验结果。
图4为不同稀疏度下，算法适应度的收敛情况。可以看出量子克隆免疫算法具有很好的收敛特性，算法收敛速度很快，能够在很短的进化次数内收敛至极值，且稀疏度越低，神经网络的连接权值数量越少，算法收敛速度越低，最优适应度越差。
表3为相同条件下，不同算法的最优计算结果，包括目标分类的准确度、隐藏层节点数量等。可以看出，当稀疏度高于0.8时，本文算法收敛性和适应度均优于混沌粒子群（Chaotic Particle Swarm Optimization，CPSO）[15]、粒子群优化算法（Particle Swarm Optimization，PSO）[16]、混合田口遗传算法[Hybrid Taguchi-Genetic Algorithm，HTGA][8]等其他算法，说明算法具有很好的收敛速度、寻优精度和鲁棒性。
3.3 微地震信号目标分类
实验场地选择在秦始皇兵马俑博物馆内K9901号坑旁。所有传感器节点沿公路一侧直线部署，距离公路1m左右。可能产生地震波的活动物体包括人员行走、机动车和挖掘活动。将采集到的微地震信号进行滤波、分帧、特征提取等处理后输入至神经网络进行模式识别。
系统对传感器采集到的数据进行分帧，并使用功率谱二次分析[17]算法对其进行处理，最后将经过预处理的数据输入至神经网络对其进行分类。根据其活动特点，将输出目标分为三类：人员活动、挖掘活动以及机动车辆活动。传感器采集到的三类活动的经典波形如图5所示。
表6中给出了算法的最优计算结果，包括不同稀疏度条件下神经网络的隐藏层节点数量、最优适应度以及分类准确率等。可以看出，算法能够有效减少冗余的隐藏层节点数量，并降低节点连接数量。算法的稀疏度越高，其适应度越好，其分类的准确性越好，但稀疏度高带来的则是计算代价增大、计算复杂度增加。当稀疏度低于0.7时，算法的适应度变差，目标的识别率为90%，在实际应用过程中带来了误判率较高的问题，降低了实用性。因此在秦始皇帝陵博物院野外文物安防系统中使用了稀疏度为0.7的算法对模式识别的神经网络进行优化。
4 结语
本文提出了基于量子免疫克隆算法的神经网络优化算法，该算法在训练神经网络优化权值的同时删除了冗余连接和多余的隐层节点，实现了神经网络结构和网络权值的优化。通过经典非线性函数逼近和目标识别检验，算法能够有效地优化神经网络，提高神经网络的优化效率，减少计算复杂度。使用优化后的神经网络已经用于秦始皇帝陵博物院野外文物安防系统中。
参考文献：
[1] QIAO H， ZHOU Y，SHAO N， et al. Software reliability prediction based on learning vector quantization neutral network[J]. Journal of Computer Applications， 2012，32（05）：1436-1438.）（乔辉，周雁舟，邵楠，等.基于学习向量量化神经网络的软件可靠性预测[J].计算机应用，2012，32（5）：1436-1438.）
[2] PAN Y， DENG Y， ZHANG Q， et al. Deterministic prediction of wavelet neural network model and its application[J]. Journal of Computer Applications，2013， 33（4）：1001-1005.（潘玉民，邓永红，张全柱，等.小波神经网络模型的确定性预测及应用[J].计算机应用，2013，33（4）：1001-1005.）
[3] LEUNG H F，LAM H F， LING S F， et al. Tuning of the structure and parameters of neural network using an improved genetic algorithm[C]// Proceedings of the 27th Annual Conference of IEEE Industrial Electronics Society. Piscataway： IEEE，2001：25-30.
[4] LEUNG H F， LAM H F， LING S H， et al. Tuning of the structure and parameters of a neural network using an improved genetic algorithm[J]. IEEE Transactions on Neural Network，2003，14（1）：79-88.
[5] XIAO C， CAI Z， WANG Y， et al. Tuning of the structure and parameters of a neural network using a good points set evolutionary strategy[C]// Proceedings of the 9th International Conference for Young Computer Scientists. Piscataway： IEEE， 2008：1749-1754.
[6] SHU L， HO S Y， HO S J. Tuning the structure and parameters of a neural network using an orthogonal simulated annealing algorithm[C]// Proceedings of the 2009 Joint Conferences on Pervasive Computing. Piscataway： IEEE，2009：789-792.
[7] DU W， ZHOU R， ZHOU L， et al. Cooperative quantum differential evolution algorithm based method for optimizing neural networks[J].Journal of Tsinghua University： Science and Technology， 2012，52（3）：331-335.（杜文莉，周仁，赵亮，等. 基于量子差分进化算法的神经网络优化方法[J].清华大学学报：自然科学版，2012，52（3）：331-335.）
[8] TSAI J， CHOU J， LIU T. Tuning the structure and parameters of a neural network by using hybrid Taguchi-genetic algorithm[J]. IEEE Transactions on Neural Network， 2006，17（1）：69-80.
[9] LI Y， JIAO L. Quantum-inspired immune clonal algorithm and its application[C]// Proceedings of the 2007 International Symposium on Intelligent Signal Processing and Communication Systems. Piscataway： IEEE， 2007：670-673.
[10] JIAO L， LI Y， GONG M，et al. Quantum-inspired immune clonal algorithm for global optimization[J]. IEEE Transactions on Systems， Man and Cybernetics， Part B： Cybernetics， 2008，38（5）：1234-1253.
[11] ZHOU C， QIAN F. Improvement of quantum genetic algorithm and its application[J]. Journal of Computer Applications， 2008，28（2）：286-288.（周传华，钱峰.改进量子遗传算法及其应用[J].计算机应用， 2008，28（2）：286-288）
[12] ZHOU Q， JIANG S， ZHAO X， et al. Improved quantum genetic algorithm and its application in test data generation[J]. Journal of Computer Applications，2012，32（2）：557-560.（周绮，姜淑娟，赵雪峰，等.改进的量子遗传算法及其在测试数据生成中的应用[J].计算机应用，2012，32（2）：557-560.）
[13] QIAO J，LEE Y G， SCOTT D S， et al. Self-organizing radial basis function network for real-time approximation of continuous-time dynamical systems[J]. IEEE Transactions on Neural Networks，2008，19（3）：460-474.
[14] HAN H， QIAO J， BO Y， et al. On structure design for RBF neural network based on information strength[J]. Acta Automatica Sinica， 2012，38（7）：1083-1090.（韩红桂，乔俊飞，薄迎春，等.基于信息强度的RBF神经网络结构设计研究[J].自动化学报， 2012，38（7）：1083-1090.）
篇5
0 引言
车载网络（Vehicular Ad Hoc Networks，VANETs）是支撑智能交通系统（Intelligent Transportation System，ITS）的关键技术，由具有无线通信能力的车辆节点或路边基础设施（Roadside Infrastructure Unit，RIU）构成。与传统移动自组织网络不同，车载网络管理的是公路上高速移动的机动车辆，网络拓扑随车辆移动动态变化，基于车载网络的交通应用对通信实时性要求较高。资源调度是提高车载网络数据吞吐量、降低数据传输时延的重要技术手段，是车载网络的重点研究内容。
为改进传统智能交通系统低效的通信模式，车载网络以更直接、高效的方式收集、传播和分发信息。资源调度是提高车载网络数据传输能力的重要技术手段，车载网络资源调度的主要挑战在于如何有效利用车载网络物理层条件（车辆移动性、车辆无线信道、车辆相对位置）满足应用层的需求。
Liu等人研究了如何利用RIU作为协作中继帮助车载网络车辆传输数据。Wu等人提出了一种从路边基站到行驶车辆的下行调度算法，对车载网络下行信道资源进行有效管理。Zhang等人提出了同时考虑上行和下行请求的调度算法。2013年Li针对WiMAX网络和WAVE网络中资源调度方式不同，提出一种基于反馈的两级资源调度机制。H.Ilhan等人提出了一种基于放大转发的自组织Ad Hoc网络的车载网络架构。M.Seyfi等人提出了一种两跳车载网络的中继选择策略。M.F.Feteiha等人提出了一种基于多天线放大中继的车载网络资源调度策略。Zheng等人基于图论提出了一种车辆与基础设施之间的链路V2I（Vehicle-to-Infrastructure）和车辆与车辆之间的链路V2V（Vehicle-to-Vehicle）并存的车载网络资源调度方法。文献[18]基于多选择的联合链路调度与资源优化方法。文献[19]基于LTE-Advanced架构提出了中继车载网络的一种传输方法。
这些研究从车载网络信道资源分配管理角度提高了路边基站的访问效率。不足之处在于，现有车载网络资源调度方法大多都基于车辆的瞬时状态，没有考虑车辆的移动性，难以准确刻画车载网络链路传输能力并充分发挥车载网络移动下的系统性能。
1 异构车载网络
如图1所示，一个典型的异构车载网络结构包含公路上高速行驶的车辆节点和RIU，所有的车辆都可通过V2I/V2V两种链路与RIU通信，进而接入Internet。同时，车辆与车辆之间通过V2V链路互相通信，共享路面信息。本文研究的异构车载网络由V2I（采用LTE-Advanced协议）和V2V（采用Dedicated Short RangeCommunication，DSRC协议）两部分链路组成；采用的调度算法是通过调度管理车载网络传输链路资源（V2I与V2V），帮助车载网络范围内各车辆互相协作，从而提高车载网络整体数据传输性能。
针对车载网络中网络节点是高速移动的机动车辆，本文提出了一种基于移动服务量的异构车载网络资源调度算法（Moble Services Resource Scheduling algorithm，MSRS）。MSRS算法中，由基站对两种网络资源进行统一调度。与现有算法（Achievable Rate-based Resource Scheduling algorithm，ARRS）使用车辆瞬时可达速率调度不同，MSRS算法首先依据车辆的运行轨迹计算调度周期内V2I和V2V链路移动服务量；根据V2I移动服务量分配车辆使用直接与基站通信还是通过协作转发车辆与基站通信；若车辆为协作通信方式，基站利用图论中的二分图最大权重匹配算法为车辆分配协作转发车辆，车辆作为二分图顶点、V2I和V2V链路为二分图边、V2I和V2V移动服务量为边的权重。MSRS算法为异构车载网络数据传输提供最大总吞吐量传输方案。仿真实验表明，与现有基于瞬时速率的资源调度算法相比，在不同车辆数量、车速、基站覆盖范围条件下MSRS算法都可以提供更高的数据吞吐量，与穷举资源调度算法相比，MSRS算法复杂度更低。
2 车载网络链路误差分析
车载网络中由于车辆快速移动，从而导致网络拓扑快速变化，节点间的通信链路质量变化也很快。采用基于瞬时可达速率的车载网络资源调度算法，为了适应网络的这种快变特点，必须缩短调度周期，不断计算并更新调度结果。这会带来调度计算和网络信令的开销大幅增长，降低车载网络有效传输能力。
如图2所示场景，V1远离RIU行驶，V2、V3与V1相对行驶靠近RIU。在图2（a）时刻车载网络进行资源调度，此时若采用传统的瞬时可达速率作为优化目标效用函数，由于V1此时离RIU近、信道条件好，则V3的最大可达速率策略为选择V1作为协作节点协助V3与RIU通信。图2（b）所示为调度周期结束时车辆的所在位置。比较图2（a）与（b）可以看出，由于V3与V1相对行驶且V1逐渐远离RIU，V3通过V1协助与RIU的可达速率不断减少，调度周期内V3获得的通信速率大大少于预期。可见，图2（a）调度获得的最优调度方案在实际运行时并不是最优方案，调度方案预期性能与实际效果有较大误差。
造成这种误差的原因是资源调度方案只考虑车载网络的瞬时静态可达速率状态，并以此为依据进行资源调度。而车载网络是不断运动变化的网络，节点相互位置动态变化，以静态方案规划动态变化的网络必然造成误差，难以达到最优配置网络资源的目的。为减少误差，现有资源调度方案大多通过增加调度频率、减少调度周期的方法减少网络在调度周期运行期间与方案规划时状态的差异。这种方法增加了通信开销，减少了算法有效持续时间，越来越不适应车辆密度越来越大、车速越来越快的现代交通网络。
因此，本文提出基于移动服务量的车载网络资源调度算法，通过计算调度周期内车辆能获得的移动服务量代替调度时的瞬时可达速率进行车载网络资源调度。该算法能反映调度周期内车辆位置变化带来的车辆可达速率改变，从而更精确的描述车载网络状态变化，减少车载网络资源调度算法在实际应用中出现的误差。
3 移动服务量
为设计更精确的资源调度方案，采用移动服务量代替瞬时可达速率，计算车辆在一个调度周期可以获得的移动服务量，从而更精确的描述车载网络链路状态，为更精确的资源调度方案设计打下基础。定义第k个调度周期可以获得的移动服务量为：
图7仿真车辆数目对MSRS算法的影响。20、40、60、80、100、120、140、160、180、200辆车辆随机分布在道路上，车辆最大时速35m/s，RIU覆盖半径500m，每种车辆数目进行200次实验取均值。从图7可以看出，十字路口场景下，无论车辆数目如何变化，MSRS算法相比ARRS算法所获得的资源分配方案更优，能使车载网络达到更大的数据吞吐量。
图8仿真车速对车载网络资源调度算法的影响。100辆车随机分布在道路上，RIU覆盖半径500m，车辆最大时速为22-52m/s，每种车速进行200次实验取均值。图8可以看出，十字路口场景下，无论最大车速如何变化，MSRS算法相比ARRS算法得出的资源分配方案更优，能使车载网络达到更大的数据吞吐量。随着最大车速增加，MSRS算法相对ARRS算法的总吞吐量也呈现不断增长趋势；在最大车速大于40米/秒后，MSRS算法相对ARRS算法的性能优势更明显，说明随着车速增加，车辆在一个调度周期移动的距离增大，ARRS算法描述车辆链路性能的误差也越大，因此MSRS算法相对ARRS算法的性能优势更加明显，MSRS算法更适合高速移动车载网络。
图9仿真RIU覆盖范围对车载网络资源调度算法的影响。100辆车辆随机分布在道路上，车辆最大时速为35m/s，RIU覆盖半径500-1500m，为每种覆盖半径进行200次实验取均值。
篇6
（一）竞价交易资金现状 在竞价销售资金未支付或上缴财政前，停留在省、市粮食交易市场账户，由省、市中储粮分公司（直属库、点）在当地农业发展银行贷款取得，如果粮食交易市场不能及时将货款、保证金汇到中储粮分公司（库、点）账户，中储粮分公司（库、点）就无法及时归还农发行贷款，产生的利息事实上由中央财政负担。由于各省、市粮食交易市场竞价交易资金管理是依据国家有关部门根据不同时期、不同性质、不同品种制定的粮油竞价交易细则办理的，停留在各粮食交易市场的竞价交易资金形成的利息收入归粮食交易市场所有，客观上造成粮食交易市场为取得利息收入，在支付竞价交易资金时难以及时、主动，不利于信贷资金管理与资金安全，也加大了财政支出。
（二）竞价交易资金管理 为进一步做好中央政策性粮油竞价交易工作，保障交易双方合法权益，规范竞价交易行为，确保竞价交易资金安全，规范、完善各级粮食交易市场竞价交易资金管理办法十分必要。
（1）充分利用现代科技手段夯实资金管理基础。目前全国联网的“国家粮油交易中心竞价交易系统”，有着强大的电子化财务处理功能，要充分利用这一现代科技手段，发挥其准确、规范、快捷的优势，夯实资金管理基础。严格执行“交易系统”的业务流程和国家有关部委制定的中央政策性粮油竞价交易细则；严格审核交易会员资格，准确录入交易会员信息；准确收取、录入、复核交易保证金、履约保证金和货款。根据竞价交易结果，依法签订《粮食竞价交易购销合同》；及时办理出库提货手续，实现物流属性转换；及时支付卖方粮款，保证资金安全和提高资金使用效率。
（2）规范细化交易资金运作规则。一是开设“中央政策性粮油竟价交易资金银行存款专户”。粮食交易市场收到的竞价交易资金属于购买特定性质、对象的资金，粮食交易市场作为承担中央政策性粮油竞价交易的中介单位，须在当地省、市级农发行开设收取竞价交易资金专户，统一账号、统一代码。买卖双方预交的交易保证金、履约保证金和交易货款均专户存储，同时制定中央政策性粮油竞价交易资金专户管理办法，财政、农发行、审计等部门依据竞价交易资金专户管理办法随时对专户资金存入、付出、结存情况进行监管、检查。省、市中储粮分公司也在当地省、市级农发行开设“中央政策性粮油竞价交易资金专户”，便于及时回笼货款。二是明确规定中央政策性粮油竞价交易资金专户的存款利息不属于粮食交易市场。粮食交易市场按照同期活期存款利率计算粮油竞价交易资金利息，在与买方、卖方办理退付保证金、支付货款结算时，将保证金、货款在竞价资金专户形成的活期存款利息随交易货款、交易保证金、履约保证金一并付给买方、卖方。买方、卖方在收到保证金、货款时，复核粮食交易市场计算的活期存款利息是否准确。三是明确规定粮食交易市场退付交易保证金、履约保证金和货款时限。竞价交易成交后，买方须在竞价交易成交之日起20天内，将全部货款一次或分批汇到粮食交易市场在农发行开设的竞价交易资金专户，粮食交易市场在货款到账后，须在1个工作日内向买方开具《出库通知单》，并及时告知买方和卖方库、点准备发货。粮食交易市场须在开具《出库通知单》后3个工作日内，将竞价交易资金（含存款利息）在扣除卖方手续费后汇至中储粮分公司在省、市农发行开设的竞价交易资金专户。如卖方违约或因不可抗力造成合同终止，若货款资金仍在粮食交易市场账户，由粮食交易市场在判定违约日或终止合同起3个工作日内，将货款资金（含存款利息）退还给买方；若货款资金已汇至中储粮分公司，由中储粮分公司在收到判定结果或终止合同日起3个工作日内，将已收到的货款资金（含存款利息）一并汇至粮食交易市场，由粮食交易市场将货款资金（含存款利息）退给买方。
（3）适当提高竞价交易手续费。粮食交易市场现行中央政策性粮油竞价交易费标准是基于竟价销售资金在其账户形成的存款利息属于粮食交易市场为前提制定的，在改革竟价交易资金管理时，考虑粮食交易市场已运行多年，先期投入很大，且为国家粮食宏观调控做出了显著贡献，根据粮食交易市场收入、费用、人员和设备设施条件，理应适当提高交易手续费标准。
粮食交易市场应严格执行国家有关部门重新核定的交易手续标准，按实际交割金额向买卖双方收取手续费，竞价交易未成交的，不得收取手续费。竞价交易成交后违约的，以及因不可抗力原因造成合同终止，交易市场扣留违约方交易保证金，不再向双方收取交易手续费。粮食交易市场不得擅自或变相提高交易手续费，不得少计算或不计算应付给买卖双方的存款利息，违反规定按有关财经法规处理。
二、中央政策性粮油竞价交易的会计核算
目前，安徽粮食交易市场（主市场），省、市分市场各自按照市场性质、规模和会计核算要求办理经济业务核算，有的使用《企业会计制度》，有的采用《行政事业单位会计制度》；有的执行权责发生制，有的执行收付实现制；利息、手续费、分市场上缴主市场手续费等在确认、归集、计算、核算存在不同标准；财政、审计等部门在监管、审计粮食交易市场资金管理和会计核算结果时也感到棘手。建议财政部制定统一规范的中央政策性粮油竞价交易会计核算办法，及时、准确反映竞价交易资金的运存状况，更好地服务于国家粮食宏观调控。
（一）设置“结算会计”岗位 2006年开始，安徽粮食交易市场，专门设置了独立于“国家粮油交易中心竞价交易系统”的财务“结算会计”岗位。“结算会计”根据“竞价交易系统”提供的单据和原始凭证，按买卖方分户核算，独立编制凭证、登记账簿、核对资金流。现场与“竞价交易系统”的出库复核员、付款审核员核对客户资金余额以及与各分市场的往来余额。“结算会计”岗位的设置，能够及时复核、发现、纠正“国家粮油交易中心竞价交易系统”的业务差错，对保证中央政策性粮油竞价资金安全，起到很好的监管、核算作用。由于“结算会计”岗位职责明确，配合、监管科学合理，及时发现和纠正了多起在“国家粮油交易中心竞价交易系统”上出现的户名串户、数量、金额、保证金、粮款录入或计算等差错，从未出现过交易客户在离开市场后才发现出库单、退款单、入账单、客户名等差错的情况，真正做到高效运行、万无一失。
（二）统一执行《企业会计制度》 由于有的粮食交易市场为事业性质单位，而实际从事的粮油交易业务客户多、数量、金额巨大，远非收付实现制的《行政事业单位会计制度》所及，无论从工作实践和会计准则出发，都应执行权责发生制的《企业会计制度》。主营业务收入（含手续费收入）按照《企业会计准则第14号——收入》确认与计量。交易手续费收入和交易违约金以粮油竞价交易合同执行完毕或中止，买卖双方提交的验收确认单计算当期交易手续费收入和收取交易违约金，正确计算当期收入，合理设置会计科目，“结算会计”定期与“国家粮油交易中心竞价交易系统”核对。
（三）会计科目设置 （1）设置“应付保证金”科目，核算粮食交易市场按照粮食竞价交易规则收取的交易保证金、履约保证金。“应付保证金”按买卖双方设置“交易客户”、“中储粮分公司及库、点”、“省级储粮备粮油”、“省、市分市场”等二级明细科目。在“交易客户”二级明细科目下设置三级明细科目“交易保证金”、“履约保证金”。（2）设置“应付中央政策性粮油竞价交易货款”科目，核算竞价交易成功、粮食交易市场开具《出库通知单》后，按照交易合同数量和价格支付给卖方的粮油货款。（3）设置“应上缴财政价差款”科目，核算粮食交易市场从交易货款中代扣应上缴财政的政策性粮油交易价差盈余（含存款利息）、或应由财政拨补的政策性粮油交易价差亏损。（4）在“主营业务收入”科目下设立“交易手续费收入”二级明细科目，核算粮食交易市场按核定标准向买卖双方收取的交易手续费。
（四）会计核算 （1）结算会计根据交易系统保证金、货款收款员、复核员、出纳提供的收款入账通知单、保证金收据等资料，核对每日交易保证金收支情况，核对无误后，编制交易保证金收款凭证。借记“银行存款——中央政策性粮油竞价交易保证金、货款专户或现金（及时转存农发行资金专户）”，贷记“应付保证金——××客户——交易（履约）保证金”。（2）根据交易系统保证金、货款收款员、复核员和出纳员提供的资金入账凭证、货款收据等资料核对买方交易货款收取情况，核对无误后，编制买方交易货款收款凭证。借记“银行存款——中央政策性粮油竞价交易保证金、货款专户”，贷记“应付中央政策性粮油竞价交易货款——××买方客户”。（3）根据交易系统管理员提供的竞价交易成交明细表，编制交易保证金凭证。借记“应付保证金——××（买方客户）——交易（履约）保证金”，贷记“应付保证金——××（卖方客户）中储粮分公司（库、点）”。（4）根据交易系统出库复核员提供的出库通知单等资料核对买方办理粮食出库情况，审核无误后，编制粮食交易出库凭证。借记“应付中央政策性粮油竞价交易货款——××买方客户”，贷记“应付中央政策性粮油竞价交易货款——××（卖方客户）中储粮（库点）”。（5）根据交易系统复核员提供的“资金支付审批表”、验收确认单、交易明细表等原始单据核对付卖方粮款及上交财政盈余等，核对无误后，编制支付卖方粮款凭证。借记“应付中央政策性粮油竞价交易货款——××（卖方客户）中储粮（库点）”，贷记“应上缴财政价差款（亏损以红字表示）”、“主营业务收入——交易手续费收入（成交价*手续费标准）”、“银行存款——中央政策性粮油竞价交易保证金、货款专户”。（6）根据出纳提供的交易保证金退款凭证、银行付款单据（电汇单或转账支票存根）编制交易保证金、退款凭证。借记“应付保证金——××客户—交易（履约）保证金”，贷记“银行存款——中央政策性粮油竞价交易保证金、货款专户”。（7）根据出纳提供的经审核的退款说明及银行付款单据（电汇单或转账支票存根），编制买方货款退回凭证。借记“应付中央政策性粮油竞价交易货款——××客户”，贷记“银行存款——中央政策性粮油竞价交易保证金、货款专户”（8）根据出纳提供的跨市场交易保证金付款审批表及电汇单，编制跨市场交易保证金付款凭证。借记“其他应付款——××省、市交易市场”，贷记“银行存款——中央政策性粮油竞价交易保证金、货款专户（9）根据交易结算复核员提供的其他市场转来交易保证金入账通知单，编制跨市场交易保证金收款凭证。借记“银行存款——中央政策性粮油竞价交易保证金、货款专户”，贷记“其他应付款——××省、市交易市场”。
（五）结算稽核 结算会计稽核交易系统结算复核员打印的每日“国家粮油交易中心竞价交易系统”生成的交易汇总清单、审核移交的会计凭证，核对无误后，由结算会计、交易系统结算复核员共同在交易汇总交接清单签字，保证账账相符（结算会计帐户与国家粮油交易中心竞价交易系统帐户相符）、账实相符（结算会计财务帐户与交易客户、上缴财政专户、省市分市场账户相符）。
篇7
Key words : the project pre-settlement; automatic calculation software
中图分类号：F811.3文献标识码： A文章编号：2095-2104（2012）
建筑工程预结算是建筑行业中非常重要的一项工作，而工程量计算又是这项工作中至关重要的一部分。如何提高工程量计算的效率、减少其工作量，做到准确无误，一直是工程预算行业急待解决的一个课题。
计算机技术的日益发展，并渗入到各行各业中以及计算机平面设计技术的推广，使得计算机绘图技术应用到工程量计算中成为可能，工程量自动计算软件的应用和发展是建筑工程预结算的必然趋势。
2003年7月我在公司预算处开始从事工程预算工作，刚参加工作时，工程预算对我来说非常陌生，书本理论与实际应用之间差距太大。经过很长一段努力，我的预算技能虽然有所提高，但对于计算规则和定额的深入理解以及计算速度的有效提高等方面仍有相当的不足。
2007年，在参与我公司内蒙古商厦的审计结算工作中，我接触到了鲁班算量软件，同时，在学习和应用当中感受到它给我的工作带来了很大的方便。
（一）在工作方式上，鲁班软件采用的是AutoCad界面和绘图方式，这正是我在校期间的学习内容，所以感觉上手很快，达到熟练程度也比较容易。
当然对于很多初学者来说，软件入门的确有一定的困难，但这只是暂时的，只要我们把握正确的方法，通过正确的渠道，再加上自己的努力就一定能掌握它。
（二）对于工程量计算规则，其中大部分已经在鲁班软件中设置完毕，我们只要稍做修改就可以正确应用。
显而易见，工程量计算软件为预算初学者提供了学习的捷径。因为老预算员精通定额，熟练掌握计算规则，但计算机水平都不是很高，而对于初学者来说计算机操作是我们的优势，计算规则已经由软件定义，我们就可以先入门学习软件再逐渐熟悉定额和计算规则。通过这种方式我感到预算水平提高很快。
（三）在工作步骤上，使用工程量计算软件省略了原先的计算书汇总、上表套定额的手工工序，完全由计算机自动完成，极大程度上节省了时间。
在工作效率上，以前用手工算量大约用一星期才能完成的工程量，用算量软件五天就能完成。
（四）在采用的工作方式上，鲁班软件采用AutoCad绘图方式，省略了手工计算时使用的铅笔、橡皮、计算器和大量的工程量计算书等耗材，简化了手写计算式的步骤和手按计算器计算的繁复工作，在极大程度上实现了无纸办公。
（五）在打印输出格式上，鲁班软件打印输出的整洁版面是手工书写无法比拟的，其格式明确，计算公式详细，汇总方式合理，做为预算资料的保存和查阅十分适用。
另外，在核对工程量时，还可以利用电子计算书的分类汇总和条件汇总功能，在计算机中随时调用有用的数据，减少了手工计算书不易分类、不易汇总的麻烦。
再有，软件提供了自动输出到TXT、EXCEL、XML多种文件形式，极大程度上方便了各种用户的转化与应用。
（六）图形算量软件作为一种高科技含量的新兴技术产业，具有很大的发展前景，通过每一次的软件不定期升级，软件必将越做越成熟，越做越合乎人性化设计。到目前为止，该软件已经由最初的2007版升级到2008版，而且2009版已经在网上公布并进入全国巡回展览阶段。
篇8
（二）计算拥有被投资单位净资产变动份额时应分清变动原因 投资企业拥有被投资单位的净资产份额常发生变动，不同原因形成变动份额的计算方法、核算账户及确认时间通常不相同。如有些变动份额形成当期损益，有些形成资本公积；有些要在变动确认日追溯调整，有些只在期末调整等等。产生变动的原因可归为两类：一是被投资单位本身的净资产总额发生了变动。比如被投资单位实现了净利润、接受投入资本中形成的溢价或持有可供出售金融资产发生了增值等引起了净资产总额增加；又如被投资单位发生了经营亏损或可供出售金融资产出现了贬值等引起了其净资产总额减少。二是投资企业持有被投资单位的股权比例发生了增减变动。如一次性取得或在原持股基础上增持股权后累计取得被投资单位共同控制权；减持原持有部分股权形成了由控制权转为共同控制权。即：投资企业拥有被投资单位的净资产份额=被投资单位的净资产额×投资企业的持股比例
（三）按调整后被投资单位的净损益确认投资企业分享或分担的损益份额 被投资单位计算净损益过程中所扣除的费用是按其资产账面价值为基础计算形成的，如被投资单位按其账面的固定资产初始价值计提各期折旧，从而形成各期相应的成本费用及损益；但权益法规则要求按投资确认日固定资产公允价摊销各期的折旧费，由此确认分享的净损益份额。常见的可能调整项目还包括存货、无形资产等。计算分享被投资单位净损益份额时，应按原投资日的被投资单位资产公允价脱离其账面的差额调整各期费用。如果被投资企业发生了巨额亏损，《企业会计准则第2号——长期股权投资》第11条规定，投资企业应当以该长期股权投资账面价值减记至零为限。
还应理解到的是，从理论上分析，资产公允价与其账面价之间的差额不应当全部在当期损益中调整。因为企业生产用固定资产折旧费形成制造费用从而构成产品成本，如果该产品在当期没有实现销售就意味着形成了期末存货资产，从而其成本中的折旧费用不应当在当期利润前扣除，而应在其未来销售期间的利润前扣除才是合理的。但从企业长期经营过程看，成本中的折旧费用将随着其未来出售而形成当期损益中的费用，从而在计算利润中扣除；如果产品在未来没有销售而发生了损失，则将确认损失扣除；如果产品用于投资等用途，则应视同销售而转销其成本等等。而且实务中也难以细分本期销售产品成本中有多少折旧是本期形成的，有多少属于前各期形成的。所以，直接按投资日资产公允价与其账面价值的差额在以后有关期间内分期调整当期损益，这可能是为简化核算而制定的规制。
（四）调整关联交易形成的内部未实现的损益份额 投资企业与被投资企业之间的关联交易可归为顺流和逆流两种交易方向。从投资企业的角度划分，将其拥有的资产出售给被投资单位，称为顺流交易；从被投资单位中购入资产，称为逆流交易。在顺流关联交易情况下，如果被投资单位尚未在本期向外部第三方出售当期从投资企业中购入的商品，而形成了被投资企业的期末存货等资产，则投资企业顺流销售所确认的账面利润并没有实际实现。在逆流关联交易情况下，如果投资企业尚未将购入的被投资单位商品在本期出售给外部第三方，而形成了投资企业的期末资产，则该逆流销售形成的被投资企业利润也没有实际实现。按权益法核算规定，分享的被投资单位的净损益份额，应在被投资单位净损益额基础上扣除关联交易形成的未来实现利润之后，再按持股比例确定份额。因此，无论顺流还是逆流交易，投资企业分享被投资单位的净损益份额都应在扣除未实现的内部利润基础上按比例确定。即：
分享净损益份额=（调整后被投资单位净利润-未实现的关联交易利润）×持股比例
对于本期未实现向第三方销售的关联交易商品，以后关联交易任何一方的关联交易商品实现了对第三方的销售，投资企业都应在关联交易商品实现对外销售期间按持股比例调增分享的净损益份额；在本期部分实现及部分未实现对外销售的关联交易业务中，本期应按未实现销售比例调减内部利润额，在以后实现期再进行调增。还应注意到的是：在投资企业需编制合并报表的情况下，在合并报表中，应调减逆流销售形成投资企业的期末存货中所含内部利润；以及调减顺流销售形成投资企业的账面利润。
（五）分清权益法与成本法之间的区别 成本法与权益法核算长期股权投资业务中，存在的区别主要可归为五点：首先，适用的核算条件不同。对于有实质控制权、法定控制权或未取得非上市企业控制权的股权投资采用成本法计量；而对被投资单位具有共同控制或重大影响的长期股权投资采用权益法核算。其次，长期股权投资的初始成本确认方法不同。成本法下对于同一控制形成的控股合并投资，其初始投资成本为被投资企业净资产账面价值的份额；非同一控制形成的控股合并投资，其初始投资成本为合并成本，即投资方支付的对价；未取得控制权的长期股权投资按支付的对价确认初始投资成本。而权益法按支付对价与被投资单位可辨认净资产公允价份额的较高者确认初始投资成本。第三，长期股权投资的后续计量方法不同。成本法核算的长期股权投资原账面价值，不随被投资单位净资产变动作出份额调整，持有股权期间取得被投资方分配的股利额时直接确认投资收益；而权益法需调整拥有被投资单位净资产变动的份额。第四，转换业务中调整初始成本的确认方法不同。成本法转换为权益法核算时，应追溯调整累积影响额及初始成本。第五，明细账的设置方法不同。权益法下需要在长期股权投资总账下分被投资单位专设“成本、损益调整、其他权益变动”这三个明细账，而成本法核算下只需区分被投资单位，不进一步分设明细账。另外在投资企业编制合并报表时，对关联交易形成的内部利润调整方法也不同。
二、权益法计量被投资单位净资产变动份额的核算实例
为表达笔者对权益法核算规制内容的理解，举例说明如下：
[例]燎原公司在2010年1月3日从群信公司原股东丙中购入了群信公司的30%股权，支付给丙的对价形式为办公房、专利权及货币资金，各种对价的账面价及公允价如表1所示：
假设各种对价均已办妥相关转移确认手续，公允价中已包含权属转移中的相关税费，股权购入后燎原公司派员参与了群信公司重大的财务及经营决策。
燎原公司购买股权日的有关资产账面价及公允价：投资确认日群信公司可辨认净资产公允价5000万元；账面价值3800万元，除表2中资产外，该公司的其他资产、负债公允价及账面价值相同（金额单位：万元）。
2010年4月1日群信公司将原账面成本200万元，按不含税价300万元销售给燎原公司，收取了价款。燎原公司在当年末尚有60%该批商品未实现对外销售，形成了期末存货；2010年内，群信公司年初存货中有70%实现了对外销售，假设其余30%在次年全部实现了销售。2010年群信公司实现净利800万元，当年未分派股利，2010年末群信公司可辨认净资产公允价5900万元。2011年内群信公司按170元的亏本价全部向第三方销售了上年关联交易形成的60%结余存货。2011年群信公司实现净利润600万元，2011年末群信公司可辨认净资产公允价5500万元，2012年初分配股利200万元。双方核算会计政策相同，假设不考虑所得税调整等其他因素影响，燎原公司核算长期股权投资业务的有关会计处理如下：
2010年有关业务会计核算
（1）1月3日支付对价取得股权业务（为简化核算，直接结转固定资产）：
长期股权投资初始成本=max（分享群信公司净资产公允价份额，支付对价）= max（5000×30%，1400）=1500（万元）
处置固定资产利得=1200-（800-100）=500（万元）
处置无形资产损失=50-（100-30-10）= -10（万元）
股权投资初始计量中确认利得=5000×30%-1400=100（万元）
借：长期股权投资——群信公司（成本） 1500
累计折旧 100
累计摊销 30
无形资产减值准备 10
营业外支出——处置非流动资产损失 10
贷：固定资产 800
无形资产 100
银行存款 150
营业外收入——处置非流动资产利得 500
营业外收入 100
（2）年末按公允价及未实现关联交易调整群信公司当年的净利润额
按投资日公允价调整净利额=增加折旧费用+增加无形资产摊销+冲减多转销存货成本额
=（2000/40-1800/50）+（1400/35-1000/50）+（500-560）×70%=14+20 - 42= - 8（万元）（需调增）
本期关联交易形成未实现损益调减净利额=（300-200）×60%=60（万元）
调整后群信公司当年的净利润额=800+8-60=748万元
年末燎原公司应分享群信公司可辨认净资产变动份额=（5900-5000）×30%=270（万元）
其中：应分享的净利润变动额=748×30%=224.4（万元）
其他权益变动额=270-224.4=45.6（万元）
借：长期股权投资——群信公司（损益调整） 224.4
——群信公司（其他权益变动） 45.6
贷：投资收益 224.4
资本公积——其他资本公积 45.6
年末对群信公司长期股权投资账户余额为1770万元，其中成本1500万元，损益调整224.4万元，其他权益变动45.6万元。
2011年及2012年有关业务核算
由于群信公司销售的关联交易亏本数额已经在其净利润中得到了体现，因此，不需要调整这个亏本数额，而还是要按照已实现对外销售的原关联交易商品的内部利润调整。
（1）年末按公允价及已实现关联交易调整群信公司当年净利润额
按投资日公允价调整净利额=增加折旧费用+增加无形资产摊销+冲减多转销存货成本额
=（2000/40-1800/50）+（1400/35-1000/50）+（500-560）×30%=14+20 -18= 16万元（需调减）
转回本期已实现关联交易利润调增额=（300-200）×60%=60（万元）
调整后群信公司当年的净利润额=600-16+60=644（万元）
年末燎原公司应分享群信公司可辨认净资产变动份额=（5500-5900）×30%= - 120（万元）
其中：应分享的净利润变动额=644×30%=193.2（万元）
其他权益变动份额= -120-193.2=-313.2（万元）
借：长期股权投资——群信公司（损益调整） 193.2
资本公积——其他资本公积 313.2
贷：投资收益 193.2
长期股权投资——群信公司（其他股权变动） 313.2
（2）按持股比例分享股利
借：应收股利（200×30%） 60
贷：长期股权投资-群信公司（损益调整） 60
2011年末对群信公司长期股权投资账户余额2590万元，其中成本1500万元，损益调整357.6万元，其他权益变动（-267.6万元）。
如果群信公司发生了亏损，应按持股比例调减净损益份额；如果发生了巨额亏损，应当以对群信公司长期股权投资账户余额减记为零为限；如果以后增持股份到控制权，应转换为成本法核算，从而需追溯调整转换前所持有股份的初始投资成本及产生的累积影响数。还应注意到的是，如果燎原公司需编制合并报表，应调整关联交易形成的未实现内部利润，且调整方法不同于控股合并中编制合并报表的抵消分录。
[本文系杭州职业技术学院重大招标课题“校企对接情境下的高职会计课程学做融合研究”（编号： ZDZB201303）阶段性研究成果]
篇9
养殖水质中亚硝酸盐含量的高低将决定着养殖水质的好坏，影响着养殖水产品的产量；一些长期贮存的饮用水中亚硝酸酸盐含量超标，人一旦长期饮用会影响人体健康，甚至有致癌的风险；在食品生产中亚硝酸盐作为一种着色剂和防腐剂使用，少则无害多存隐患。在人类生活水平得到提高的前提下，人类越来越关注健康，越来越来关注水质的质量，越来越关注食品安全，亚硝酸盐是水质监测与食品添加剂中常测指标之一。测定亚硝酸盐的方法主要有分光光度法、荧光法、离子色谱法、液相色谱法、流动注射法、共振散射光谱法、电化学法、化学发光法等[1]。在生活节奏越来越快的当下，亚硝酸盐含量检测的高效性与准确性成为检测行业追求的新态势。本文就测试水中亚硝酸盐含量的众多方法中选用的流动分析仪与紫外分光光度计两台仪器的测试情况进行了比较与分析。
1 方法与仪器
1.1 方法原理
《水质 亚硝酸盐氮的测定 分光光度法》 在磷酸介质中，pH值为1.8时，试份中的亚硝酸根离子与4-氨基苯磺酰胺反应生成重氮盐，再与盐酸萘乙二胺偶联生成红色染料，540nm波长测定吸光度[2]。
《亚硝酸盐的测定-流动分析法》在酸性介质中，亚硝酸盐与磺胺发生重氮化反应，其产物再与盐酸萘乙二胺偶合生成红色偶氮染料，于550波长测定[3]。
1.2 仪器与工作参数
连续流动分析仪Futura（法国ALLIANCE公司），测量波长540nm，参比波长660nm，分析速率40样/h，取样时间45s，寻峰时间15～65s，清洗时间45s，显色剂进样管0.76mm，水样进样管内径1.85mm。
紫外分光光度计Cary 100 Conc（美国VARIAN公司），测量波长540nm，光程10mm比色皿。
2 试剂与前处理
2.1 试剂
亚硝酸盐标准溶液：100mg/L，购于中国计量科学研究院，证书号GBW（E）080223。亚硝酸盐环境标准样品：0.151±0.008 mg/L，购于环境保护部标准物质研究所，证书号：200633。其它试剂选用至少分析纯级别，水质符合测试分析的2类水质。
2.1.1 流动分析仪测试标准曲线的配制
取1.00mL亚硝酸盐标准溶液（100mg/L）于100.0mL容量瓶，用超纯水定容至刻度线，浓度为1000?g/L，用流动分析仪自备稀释器分别稀释成0、5.00、10.00、25.00、50.00、100.0、150.0、200.0?g/L，共8个浓度点进行测试标准曲线。
2.1.2 紫外分光光度法测试标准曲线的配制
分别移取0、1.00、3.00、5.00、7.00、10.00mL（浓度为1000?g/L的亚硝酸盐标准中间液）至50mL比色管，用水稀释至标线，配制浓度分别为0、20.00、60.00、100.0、140.0、200.0?g/L，共6个浓度点，再分别加入1.0mL显色剂，密塞，摇匀静置，2h内用紫外分光光度计测试标准曲线。
2.2 样品前处理 水质均经过0.45um滤膜过滤后测定
2.2.1 流动分析仪测试所需的水量
待测水样样量
2.2.2 紫外分光光度计测试所需的水量
待测水样约量50mL左右，选用传统的抽空泵进行抽滤水样，达到50mL水样量为待测样品。
2.3 实验步骤
2.3.1 流动分析仪测试过程
配制好显色剂，调试仪器至最佳工作状态，开始泵入显色剂，待试剂基线稳定后，调节基线和增益，标准溶液及待测水样置于自动取样器固定架中，再次等待基线稳定后进行标准曲线与待测样品的测试。
2.3.2 紫外分光光度计测试过程
测试时取50.0mL各待测水样，分别手动加入1.0mL显色剂，密塞，摇匀静置，2h内于540nm最大吸光度波长处，用光程长10mm的比色皿，用水做参比测定样品浓度。
3 结果与讨论
3.1 标准曲线、线性及范围
分别用流动分析仪与紫外分光光度计测试亚硝酸盐0～200?g/L浓度点的标准曲线，测试情况如表1，流动分析仪与紫外分光光度计测试标准曲线的范围均在0～200?g/L之间，线性相关系数均大于0.997，检出限均较低。
3.2 测试精密度与准确度
分别用流动分析仪与紫外分光光度计测试水质样品与编号200633（GSBZ5006-88）的环境标准样品各7次，精密度与准确度如表2，对同一水样的测试标准偏差范围在1.1%～6.9%之间，测试环境标准样品的浓度值在0.151±0.008 mg/L范围，均符合证书要求。
3.3 样品的加标回收率
在待测水样中加入低、中、高的亚硝酸盐标准溶液，按上述处理方法分别用两台仪器进行测试，测试结果如表3，加标回收率在92.0%～102.0%之间，均达到方法要求。
4 结论
用流动分析仪与紫外分光光度2台不同的仪器对相同水样进行测试可知：标准曲线、线性相关系数、方法检出限均接近达到相关规定；2台仪器测试样品的精密度、准确度、加标回收率均能达到方法要求；但流动分析仪测试样品的前处理较简便与快速、测试时自动化程度高、分析速度快、消耗的待测样量少、测试后产生的废液少等优势，故流动分析x是水质亚硝酸盐测试的理想测试仪器之选，值得推广与普遍使用。
参考文献
[1]胡浩光，王耀，谢翠美，等.连续流动分析法测定环境水样中痕量亚硝酸盐[J].现代仪器，2010（06）：68-70.
篇10
金融工具是指形成一个企业的金融资产，同时形成其他单位的金融负债或权益工具的合同。
金融工具的经济实质是一种“合同”。因为金融工具最基本的表现方式就是存在发行方和接受方，双方以一种契约的方式达成交易。例如有价证券、债权债务。
企业成为金融工具合同的一方时，应当确认一项金融资产或金融负债，根据管理者持有意图，金融资产可以划分为四类：（1）以公允价值计量且其变动计入当期损益的金融资产；（2）持有至到期投资；（3）贷款和应收款项；（4）可供出售金融资产。分类不同，会计核算不同，对报表的影响也不相同。
“企业会计准则第22号——金融工具确认与计量”规定：以公允价值计量且其变动计入当期损益的金融资产，具体分为交易性金融资产和直接指定为以公允价值计量且其变动计入当期损益的金融资产两类。两类均通过“交易性金融资产”来进行核算。
交易性金融资产是指企业为了近期内出售而持有的金融资产，比如企业以赚取差价为目的，从二级市场上购入的股票、债券、基金等。
可供出售金融资产是指企业没有划分为以公允价值计量且其变动计入当期损益的金融资产、持有至到期投资、贷款和应收款项的金融资产。如企业购入的在活跃市场上有报价的股票、债券、基金等，没有划分为交易性金融资产或持有至到期投资的，可以归为此类。
交易性金融资产与可供出售金融资产在会计核算中有很多类似的地方，下面我们用一个简单的案例，以表格的形式来进行分析，帮助大家理解两者核算的异同之处。
假定不考虑其他因素，我们分析A公司将一项投资分别划分为交易性金融资产或可供出售金融资产，在两种不同情况下的账务处理。
2010年6月6日，A公司支付价款1 021万元，购入B公司发行的股票200万股（含交易费用3万元和已宣告尚未派发的现金股利18万元），占B公司有表决权股份的0.9%。
2010年6月16日，A公司收到B公司发放的现金股利18万元。
2010年6月30日，该股票市价为每股5.2元。
2010年12月31日，A公司仍持有该股票，当日该股票市价为每股4.7元。
2011年5月18日，B公司宣告派发现金股利，根据A公司所占份额，可获得30万元。
2011年5月28日，A公司收到B公司实际发放的现金股利。
2011年6月26日，A公司以4.86元/股的价格将股票全部转让。
篇11
感到激动的还有英国剑桥大学量子物理学教授阿德里安・肯特，他说：“我对中国发射量子卫星这事感到很兴奋。”他认为，这是为使用量子技术构建全球性安全通信网络迈出的“第一步”。
德国整合量子科学和技术中心负责人托马索・卡拉尔科说：“中国发射全球首颗量子卫星意义重大，在实现全球安全量子通信的道路上迈出了决定性的一步。”
解读卫星意义
科学家们还从不同角度解读了量子卫星的意义。美国马萨诸塞大学的量子专家王晨说，用卫星参与量子通信，主要是可以减少搭载信号的光子在远距离传输中的损耗。因为与在光纤和地面空气中传播相比，光子在太空中的传输损耗更小。
谢尔吉延科给出了更详细的解释。他说，地面上量子通信的主要限制是距离，因为即便最好的光纤也有固有损耗，目前量子通信通常的运行距离只有50到100公里。虽然也有一些量子通信实验的距离达到了250到300公里，但没有太大实际用处，因为这是以可用性极低的密钥分发速率作为代价换取的。通过使用卫星，可以把地球表面距离相当遥远的两个点通过天上的一个节点连接起来。
有的科学家则提到中国量子卫星影响的不只是量子通信，还有量子计算。阿德里安・肯特说，中国的量子卫星“对未来最终形成一个分布式的量子计算网络也非常重要”。
肯特还提到了中国卫星对国际科学合作的意义，因为这个卫星项目中还有奥地利科学家是合作方。肯特说：“科学是无边界的，中国和奥地利科学家合作的这个量子卫星项目正是让人兴奋的明证。”
奥地利著名量子科学家安东・蔡林格参与了中国量子卫星项目，他认为中国卫星会带动全球相关领域的发展，因为如果中国团队取得成功，那么其他团队将更容易获得对量子卫星的资助。
如何影响生活
那量子卫星会怎样影响我们的生活呢？卡拉尔科说：“基于量子的技术如今已进入我们的日常生活，没有量子力学，我们就不会有晶体管和激光器，也不会有计算机和互联网。”他说，量子卫星可能会促进相关领域进一步发展，令现有技术更加准确、灵敏、安全且性能更佳。
篇12
量子计算的实现在方法上大致可以被分为两种，量子逻辑门方法和绝热量子计算方法。研究表明这两种方法在计算能力和计算复杂度方面是等价的。他们选取了一种可以用绝热量子计算实现的量子算法，通过对一维横场伊辛模型和XY模型基态纠缠任伊熵的分析发现，在绝热量子计算的实现过程中，在一些量子相里，绝热量子计算需要整体相干操作，而在另一些量子相里，绝热量子计算可以通过较简单的局域操作辅助以经典通讯。而对比如量子搜索的研究表明，局域操作在所谓的量子加速方面并不起作用。从而表明不同的量子相具有不同的量子计算能力。
篇13
一、在材料科学中的应用
（一）在建筑材料方面的应用
水泥是重要的建筑材料之一。1993年，计算量子化学开始广泛地应用于许多水泥熟料矿物和水化产物体系的研究中，解决了很多实际问题。
钙矾石相是许多水泥品种的主要水化产物相之一，它对水泥石的强度起着关键作用。程新等[1,2]在假设材料的力学强度决定于化学键强度的前提下，研究了几种钙矾石相力学强度的大小差异。计算发现，含Ca钙矾石、含Ba钙矾石和含Sr钙矾石的Al-O键级基本一致，而含Sr钙矾石、含Ba钙矾石中的Sr，Ba原子键级与Sr-O，Ba-O共价键级都分别大于含Ca钙矾石中的Ca原子键级和Ca-O共价键级，由此认为，含Sr、Ba硫铝酸盐的胶凝强度高于硫铝酸钙的胶凝强度[3]。
将量子化学理论与方法引入水泥化学领域，是一门前景广阔的研究课题，它将有助于人们直接将分子的微观结构与宏观性能联系起来，也为水泥材料的设计提供了一条新的途径[3]。
（二）在金属及合金材料方面的应用
过渡金属(Fe、Co、Ni)中氢杂质的超精细场和电子结构，通过量子化学计算表明，含有杂质石原子的磁矩要降低，这与实验结果非常一致。闵新民等[4]通过量子化学方法研究了镧系三氟化物。结果表明，在LnF3中Ln原子轨道参与成键的次序是：d＞f＞p＞s，其结合能计算值与实验值定性趋势一致。此方法还广泛用于金属氧化物固体的电子结构及光谱的计算[5]。再比如说，NbO2是一个在810℃具有相变的物质(由金红石型变成四方体心)，其高温相的NbO2的电子结构和光谱也是通过量子化学方法进行的计算和讨论，并通过计算指出它和低温NbO2及其等电子化合物VO2在性质方面存在的差异[6]。
量子化学方法因其精确度高，计算机时少而广泛应用于材料科学中，并取得了许多有意义的结果。随着量子化学方法的不断完善，同时由于电子计算机的飞速发展和普及，量子化学在材料科学中的应用范围将不断得到拓展，将为材料科学的发展提供一条非常有意义的途径[5]。
二、在能源研究中的应用
（一）在煤裂解的反应机理和动力学性质方面的应用
煤是重要的能源之一。近年来随着量子化学理论的发展和量子化学计算方法以及计算技术的进步，量子化学方法对于深入探索煤的结构和反应性之间的关系成为可能。
量子化学计算在研究煤的模型分子裂解反应机理和预测反应方向方面有许多成功的例子,如低级芳香烃作为碳/碳复合材料碳前驱体热解机理方面的研究已经取得了比较明确的研究结果。由化学知识对所研究的低级芳香烃设想可能的自由基裂解路径，由Guassian98程序中的半经验方法UAM1、在UHF/3-21G*水平的从头计算方法和考虑了电子相关效应的密度泛函UB3LYP/3-21G*方法对设计路径的热力学和动力学进行了计算。由理论计算方法所得到的主反应路径、热力学变量和表观活化能等结果与实验数据对比有较好的一致性，对煤热解的量子化学基础的研究有重要意义[7]。（二）在锂离子电池研究中的应用
锂离子二次电池因为具有电容量大、工作电压高、循环寿命长、安全可靠、无记忆效应、重量轻等优点，被人们称之为“最有前途的化学电源”，被广泛应用于便携式电器等小型设备，并已开始向电动汽车、军用潜水艇、飞机、航空等领域发展。
锂离子电池又称摇椅型电池，电池的工作过程实际上是Li+离子在正负两电极之间来回嵌入和脱嵌的过程。因此，深入锂的嵌入-脱嵌机理对进一步改善锂离子电池的性能至关重要。Ago等[8]用半经验分子轨道法以C32H14作为模型碳结构研究了锂原子在碳层间的插入反应。认为锂最有可能掺杂在碳环中心的上方位置。Ago等[9]用abinitio分子轨道法对掺锂的芳香族碳化合物的研究表明，随着锂含量的增加，锂的离子性减少，预示在较高的掺锂状态下有可能存在一种Li-C和具有共价性的Li-Li的混合物。Satoru等[10]用分子轨道计算法，对低结晶度的炭素材料的掺锂反应进行了研究，研究表明，锂优先插入到石墨层间反应，然后掺杂在石墨层中不同部位里[11]。
随着人们对材料晶体结构的进一步认识和计算机水平的更高发展，相信量子化学原理在锂离子电池中的应用领域会更广泛、更深入、更具指导性。
三、在生物大分子体系研究中的应用
生物大分子体系的量子化学计算一直是一个具有挑战性的研究领域，尤其是生物大分子体系的理论研究具有重要意义。由于量子化学可以在分子、电子水平上对体系进行精细的理论研究，是其它理论研究方法所难以替代的。因此要深入理解有关酶的催化作用、基因的复制与突变、药物与受体之间的识别与结合过程及作用方式等，都很有必要运用量子化学的方法对这些生物大分子体系进行研究。毫无疑问，这种研究可以帮助人们有目的地调控酶的催化作用,甚至可以有目的地修饰酶的结构、设计并合成人工酶；可以揭示遗传与变异的奥秘,进而调控基因的复制与突变，使之造福于人类；可以根据药物与受体的结合过程和作用特点设计高效低毒的新药等等，可见运用量子化学的手段来研究生命现象是十分有意义的。
综上所述，我们可以看出在材料、能源以及生物大分子体系研究中，量子化学发挥了重要的作用。在近十几年来，由于电子计算机的飞速发展和普及，量子化学计算变得更加迅速和方便。可以预言，在不久的将来，量子化学将在更广泛的领域发挥更加重要的作用。
参考文献：
[1]程新.[学位论文].武汉:武汉工业大学材料科学与工程学院,1994
[2]程新,冯修吉.武汉工业大学学报,1995,17(4):12
[3]李北星,程新.建筑材料学报,1999,2(2):147
[4]闵新民,沈尔忠,江元生等.化学学报,1990,48(10):973
[5]程新,陈亚明.山东建材学院学报,1994,8(2):1
[6]闵新民.化学学报,1992,50(5):449
[7]王宝俊,张玉贵,秦育红等.煤炭转化,2003,26(1):1
[8]AgoH,NagataK,YoshizawAK,etal.Bull.Chem.Soc.Jpn.,1997,70:1717
