浅谈基于移动搜索的网页设计优化研究论文

浅谈基于移动搜索的网页设计优化研究论文（共7篇）

1.浅谈基于移动搜索的网页设计优化研究论文 篇一

针对服务中的服务要素设计问题, 已经存在方法有模糊质量功能展开[6]、服务蓝图法[7]、以用户为中心的设计方法[8]、KANO模型[9]等。目前, 关于移动领域中的服务设计问题已经引起了学者们的关注, 但相关研究成果较少。HASSAN等针对伊朗移动通信中服务要素的权重问题, 运用模糊TOPSIS和模糊层次分析法 ( AHP) 的质量功能展开 ( QFD) 设计方法分别对服务进行设计[10]。Cho等通过分析韩国移动运营商所提供服务的顾客感知价值, 运用UCD的设计方法对服务要素进行了再设计[11]。鲁耀斌等通过对中国移动和联通的用户进行调研并建立了质量检测模型对移动服务质量进行评价, 在实证分析的基础上对国内移动服务进行测评[12]。已有研究多是从服务评价角度进行考虑, 较少关注用户需求与用户期望信息对不同类型的服务设计要素的影响。

为了解决此类问题, 本文尝试给出一种移动服务设计方案的优化方法, 该方法依据QFD的设计框架, 在考虑服务设计要素和需求评价中涉及的模糊语言信息情况下, 引入模糊集理论建立质量QFD模型, 通过使用Kano模型以及前景理论的思想对评价过程中涉及的模糊语言信息进行处理来确定服务设计要素的满意度, 在此基础上建立移动服务要素组合方案的优化模型, 通过求解该模型获得移动服务的优化设计方案。

1 问题描述

移动服务设计过程中, 涉及使用移动服务的用户和移动服务提供商。移动服务的用户包括使用移动服务的组织机构或个人; 移动服务提供商则是指以用户需求为导向, 提供相应移动服务内容的企业, 如移动服务商、第三方App提供商等。服务提供商需要根据自身所能提供的服务设计要素, 结合用户需求和用户对服务设计要素的满意度确定服务设计要素的重要程度进行决策分析, 根据分析结果给出合理的移动服务优化设计方案。

下面给出本文要解决问题的具体描述:

设移动服务的用户需求集合为CR = ( cr1, cr2, …, crm) , cri表示CR中的第i ( i = 1, 2, …, m) 个移动服务需求, 用户需求可通过专家组成员进行讨论和市场调研等方式获得, 由于用户需求具有不同的重要程度, 因此可通过专家打分法、AHP法、两两比较法确定不同需求的权重; 设需求服务评价专家集合为E = ( e1, e2, …, eo) , ek表示E中第k ( k = 1, 2, …, o) 个专家成员, 专家权重向量为w= ( w1, w2, …, wo) , 其中wk表示第k个专家的权重值, 且; 专家E对用户需求CR的评价矩阵为, 其中aki表示第k个专家对第i项用户需求的语言评价值; 移动服务的提供商提供的服务要素集合为SA = ( sa1, sa2, …, san) 表示SA中的第j项服务要素 ( j = 1, 2, …, n) ; 不同服务对各项用户需求的满足情况不同, 因此, 设由移动服务设计小组确定的用户需求CR对服务要素的评价矩阵为R [rij]n×m, 其中rij表示第j项服务要素对第i项用户需求满足程度的评价值。

定义需求评价专家对客户需求和移动服务设计小组对不同服务对各项移用户需求的满足程度的语言评价集为S, 设S = { st| t∈ { 0, 1, 2, … ( T /2) - 1, T /2, ( T /2) + 1…T} } , 评价者从S中选择一个元素作为其偏好评价, 得到语言评价值aki和rij。这里, S是由奇数个元素构成的有序集合, S = ( s0, s1, …, sT) , 其中si∈S是第i个语言短语, i= { 0, 1, …T } , T为S的粒度 ( S中的语言个数) 。本文考虑的S是一个5粒度的语言评价集, 即S = { s0= VL ( 非常低 / 非常不重要) , s1= L ( 低 / 不重要) , s2= M ( 中等 / 一般) , s3= H ( 高 / 重要) , s4= VH ( 很高 / 非常重要) } 。

基于上述决策分析的问题描述, 这里首先给服务优化决策分析框架。该框架由两部分组成, 如图1所示。

第一部分为准备阶段, 成立专门的移动服务设计小组, 根据市场调研以及企业实际情况确定用户需求集合CR与设计要素集合SA, 设计调查问卷, 并进一步获取评价信息。第二部分为决策分析阶段, 首先, 针对专家对用户需求的语言评价信息确定CR的权重值; 其次, 依据QFD的设计框架将用户需求权重转化为设计要素SA的权重; 在此基础上, 结合用户的期望信息进一步得到设计要素的满意度; 最后, 根据SA的权重值与满意度, 并在资源约束的条件下建立线性规划模型, 进而得到最优的移动服务组合方案。

2 移动服务优化设计决策方法

2. 1 理论前提

为了将用户需求信息映射到移动服务要素的设计中以反映用户需求对移动服务设计的重要性, 这里引入质量功能展开模型 ( Quality Function Deploy-ment, QFD) 。由于在移动服务设计阶段能够得到的信息大多是主观和不确定的, 为了科学的对需求集CR ( Custom Requirements, CR ) 和设计要 素集 ( Service Attributes, SA) 进行评价, 将模糊集理论引入质量屋中, 通过建立模糊质量屋 ( House of Quali-ty, Ho Q) 来解决传统精确化标度无法有效处理主观定性信息和模糊信息的问题[13]。

依据模糊集理论, 设X是实数集R上的子集, X = { x1, x2, x3…xn} , X上的模糊集B = { ( x, μλ ( x) ) | x∈X} 是有序数组, 且μλ ( x) : X→ [0, 1] 是它的隶属函数, 若μλ ( x) 为x的一次函数, 则槇B为R上的三角模糊, 对任意两个三角模糊数槇M1= ( m11, m21, m31) , M2= ( m12, m22, m32) , 运算法则如下:

为处理语言评价信息st, 可将语言短语转化为三角模糊数[15]。st转换为三角模糊数Bt的转化方式如公式 ( 1) 所示:

2. 2 基于 QFD 的服务要素权重获取方法

首先, 依据式 ( 6) 将各专家ek对用户需求cri的评价转换为三角模糊数; 可得表示专家ek对i个用户需求的模糊语言评价, 且再结合专家权重值依据式 ( 1) ~ ( 6) 定义的运算法则, 确定各用户需求的权重向量其中计算方法如 ( 7) 式:

QFD方法的核心是依据需求的重要程度 ( 权重) 结合需求对服务要素的评价矩阵确定服务设计要素的重要性权重, 基于此原理, 依据服务要素三角模糊矩阵并结合用户需求权重向量和模糊质量屋的计算过程得到SA的模糊语言权重向量记为表示第j个设计要素的模糊语言权重值, 且

进一步结合逆模糊化性质 ( 4) 、 ( 5) , 可得设计要素的模糊权重向量逆模糊化后的设计要素的绝对权重向量为β = ( β1, β2, …, βn) , 其中βj= ( β1j+ Rβ2j+ β2j) /6, ( j = 1, 2, …, n) 将绝对权重向量β归一化得到服务设计要素相对权重向量β'= β'1, β'2, …, β'n) , 其中

至此, 可得引入模糊集理论的QFD服务设计要素权重计算过程如下表1所示:

2. 3 服务设计要素满意度获取方法

在获得服务设计要素权重向量的基础上, 结合前景理论和Kano模型的相关理论可知, 客户对不同水平下服务要素的满意度是有差别的。因此本文在服务设计要素权重的基础上进一步将其满意度量化。

Daniel Kahneman和Amos Tversky提出的前景理论最初用于经济效用的评估[16], Yohei等人基于用户对服务的期望信息, 结合Kano模型与前景理论的思想给出了一 种可度量 化的顾客 满意度评 价方法[17], 结合上述学者的研究成果, 本文将其应用到移动服务领域来解决设计要素的用户满意度问题, 满意度函数如图2和式 ( 10) 所示。

参数表示参考的最大顾客满意度, 参数c表示顾客对此服务设计要素的一般期望值, 并称之为参考点, 是顾客对此项服务越来越满意或不满意的一个转折点, 参数b表示顾客满意度曲线在参考点c点处的切线斜率。P表示当设计要素sa对满足顾客需求cr的贡献程度为r时的顾客满意度, 取值范围为 ( - 1, 1) 。

Kano模型将设计要素分为三种类型: 必备型 ( M) 、期望型 ( O) 和兴奋型 ( A) [18]。对于设计元素sa所属类型的判断可通过设计卡诺问卷进行区分[19]。如果是必备型设计要素, 服务提供水平超出参考点水平值对于提高整个服务的满意度贡献不大, 因此当r > c时, P = 0; 如果sa是期望型设计要素, 顾客对整个服务的满意度随着服务提供水平的提高而增加, 不受顾客平均期望值的限制, 并且客户服务是损失厌恶性, 即| P ( r + c) | < | P ( - r + c) | , 也就是相同程度服务缺失比服务被满足带来更严重的满意度损失; 如果sa是兴奋型设计要素, 服务提供水平未达到参考点水平值时将不会影响顾客对整个服务方案的满意度, 因此当r < c时, p = 0, 上述三种情况的满意度函数如图3所示。

参数a表示参考的最大顾客满意度, 参数c表示顾客对此服务设计要素的一般期望值, 并称之为参考点, 是顾客对此项服务越来越满意或不满意的一个转折点, 参数b表示顾客满意度曲线在参考点点处的切线斜率。Pj表示当设计要素saj对满足顾客需求cri的贡献程度为rij时的顾客满意度, 取值范围为 ( - 1, 1) 。

结合文献 [17] 下面给出当设计要素saj对顾客需求cri的贡献程度为rij时的顾客满意度公式如 ( 11) 所示; 结合客户需求要素评价矩阵, 给出服务设计要素满意度计算公式如下:

不同设计要素类型满意度函数可取上式函数的部分或在不同定义域上的组合, 其中rij可由服务要素SA的语言评价矩阵逆模糊化后求得, 设逆模糊化后的矩阵为R'= { r'ij} , 则r'ij= ( r1ij+ 4r2ij+ r3ij) /6; 每一种服务要素对应不同的满意度曲线, 参数a、b、c可通过卡诺问卷使用SPSS等统计软件回归拟合求得。c的现实意义为客户对此项服务需求的期望值, 也可依据设计元素所属类型以及满意度函数从矩阵R'中选择最接近参照点的r'ij值作为c值。

2. 4 移动服务优化模型

移动服务优化设计需要移动服务提供商提供多种资源, 如设计人员, 服务实施人员, 服务硬件设施等[20]。本文以服务设计中的费用为关键约束, 假定服务设计小组需要在有限的费用约束下选择合适的服务要素设计优化方案。设总成本预算表示为B, 优化SA所需费用为b = ( b1, b2, …, bn) , 其b1表示优化第i项设计要素的成本花费, 且

设xj表示一个0 - 1变量, 其中xj= 1表示设计小组选择设计要素saj进行优化, 而xj= 0表示不选择设计要素saj进行优化, 建立如下单目标优化模型:

模型M中, 目标 ( 12) 表示由移动服务设计要素所组成设计方案使总的用户满意度最大; 约束 ( 13) 保证了选择的服务要素成本之和不能超过供给方所提供的总资金。

可以看出, 建立的移动服务优化设计选择方案确定的优化模型属于0 - 1整数规划模型, 对于该模型的求解可通过传统的整数规划方法, 也可使用专门的软件包 ( 如lingo 11. 0等) 求解。

综上所述, 移动服务优化设计方案的决策分析方法的具体计算步骤如下:

步骤1成立移动服务设计小组, 服务设计小组确定专家集合E与用户需求集合CR, 并获取专家对用户需求的评价信息。

步骤2根据式 ( 6) 式和 ( 7) 式, 计算用户需求CR的模糊权重向量槇α。

步骤3根据用户需求的模糊权重向量值并结合 ( 8) 式, 计算设计要素的模糊权重向量槇β。

步骤4将步骤3所得逆模糊化结合式 ( 5) , 获得设计要素逆模糊化后的相对权重向量β。

步骤5做卡诺问卷调研, 将服务设计要素进行卡诺分类。

步骤6依据式 ( 11) 并结合步骤5调研结果做回归分析计算不同类型服务的用户满意度函数。

步骤7根据 ( 12) ~ ( 14) 式, 建立移动服务要素优化方案模型M。

步骤8求解优化模型M, 确定最终移动服务要素优化组合方案。

3 实例分析

西安某通信运营商为了提高本企业在西部区域内的服务质量, 拟投入185万资金对本企业所提供的移动服务进行优化。公司成立服务设计小组并收集了大量用户需求信息首先确定了6类用户需求, 即移动服务场所需求 ( cr1) 、移动服务过程需求 ( cr2) 、移动服务产品需求 ( cr3) 、移动通信质量需求 ( cr4) 、自助服务需求 ( cr5) 和售后服务需求 ( cr6) 。设计小组通过对通信运营商提供的服务反复调查分析, 合并、删除了一些影响较小的服务要素, 最终确定用于满足用户需求的14项待优化服务要素如表1所示。设计要素的分类可通过卡诺问卷调研获得, 针对不同层次的顾客发放了300份问卷, 回收得到有效问卷247份, 回收率82. 3% , 调研对象中男性占54. 7% , 女性占45. 3% , 具有大专以上学历占78. 3% , 年龄在20 - 45岁的占比 最多为87. 5% 。最终得到的设计要素分类结果如表2所示。表中提供的每项服务要素成本是由设计小组综合考虑运营商的一次性投入成本以及3年的运营成本净现值的基础上给出的。为了解决该问题, 简要说明采用上文给出的决策分析方法的计算过程。

依据卡诺问卷结果, 对照标准的卡诺属性分类表, 统计落在分类表选项上的频数, 选取最大频数所在类为给服务要素类别, 分类结果如表3所示 ( 表中R和“其它”两项为卡诺属性对照表中表述回答相反或有问题的数量占比, 见文献 [21]) 。

取得各服务要素分类的基础上结合式 ( 11) 和问卷值, 使用SPSS进行回归拟合得到各服务要素满意度曲线, 回归结果显示除参数a3, b9, b14, 的t统计检验量值略大于0. 05 ( 分别为0. 053, 0. 061, 0. 579) , 外, 其它拟合参数显著性和整体拟合优度都通过检验; 服务要素sa3、sa9、sa14其部分参数显著性检验虽然未通过但是回归结果的F统计量和调整的R2都通过检验, 在检查回归过程和理论前提的条件下, 依据统计理论, 在不要求变量之间明确关系而只想取得变量之间的某种线性组合 ( 如在对因变量未来值做出预测) 时则可以认为回归结果有效, 本文旨在求解在满足特定需求下的顾客满意度, 因此拟合结果是可用的。回归拟合所得参数如下表4所示, 因为当服务类型为期望型 ( O) 时, 满意度函数c有不同的函数分段组成, 故表中期望型满意度函数和其它类型略有不同。

注:**表示在 0. 01 的显著性水平下显著;*表示在 0. 05 的显著性水平下显著; O 型为分段函数。

本项目遴选了四组专家, 各小组的专家集合描述以及权重如表5所示。由于本文考虑的评语集为5粒度, 因此, ( 1) 式中t = 4, 则CR的语义模糊数为s0= VL = ( 0, 0, 0. 25 ) , s1= L = ( 0, 0. 25, 0. 5 ) , s2= M = ( 0. 25, 0. 5, 0. 75 ) , s3= H = ( 0. 5, 0. 75, 1) , s4= VH = ( 0. 75, 1, 1 ) 。通过访专家组对需求的模糊评价矩阵, 并根据 ( 2) 式计算得到用户需求CR的模糊权重值如下表6所示 ( 篇幅所限, 只列出部分) 。

服务设计小组对需求与设计要素的关联性进行语言评价, 根据 ( 3) 式 ~ ( 5) 式将需求的权重信息转化为设计要素SA的模糊权重值, 逆模糊化后得到SA的相对权重值如下表7所示。

将表7中的模糊评价矩阵逆模糊化并根据表4中回归所得服务要素满意度函数计算各设计要素满意度如下表8所示。需要说明的是表中一些数据是带负号的值, 其中的负号只是说明此数据在数轴上的方向问题, 并不代表其实际值为负值意义。

最后, 根据 ( 12) 式 ~ ( 14) 式、表7、8中所得β'j、pj建立移动服务要素组合方案的优化模型, 应用Lingo 11. 0软件包求解该模型, 并得到最优解为x3= 1、x6= 1、x7= 1、x9= 1、x13= 1。根据计算结果, 通信运营商可以在现有服务基础上, 考虑选择员工专业度 ( sa3) 、2G/3G上网速度 ( sa6) 、移动WLAN覆盖 ( sa7) 、自助终端 ( sa9) 与客户经理 ( sa13) 这5项服务要素作为最终优化项。

进一步应用Eclipse开发平台编写程序求得靠近最优解的所有满足约束的700个可行解, 筛选出最接近目标函数最大值的60组可行解, 计算这60组可行解对应的在考虑用户满意度和需求权重下的目标函数值和对应的值, 绘出分析图, 如图4所示, 图中虚实线表示成本约束, 实线表示目标函数曲线右端目标函数达到最大, 也就是模型求解所得的最优目标值。下图直观的表明, 在成本要素约束下, 本文所提出的考虑需求权重和用户满意度的情况下的合理的优化方案。

4 结语

2.浅谈基于移动搜索的网页设计优化研究论文 篇二

关键词 搜索引擎优化 爬行蜘蛛 网页布局

当前，互联网与政治、军事、国民经济等联系越来越密切，越来越多的网站发布在互联网中，网站提供的信息和服务也愈加丰富，如何快速查找出用户所需要的准确信息？搜索引擎成为了首选工具，在网络应用行为统计中，搜索引擎的使用率达到了73.3%，对各个网站来说，如何提高网站在搜索引擎中的排名越来越受到了关注，因为在搜索引擎中的收录量和排名，直接影响着网站的运营。搜索引擎优化的方法很多，本文主要以株洲天意汽车运输有限公司网站为例，介绍下经常被忽视的网页布局技术在搜索引擎中的应用策略。

一、搜索引擎的工作原理

搜索引擎用来爬行和访问页面的程序叫做爬行器（crawler）或叫爬行蜘蛛（spider），搜索引擎蜘蛛访问网站页面时类似于普通用户使用的浏览器。蜘蛛程序发出页面访问请求后，服务器返回HTML代码，蜘蛛程序把收到的代码存入原始页面数据库。搜索引擎为了提高爬行和抓取速度，都使用多个蜘蛛并发分布爬行。蜘蛛访问任何一个网站时，都会先访问网站根目录下的robots.txt文件，并沿着网络上的链接从一个网页到另一个网页，从一个网站到另一个网站采集网页资料。搜索引擎并不会取回整个页面的信息，搜索引擎只会取得每个页面最有价值的信息，如：标题、描述、关键词等。

那么，页面内容的优化，关键字的设置，页面链接的正确等成为了与搜索引擎能否收录成功、收录数量的关键设置点。

Spider的爬行顺序是从上到下、从左到右访問网站信息的，而且搜索引擎访问的是代码，当 spider 爬行页面时，遇到多层布局嵌套时，spider将会跳过嵌套的内容，甚至直接放弃整个页面。所以在建立网站的时候，关键内容在网页中的位置非常重要，网页布局的重要性不言而喻。

二、网页布局的方式

目前常用的网页布局方式主要为表格布局、框架布局以及 DIV+CSS 布局三种，下面，我们具体分析下三种布局方式的特点。

（一）表格布局页面特点

表格布局操作容易、快捷、浏览器的兼容性好，通过表格的设置，可以很快速方便的进行网页元素的定位。但是布局灵活性不大，只能遵循 table tr td 的格式，为了精准定位，布局中将频繁使用多层表格嵌套，增加了大量难以阅读和维护的代码，在保证网页美观的前提下，严重影响了搜索引擎的收录。而且表格布局的网页在浏览时，要等待整个表格加载完毕后才能正常显示信息，浏览较慢。

（二）框架布局页面特点

框架布局能实现在同一个窗口下同时浏览多个页面，对于布局规范完整的网站来说，提高了网站的开发效率，保证了网站风格的统一，提高了浏览的速度。但是由于框架是由框架集和框架组成，搜索引擎把框架中的页面看成是独立的页面进行索引，搜索引擎只能访问其中的一页，这样其他网页被忽略了。网站的框架结构对搜索引擎来讲是一个索引的盲点，不便于网页的收录。

（三）采用 CSS+DIV 布局的网页具有以下特点

DIV+CSS 布局的最大特点是内容和样式相分离，页面代码精简，结构清晰，网页表现设计部分剥离出来放在一个独立样式文件中，易于维护和改版。当进行网页改版的时候，只需要更改CSS样式表文件，不用再一页一页地更新。Div的嵌套数基本可以控制在2-3层之内，极大提高了搜索引擎的收录效率。在网页浏览时，各个div块和样式表可以分别下载显示，从而提高页面的下载速度。

3 网页布局优化

目前常见的布局形式大致有国字型、厂字型、框架型、封面型等，本文开发的是以汽车运输为主的物流网站网页，根据Spider的爬行顺序和特点，本文设计与制作的网页采用DIV+CSS布局结构，为了保证收录的数量和网页的美观，应用了两层div嵌套的布局模式。

在布局中上面是头部，分为logo、导航和banner三个部分，左边一栏显示纵向快速导航栏和企业联系信息， 右边一栏为主要信息展示平台，底部为网站的基本信息、联系方式和备案信息等。网页模板的头部和底部出现在每一页的同一位置。保证了网站整体风格的统一和延续。

（一）网页头部优化

在Spider爬行收录时，纯图片、flash的导航条以及js制做的导航条图片不易被抓取，因为搜索引擎既不能识别图片，也不能识别flash和js内部的链接，因此logo的设计采用了纯文字设计：“天意汽车运输有限公司”，利用文字大小、中英文互排、文字错位等方式产生视觉美感，导航栏采用CSS样式设置动态链接效果，banner部分将图片设置为三个小图，在图片之上添加文字FLASH，图片设置ALT为：“株洲天意汽车运输”。

（二）左边栏目的优化

左边栏目快速导航部分采用列表的形式显示二级导航，列表项为小图片加文字，小图片设置alt值：“株洲天意汽车运输”。企业联系方式为纯文字信息，内容中包含株洲天意汽车运输等信息。

（三）右边栏目的优化

这部分信息是通过从数据库中调用数据自动生成，存放在数据库中的数据，搜索引擎无法抓取，因此进行了静态化的数据处理，生成为了html页面，方便搜索引擎的收录。

四、结论

在采用了有利于搜索引擎的网页布局和基本优化技术，使网页样式与内容分离，结构简单，减少了页面代码，提高了页面加载速度，更重要的是方便了搜索引擎的快速收录。目前该网站通过百度自然排名，输入关键字：“株洲天意”，位于百度排名的首页第一位。

参考文献：

[1]冯涛.基于SEO技术提高网站访问量的策略研究[J].网络与信息，2010（12）：40

[2]肖海鹏.从SEO角度探讨学校网站的建设[J].中国科技信息，2008（20）：104

3.浅谈基于移动搜索的网页设计优化研究论文 篇三

关键词：和声搜索算法,自压树状管网,优化设计

管道化灌溉系统与其他节水灌溉方式相比具有节水效益显著、土地利用率高、对地形适应性强、输水速度快、灌水效果好、维修养护省工省时、管理方便、灌水及时等优点。大力发展管道化灌溉是新世纪节水灌溉的一个重要趋势,但与此同时,管道化灌溉需要的材料和设备较多、投资较高、规划设计内容较复杂、对水源水质要求较高。因此,在工程资金投入有限的情况下,进行管网系统优化设计,寻求满足水量和水压要求,且能使整个系统的造价最低或年费用最小、系统可靠性最高的设计方案,对节约投资、降低能耗、提高经济效益和社会效益等有着重要的现实意义[1]。进行管网优化的传统方法有线性规划法、非线性规划法、动态规划法以及微分法,近些年来,出现了一批新型智能算法,遗传算法[2,3]、人工神经网络[4]、粒子群算法[5]及列队竞争算法[6]等先后被应用于解决管网优化问题,极大促进了树状管网输水技术的应用与推广。韩国的Geem[7]等人于2001年提出了一种新型智能优化算法-和声搜索(Harmony Search,HS)算法,目前,和声搜索算法已经成功应用于如结构设计[8]、交通路径[9]以及环境参数校正[10]等很多工程优化问题。以往研究表明,和声搜索算法在求解优化问题上相比其他智能算法具有一定的优势。

1 和声搜索算法

1.1 和声搜索算法原理及步骤

和声搜索算法是一种新型优化算法,其原理和音乐演奏极为相似。在音乐创作过程中,乐师们密切配合,各自负责演奏自己手中的乐器,各乐器发出不同的音调,所有乐器的音调融合在一起就形成了一个和声。乐师们根据每次所奏和声的好坏不断的调整各自乐器的音调,以期演奏出一个最完美的和声。和声搜索算法就是基于上述音乐演奏现象,将乐队中的各个乐器比作优化问题中的决策变量Xi(i=1,2,…,n),各个乐器所发出的音调比作优化问题中各决策变量的取值Xij(i=1,2,…,n),各乐器发出的音调所形成的和声比作优化问题中的解向量Xj(X1j,X2j,…,Xnj),乐师们从美学角度对所奏和声的评价比作优化问题中通过目标函数对解向量好坏的评估。

和声搜索算法的基本步骤如下:①建立优化问题的数学模型并确定算法的基本参数,包括和声记忆库大小HMS、和声记忆库考虑概率HMCR、音调微调概率PAR及算法的终止迭代次数NI;②根据预先设定的和声记忆库的大小产生HMS个和声作为初始和声记忆库;③按一定规则即兴产生1个新和声作为新解,新和声的具体产生方法为:生成0~1之间的随机数rand1,若rand1<HMCR,则新和声对和声记忆库内的解分量进行保留,再次生成0~1之间的随机数rand2,若rand2<PAR,则对保留自和声记忆库内的解分量进行微调扰动,若rand2>PAR则不进行微调;若rand1>HMCR,则解分量在变量取值范围内随机选取;④对每一代所产生的新解进行适应度评价,若其适应度优于和声记忆库中的最差解,则用所产生的新解替换之,从而得到更新后的和声记忆库;⑤随着算法的不断迭代,重复执行步骤③和④,直至算法进行到预先设定的终止迭代次数为止,算法结束,得出优化问题的最优解。

1.2 和声搜索算法参数设置

和声搜索算法中的参数对算法的搜索性能有较大影响,HMCR值大则新解的产生较多的依赖于和声记忆库,有利于快速找到局部最优解,HMCR值小则在变量取值范围内随机产生的新解较多,可以增强解的多样性,有利于快速找到全局最优解;与HMCR相反,PAR值大则算法对新解进行微调扰动的概率大,可以增强解的多样性,有利于算法快速找到全局最优解,PAR值小则算法以较小的概率对新解进行微调扰动,有利于算法快速找到局部最优解。传统的和声搜索算法常采用固定的HMCR及PAR值,不能同时兼顾局部最优和全局最优的搜索,影响算法的搜索性能,文献[11]对算法的参数进行动态自适应调整从而得到一种改进的和声搜索算法并且取得了较好的效果,受其启发,本文对算法参数进行动态调整,并在微调时考虑了新解自身。

(1)和声记忆库考虑概率HMCR。HMCR值大,有利于算法的局部收敛,HMCR值小,可以增强新解的多样性,有利于算法的全局收敛,故HMCR的具体设置如下:

式中:NI为预先设定的算法最大迭代次数;k为算法当前迭代次数;HMCRo、HMCRt、HMCRk分别为算法开始时、结束时及第k次时的HMCR值。

(2)音调微调概率PAR。PAR值小,有利于算法的局部收敛,PAR值大,可以增强新解的多样性,有利于算法的全局收敛,故PAR的具体设置如下:

式中:PARo、PARt、PARk分别为算法开始时、结束时及第k次时的PAR值。

(3)扰动幅值BW。在传统和声搜索算法中采用固定的BW,即在整个寻优过程BW保持不变,这并不能充分发挥其对算法寻优的影响。因此本文采用动态的方法对新解进行调整,为了更好地利用新解信息,在进行微调时考虑了新解自身,具体设置如下:

式中:x′ijnew为扰动后的新解;xijnew为扰动前的新解;UBj、LBj分别为变量xij取值的上、下限;i为HM中的和声数,i∈[1,HMS];j为变量个数,j∈[1,N]。

2 自压式树状管网优化设计数学模型

2.1 非线性规划模型

将管径作为连续变量处理,以管径为决策变量,以管网一次性投资最低为目标函数建立自压树状管网优化设计数学模型。用单位长度的管道造价公式G=a Db计算管网投资,则可以用非线性规划模型进行自压树状管网优化设计,数学模型如下。

(1)目标函数。

式中:W为自压树状管网一次性投资,元;N为管网中干管的管段数;a、b分别为管道造价系数、指数;Di为第i段管道的管径,cm;Li为第i段管道的长度,m。

(2)约束条件。

工作压力约束:

管道承压力约束:

管径约束:

式中:h1为管道允许最小压力约束变量,m;h2为管道承压力约束变量,m;E0为水源处水位高程,m;I(k)为从水源到自压树状管网中第k个节点处经过的管段数;α为局部水头损失扩大系数;f为摩擦阻力系数;m为流量指数;n为管径指数;Qi为树状管网中第i管段的流量,m3/h;Ek为树状管网中第k个节点处的地面高程,m;Hk为第k个节点处的允许最低水压,m;Hc为管道承压能力,MPa;k为树状管网的节点数;Dimin、Dimax分别为第i条管道的最小和最大允许管径,cm。

上述非线性规划模型为带约束优化问题,需先将其化为无约束优化问题。本文采用罚函数法实现上述转化,所构造出的目标函数如下:

式中:λ为模拟退火惩罚因子,λ=1/t,t=ζt,ζ∈(0,1)。

采用模拟退火算法设计惩罚因子,使t随着迭代次数的增加逐渐下降,即λ随着迭代次数的增加逐渐增大,其增加速度取决于温度冷却参数ζ,随着算法搜索的不断进行,迭代次数逐渐增加,惩罚因子逐渐增大使解趋于最优。

利用和声搜索算法采用Matlab编程对上述非线性规划模型进行求解,得出由N个连续管径值所构成的解向量,该解向量即为所求问题的近似最优解。但由于所得结果并非标准管径,因此需对其进行圆整化处理,即进行二次优化。

2.2 线性规划模型

线性规划模型是以标准管径所对应的管长为设计变量,以管网投资最小为目标函数,采用单纯形法进行求解,可以得到管径和相应管长的最优组合,此处的标准管径是在第一级非线性规划模型优化结果的基础上确定的,是从可用标准管径集合中选出的包含所求得连续管径值的4种相邻管径的最优管径集合。

(1)目标函数。

式中:M为管段中标准管径数;Cij为干管第i管段选择的第j种标准管径管道单价,元/m;Xij为干管第i管段选择的第j种标准管径管长,m。

(2)约束条件。

工作压力约束:

管道承压力约束:

管长约束:

非负约束:

式中:Dij为第i管段第j段管道的管径,cm。

3 仿真计算

3.1 算例

某渠灌区因斗渠灌溉水损失较多,经研究决定改为自压式低压管道灌溉系统,其中干管、支管采用素混凝土地埋固定管,引水管及田间灌水管采用地面移动软管。根据地形、灌区边界及灌水技术要求,确定该自压低压管道灌溉系统干支管线及给水栓布置如图1所示,管网中各节点流量、节点地面高程、管道编号及其长度如图1所示。干管、支管均为连续供水,支管上的4个引水管划分为两个轮灌组,引水管1和引水管2为一个轮灌组,引水管3和引水管4为一个轮灌组。给水栓处允许最低工作压力水头为0.5m,水源水面高程为99.541m(见表1)。

为与原设计方案结果进行对比,本文采用谢才公式计算沿程水头损失,取沿程水头损失的10%作为局部水头损失,则总水头损失可按下式计算:

式中:Hf为管道水头损失,m;n为管道粗糙系数,取n=0.014。

3.2 控制参数选取

和声记忆库大小HMS取10;算法开始及结束时的记忆库考虑概率HMCR0、HMCRt分别取0.95和0.75;算法开始及结束时的音调微调概率PAR0、PARt分别取0.05和0.25;模拟退火惩罚因子中初始温度t0取0.001,温度冷却参数ζ取0.99。

3.3 结果分析

为比较不同轮灌制度对管网投资的影响,本文采用两种轮灌制度分别进行管网优化。轮灌方式1采用原设计方案的轮灌组划分方法,即引水管1和引水管2为一个轮灌组,引水管3和引水管4为一个轮灌组;轮灌方式2是将引水管1和引水管3划分为一个轮灌组,引水管2和引水管4划分为一个轮灌组。根据下游同时工作的管道的引水流量确定管网中各管段的设计流量1和2。将管网的基本数据及算法设定参数输入程序得到管网的优化设计结果,见表2。原设计方案管网投资为363 426元,轮灌方式1管网优化结果投资为308 384元,轮灌方式2管网优化结果投资为296 308元,分别较原设计方案的投资降低了15.15%和18.47%,轮灌方式2较轮灌方式1的管网优化结果投资降低了3.92%。结果表明该算法模型具有较好的求解结果,不同轮灌方式对管网投资也有较大的影响,划分轮灌组时应尽量采用间隔轮灌的方式以减小部分管段的设计流量达到减小管径、降低投资的目的。

为克服算法的随机性对求解性能评估的干扰,将算法程序连续独立运行10次,虽第一级优化设计模型求解结果会由于和声搜索算法的随机性出现些许偏差,但在此基础上确定最优备选管径组,通过第二级优化设计模型求解后均能得到树状管网全局最优解,说明算法计算结果稳定,具有较好的计算精度。

4 结语

和声搜索算法具有原理简单,容易实现,不需要初始值,采用随机搜索而无需更多信息的优点,是求解优化问题的一种新型智能算法。本文针对非线性规划模型难以得到管网优化问题全局最优解以及线性规划模型决策变量数目多、最优管径集合确定困难、求解问题规模有限的缺点,采用两级优化设计模型求解,第一级优化设计模型为非线性规划模型,采用和声搜索算法算法求解,第二级优化设计模型为线性规划模型,采用单纯形法求解,得到树状管网全局最优解且具有较高的求解效率。算法只需输入具体优化问题的已知数据便可快速求得全局最优解,可用于自压树状管网及水泵型号已经确定的机压树状管网的优化设计。

参考文献

[1]周荣敏,雷延峰.管网最优化理论与技术[M].郑州:黄河水利出版社,2002.

[2]吕鉴,贾燕兵.应用遗传算法进行给水管网优化设计[J].北京工业大学学报,2001,27(1):91-95.

[3]王圃,衡洪飞,岳健.基于退火遗传算法的给水管网优化[J].中国给水排水,2007,23(1),60-63.

[4]周荣敏,雷延峰,林性粹.压力输水树状管网遗传优化布置和神经网络优化设计[J].农业工程学报,2002,18(1):41-44.

[5]薛英文,文倩倩.基于粒子群算法的污水管网优化设计[J].中国农村水利水电,2010,(8):40-42.

[6]付玉娟,蔡焕杰,张旭东.基于图论和列队竞争算法的环状管网优化设计[J].灌溉排水学报,2008,27(4):81-84.

[7]Geem Z W,Kim J H,Loganathan G V.A new heuristic optimization algorithm:harmony search[J].Simulation,2001,76(2):60-68.

[8]Lee K S,Geem Z W.A new structural optimization method based on the harmony search algorithm[J].Computers and Structures,2004,82(9-10):781-798.

[9]Geem Z W,Lee K S,Park Y.Application of harmony search to vehicle routing[J].American Journal of Applied of Sciences,2005,2(12):1 552-1 557.

[10]Kim J H,Geem Z W,Kim E S.Parameter estimation of the nonlinear Muskingum model using harmony search[J].Journal of the American Water Resources Association,2001,37(5):1 131-1 138.

4.浅谈基于移动搜索的网页设计优化研究论文 篇四

关键词：移动学习；协同创新；MVC；学习偏好推荐；流媒体

中图分类号：TP311

移动学习是数字化学习的扩展，具有移动性、高效性、广泛性、交互性、共享性、个性化等学习特征。学习者不再局限在电脑前，可以“随时、随地、随身”，“短、平、快”地进行学习。因此，它是21世纪教育技术的新进展，代表着教育技术新的发展方向[1]。

把协同创新与移动学习相结合，可以在学习中培养学生的团结协作的能力，利于学生个性化的发展。移动学习环境下的教学模式能够更加充分地发挥教师的主导性和学生的主体性[2]。

1 项目技术架构

项目采用M-V-C架构，移动终端主要基于Android，IOS系统，服务器端使用主流的Microsoft.NET多层架构体系开发，具有良好的兼容性。平台在通信机制上以传统的同步通信为主，在需要更新局部数据或处理一些简单的数据传递时则采用Ajax异步通信技术。

为了降低系统的耦合性，提高系统的实用性和灵活性，对系统的页面逻辑、业务逻辑和数据逻辑进行分层。集合当前的Web技术，实现了业务逻辑和页面表示的分离，数据持久化的linq，对数据进行缓存，SpringFramework完成系统的业务逻辑。[2]。

2 设计目标

项目应达到如下要求：（1）产品的跨平台性。产品可以安装部署到Android，IOS，WInPhone等多种硬件平台和操作系统环境；（2）产品支持多种数据库。以轻松在MYSQL，SQL SERVER，ORALCE等数据库上移植使用；（3）系统具有多种方式的查询统计功能，学习资源并以丰富的图形、图表的方式直观的显示；（4）采用MVC模式。满足移动学习需要，可以随时随地进行数据采集与处理，不限制客户平台，同时要保证数据安全性；（5）采用语义及推荐技术，智能地根据用户的知识能力推荐相应的学习资源；（6）系统性能优异。通过合理使用内存镜像缓存、數据库连接缓存等技术来极大地提高性能、提高系统的访问速度。

最终项目具有高复用与可移植（Reuse and transplant）；移动学习（Mobile Learing）；协作（Collaboration）；个性化推荐（Recommend）的应用系统。

3 系统功能模块设计

系统分客户端和后台管理系统，客户端主要基于ANDROID，IOS平台，用户可以通过WEB在线或移动智能设备完成资源管理、资源检索、用户管理、系统备份、发布模板，管理和资源发布等功能。移动在线作业、考试、答疑、笔记、求助、相互评价等协作学习。此外还有手机报定制、学习推送、短信提醒功能。后台主要用.NET技术在网络上架构一个教学资源平台[3]。

最终项目应具有以下特点：以学生为中心，给学生强烈的拥有感，学生可以自主学习变被动为主动，有效激发学习者的兴趣；强调学生之间的协同创新、随时随地的提问、师生及时的答疑、可以组队共同完成任务，参加头脑风暴。对完成的项目进行相互评价，有效培养学生的团队合作与创新精神；基于成熟的无线网络技术，让移动学习拥有随时便捷的学习环境；实现资源、经验的共享，学习活动具有情景交互性；题库内容、学习人员、学习时间易于掌控，随需而变；支持手机用户异地多方同步学习；有效的解决了集中组织学习与个人工作繁忙之间的矛盾，轻松开展教育与学习活动。

4 关键技术

4.1 视频点播技术的实现。课程视频的存储与播放是关键技术之一，课程视频首先要进行技术上的压缩，减少存储容量的同时保证视频的清新度，然后存储在云平台，播放时采取流媒体的形式进行内容的分发[4]。

4.2 不同技术标准设备之间的兼容问题。为了实现在不同技术标准的移动设备之间的兼容，需要在服务器端的统一数据接口与Web层的连接处设计一个格式转换层，以实现后台处理统一的XML数据与客户端多样化的表现格式之间的转换。格式转换层的工作过程是：通过Web服务器的请求来识别客户端设备类型，然后调用相应的格式转换器将系统形成的XML数据转换成相应的HTML、WML以及其它数据格式，然后通过Web服务器返回给客户端。

4.3 基于学习偏好的推荐。学习偏好是指用户在学习过程中倾向的学习方式，如兴趣导向、进度导向、学习策略导向等。根据用户的学习偏好，当用户正在进行学习时，系统将能个性化地向用户推荐相关学习元。

5 结束语

设计、开发基于协同创新的移动学习系统，它将有助教学模式的改革与发展，有利于促进学习者的自学和远程教育的快速发展。从宏观上看，有助于扩大网络学习的规模，对建立终身学习型社会具有重要意义。对各高校来说，移动教学的应用可以促进教育信息化，特别是提升当前教学资源库，精品资源共享课建设的质量和信息化水平。对学习者的意义在于能够实现学习者任何时候、任何地点进行学习的梦想。

参考文献：

[1]刘珍芳.移动学习是现代教育技术发展的新方向[M].中国电化教育，2005（09）.

[2]吴兵，董清爽.协同式学习环境下移动学习系统设计研究[M].科技信息，2009（29）：517-518.

[3]武玉坤.基于Android移动学习平台的设计[M].计算机光盘软件与应用，2013（01）.

[4]王琴，王军，基于移动云计算的移动学习研究[M].制作业自动化，2013（35）.

作者简介：韦存存（1979-），男，广西柳州人，教师，硕士，研究方向：语义智能、数据挖掘、移动应用；朱书架（1993-），男，浙江温州人，软件技术专业在读学生。

作者单位：浙江工商职业技术学院计算机应用研究所，浙江宁波 315012；浙江工商职业技术学院，浙江宁波 315012

5.浅谈基于移动搜索的网页设计优化研究论文 篇五

摘 要：移动终端的限制、移动学习资源的稀缺、没有考虑学习者特性等是现今移动学习亟待解决的问题。本文在问卷调查的基础上，有针对性地构建了基于云计算的个性化移动学习平台，以期对移动学习的发展提供一定的借鉴意义。

关键词：云计算；移动学习平台；个性化学习

中图分类号：TP393 文献标志码：A 文章编号：1673-8454（2014）03-0067-03

一、引言

随着计算机技术、无线通信网络、移动终端设备的发展， 信息技术环境下的学习方式发生了重大变革，移动学习作为新兴的一种泛在学习方式越来越引起人们的重视。移动学习使学习者能够随时随地学习，不再受时间和场地的限制，在便捷性和灵活性等多个方面比传统的学习模式更具优势。[1]

虽说移动学习在我国已经初具规模，但还是存在一定的弊端，移动终端的限制、移动学习资源的稀缺、没有考虑学习者特性等是限制移动学习发展的关键问题。云计算在教育领域的不断展开，特别是云教育应用平台的诞生为解决移动学习存在的问题提供了新的思路。云计算将计算及存储任务放在云服务器中进行，使在较低配置的终端也能实现大规模的计算和存储，摆脱了终端设备的限制。借助云端服务器提供的云存储使学习资源得到最大整合，实现移动学习资源的人人共享，能够在一定程度上缓解移动学习资源稀缺的现状。现今教育理念提倡要以学生为中心，倡导因人因材施教，[2]因此体现个性化学习和服务的移动学习平台将是今后发展的趋势。本文在云计算环境下，以学生为中心，进行个性化移动学习平台的研究，旨在探索基于云计算的个性化移动学习平台的系统构建。

二、基于云计算的个性化移动学习平台需求分析

从历年的Standish Group报告分析看，导致项目失败的最重要原因与需求有关。如他们曾对23000个项目进行了研究，结果表明，只有约26%的项目能获得成功，而在这些高达74%的不成功项目中，有约60%的失败是源于需求问题。[3]因此，成功开发基于云计算的个性化移动学习平台的前提是准确的信息获取和需求分析。本课题组前期通过大量的文献阅读，并辅助以调查问卷的形式对某高校500名学生进行随机调查，以期对移动学习平台在高校教育应用中的迫切性以及应用的可行性进行分析。

1.迫切性分析

在随机调查的500名高校学生中，虽说现在使用移动学习平台进行学习的人数并不多，但问及将来如果提供移动学习平台，93%的人选择会去使用，其中78%的人选择会经常使用，而选择移动学习的主要原因是移动学习本身随时随地的便捷性。以往在网络平台学习过程中，90%的人认为存在学习不丰富、分布散乱等问题，学生迫切需要高效快捷地获取所需的学习资源。而100%的调查者都希望平台能依据个人特征进行个性化定制，智能地提供符合学习者个性化需求的服务。由此可见，学习者迫切需要一个能够高效快捷获取学习资源且体现学习者特性的移动学习平台。

2.可行性分析

移动终端的普及以及高速无线网络的广泛覆盖使基于云计算的移动学习的大规模应用成为可能。以 Ipad为代表的新型平板电脑、以 Android为代表的智能手机和便携式上网本等移动终端也在快速普及，这使移动终端设备丰富多样。在随机调查的500名高校学生中，已经达到人手一机，其中，智能手机用户比例高达98%，而81%的学生有不止一种移动终端设备，这为移动学习平台的建设提供了有力的用户支持。同时，另一方面，云计算技术及 3G 网络将提供各种基于移动互联网信息业务，这为移动学习平台的建设奠定了很好的技术基础。移动终端设备的广泛普及、高速无线网络的强大覆盖，以及云计算技术的快速发展，使我们建立基于云计算的移动学习平台成为可能。

三、基于云计算的个性化移动学习平台设计

1.总体构架

移动学习平台以学生为主体，以泛在化学习为目的，基于云技术，构建人人通的网络环境； 借助云端服务器，实现知识模块的云存储，完善学习资源的共建共享；通过构建学生个性化学习空间、推送个性化资源、提供个性化学习服务满足学生个性化学习需求。其具体架构如图1所示：

2.具体设计

（1）构建人人通的网络环境：基于云端服务器，借助云端服务器提供的云服务实现资源的人人共享；通过云计算协同操作服务，实现协同操作的办公功能，实现网络空间的人与人的多重交互机制和协同学习、工作。如图2所示。

①云服务端

处于同一个“云环境”下的教师和学生，可以在任何一台电脑上登入使用云端服务，运行云端的软件、上传下载和浏览云端资源。基于云端服务器为用户提供服务，运行云端的软件、上传下载和浏览云端资源对用户端设备的要求极低，师生只需要一个极为简单的上网设备，如同上网本、ipad、智能手机等手持终端就可以借助云端服务器提供的云服务在网络中自由穿梭，实现学院师生网络人人通的目标。借助人人通的网络环境和丰富的资源云，学习者可以实现随时随地的泛在学习、向教师和同学提出疑问，教师也可以随时随地答疑或者给予学生自主学习的引导，进行网络人人通的构建。

②云协同服务

云计算同时还提供协同操作的一种办公室形态云计算服务，朋友、同学或同事可以登入并和你一起在一样的文件上工作，实现协同操作的办公功能，如：为一个项目在云端服务器建立一个项目材料文件，一个项目团队每个成员各自根据分工开展工作，每个成员都可以查看到其他成员的工作进展，学习其他成员最新工作成果。此类协同操作功能对班级同学自主协作学习有极大的帮助，实现网络空间的人与人的多重交互机制和协同学习、工作。

（2）构建移动学习云资源：依据移动学习特性，进行移动学习资源设计。移动资源采用知识模块化分割的方法，将学习内容依据知识点之间的联系划分成一个个相对独立，但又自成体系的微型知识模块，通过模块之间的组合，构成新的主题，利用云技术实现知识模块的云存储，完善实践教学资源的共建共享机制，实现知识模块的再组合，避免资源重复建设。实现教师和学生“按需使用、个性化推送”共同的教学资源和教学服务。如图3所示。endprint

（3）搭建个性化移动学习平台：个性化移动学习平台有别于传统学习平台，传递信息、信息交互、资源共享上的独特优势，是学生的学习实现真正意义的个性化，个性化移动学习空间的建设以学校“云环境”下的资源云为资源支撑，利用学生信息填写和学习过程记录，获取学生个性化特征，推理学生个性化需求。

搭建移动学习平台，通过构建学生个性化学习空间、推送个性化资源、提供个性化学习服务实现个性化学习需求。如图4所示：

①个性化学习空间：学习平台构建一系列功能模式，通过学习者注册登录，依据个人喜好和学习需求，选择个性化功能模块。最终搭建体现学生个性化需求的独立学习空间，学生自我学习空间就如现实中的书房，有自己需要的图书、学习试卷、学习轨迹以及需要的学习工具，构建充分体现个性化的学习空间。

②个性化推送：以前期整合的资源云为资源、以记录学生的学习过程为基础，采用人工推送和智能推送两种推送机制并用的推送方式。人工推送由权威的负责人员依据教学计划和学生学习情况，挑选优秀学习资源进行人工推送，主动为学习者推送所需的个性化资源，更好地达到教学目标；智能推送基于学习者兴趣和学习需求，按照其搜索轨迹，将云资源属性进行关系推理，并以此提取相关资源推送给学习者，摒除学习者面对海量资源的迷航现象，阻断自主学习的进程，保障自主学习的有效性，实现资源的个性化要求。

③个性化服务：平台构建个性化的在线学习指导和在线答疑服务，结合学习者学习轨迹，发现学习者学习问题，评价学习者学习习惯、学习情况，为学习量身定做学习计划，并为学习者查漏补缺，提供个性化学习服务。

四、总结

本文将云计算技术运用到移动学习平台的构建中，在调研基础上对平台进行了详细的设计。通过构建泛在学习环境，打破学习场所和时间的限制；通过构建学生个性化学习空间、推送个性化资源、提供个性化学习服务的移动学习平台，实现学生个性化学习需求。下一步工作是依据设计方案进行平台的开发及对本平台实际学习效果的验证。总之，随着云计算技术的发展，用户可以通过移动终端来随时随地进行学习，这不仅为在校学生的学习提供了一个便捷高效的学习途径，也为社会各阶层人士终身学习及边远地区和不发达地区学生的学习提供了一个很好的方法。

参考文献：

[1]刘建设，李青，刘金梅.移动学习研究现状综述[J].电化教育研究，2007（7）： 21-36.

[2]何克抗.关于建构主义的教育思想与哲学基础——对建构主义的再认识[J].现代远程教育研究，2004（3）.

[3]张友生.信息系统项目管理师考试辅导教程[M].北京：电子工业出版社，2012.6.

（编辑：王天鹏）endprint

（3）搭建个性化移动学习平台：个性化移动学习平台有别于传统学习平台，传递信息、信息交互、资源共享上的独特优势，是学生的学习实现真正意义的个性化，个性化移动学习空间的建设以学校“云环境”下的资源云为资源支撑，利用学生信息填写和学习过程记录，获取学生个性化特征，推理学生个性化需求。

搭建移动学习平台，通过构建学生个性化学习空间、推送个性化资源、提供个性化学习服务实现个性化学习需求。如图4所示：

①个性化学习空间：学习平台构建一系列功能模式，通过学习者注册登录，依据个人喜好和学习需求，选择个性化功能模块。最终搭建体现学生个性化需求的独立学习空间，学生自我学习空间就如现实中的书房，有自己需要的图书、学习试卷、学习轨迹以及需要的学习工具，构建充分体现个性化的学习空间。

②个性化推送：以前期整合的资源云为资源、以记录学生的学习过程为基础，采用人工推送和智能推送两种推送机制并用的推送方式。人工推送由权威的负责人员依据教学计划和学生学习情况，挑选优秀学习资源进行人工推送，主动为学习者推送所需的个性化资源，更好地达到教学目标；智能推送基于学习者兴趣和学习需求，按照其搜索轨迹，将云资源属性进行关系推理，并以此提取相关资源推送给学习者，摒除学习者面对海量资源的迷航现象，阻断自主学习的进程，保障自主学习的有效性，实现资源的个性化要求。

③个性化服务：平台构建个性化的在线学习指导和在线答疑服务，结合学习者学习轨迹，发现学习者学习问题，评价学习者学习习惯、学习情况，为学习量身定做学习计划，并为学习者查漏补缺，提供个性化学习服务。

四、总结

本文将云计算技术运用到移动学习平台的构建中，在调研基础上对平台进行了详细的设计。通过构建泛在学习环境，打破学习场所和时间的限制；通过构建学生个性化学习空间、推送个性化资源、提供个性化学习服务的移动学习平台，实现学生个性化学习需求。下一步工作是依据设计方案进行平台的开发及对本平台实际学习效果的验证。总之，随着云计算技术的发展，用户可以通过移动终端来随时随地进行学习，这不仅为在校学生的学习提供了一个便捷高效的学习途径，也为社会各阶层人士终身学习及边远地区和不发达地区学生的学习提供了一个很好的方法。

参考文献：

[1]刘建设，李青，刘金梅.移动学习研究现状综述[J].电化教育研究，2007（7）： 21-36.

[2]何克抗.关于建构主义的教育思想与哲学基础——对建构主义的再认识[J].现代远程教育研究，2004（3）.

[3]张友生.信息系统项目管理师考试辅导教程[M].北京：电子工业出版社，2012.6.

（编辑：王天鹏）endprint

（3）搭建个性化移动学习平台：个性化移动学习平台有别于传统学习平台，传递信息、信息交互、资源共享上的独特优势，是学生的学习实现真正意义的个性化，个性化移动学习空间的建设以学校“云环境”下的资源云为资源支撑，利用学生信息填写和学习过程记录，获取学生个性化特征，推理学生个性化需求。

搭建移动学习平台，通过构建学生个性化学习空间、推送个性化资源、提供个性化学习服务实现个性化学习需求。如图4所示：

①个性化学习空间：学习平台构建一系列功能模式，通过学习者注册登录，依据个人喜好和学习需求，选择个性化功能模块。最终搭建体现学生个性化需求的独立学习空间，学生自我学习空间就如现实中的书房，有自己需要的图书、学习试卷、学习轨迹以及需要的学习工具，构建充分体现个性化的学习空间。

②个性化推送：以前期整合的资源云为资源、以记录学生的学习过程为基础，采用人工推送和智能推送两种推送机制并用的推送方式。人工推送由权威的负责人员依据教学计划和学生学习情况，挑选优秀学习资源进行人工推送，主动为学习者推送所需的个性化资源，更好地达到教学目标；智能推送基于学习者兴趣和学习需求，按照其搜索轨迹，将云资源属性进行关系推理，并以此提取相关资源推送给学习者，摒除学习者面对海量资源的迷航现象，阻断自主学习的进程，保障自主学习的有效性，实现资源的个性化要求。

③个性化服务：平台构建个性化的在线学习指导和在线答疑服务，结合学习者学习轨迹，发现学习者学习问题，评价学习者学习习惯、学习情况，为学习量身定做学习计划，并为学习者查漏补缺，提供个性化学习服务。

四、总结

本文将云计算技术运用到移动学习平台的构建中，在调研基础上对平台进行了详细的设计。通过构建泛在学习环境，打破学习场所和时间的限制；通过构建学生个性化学习空间、推送个性化资源、提供个性化学习服务的移动学习平台，实现学生个性化学习需求。下一步工作是依据设计方案进行平台的开发及对本平台实际学习效果的验证。总之，随着云计算技术的发展，用户可以通过移动终端来随时随地进行学习，这不仅为在校学生的学习提供了一个便捷高效的学习途径，也为社会各阶层人士终身学习及边远地区和不发达地区学生的学习提供了一个很好的方法。

参考文献：

[1]刘建设，李青，刘金梅.移动学习研究现状综述[J].电化教育研究，2007（7）： 21-36.

[2]何克抗.关于建构主义的教育思想与哲学基础——对建构主义的再认识[J].现代远程教育研究，2004（3）.

[3]张友生.信息系统项目管理师考试辅导教程[M].北京：电子工业出版社，2012.6.

6.浅谈基于移动搜索的网页设计优化研究论文 篇六

1总体设计

1.1结构设计

本系统总体功能结构从上到下分为5层:接入层、展现层、 应用层、支撑层、基础层。其中接入层代表全体用户,负责操作App;展现层代表App本身,负责与用户产生交互;应用层代表App内部模块,主要分为教务模块、图书管理模块、圈子模块, 这些模块组成了App的全部功能;支撑层代表App底层结构中的一部分,包括数据库、解析器等中间件,这些部件支撑着整个业务系统的运行;基础层代表“服务器”部分。五层结构建立了用户—客户端—服务器三者之间的完整关系如图1所示。

1.2功能设计

移动教务平台Android端以校园现有相关系统为功基础, 对原有系统进行“移动平台化”移植,使用户可以在手机上直接通过“独立客户端”相应系统进行操作。该平台Android端以 “教务系统”为主,同时也结合了“图书管理系统”和“通知系统”,其中“教务系统”实际上也整合了“评教系统”,各系统之间相互独立,符合“低耦合”的设计理念,共同构成Android端完整的软件功能。具体提供的功能包括成绩查询、图书查询、图书推荐、个人图书馆、通知推送及移动评教。

1.3UI设计

本系统所采用的主体设计风格为“卡片式UI设计”。卡片式UI本设计中全部UI界面基于“卡片式”设计。“卡片式”UI相较于传统的UI设计,在栅格的基础上更进一步,可以将不同大小、不同媒介形式的内容单元以统一的方式进行混合呈现,并且卡片式设计应用于流量分发的渠道型页面及碎片化内容页。

2实现优化

2.1性能优化

1)由于整个Android生态“碎片化”现象较为严重,不同的手机搭载的不同版本Android系统,不同的屏幕大小带来的不同分辨率以及手机之间不同的硬件配置,众多因素都会导致App性能在不同的环境下表现不一致。性能优化部分主要指在对Bitmap的处理和对List View处理的优化上。在Android开发中,处理Bitmap需要小心,否则轻者会造成应用卡顿,严重地会直接OOM(Out Of Memory)或导致ANR(Android Not Respond-ing)。

2)在文所述应用在首次启动展示的引导界面,在View Pag-er的Fragment中加载图片时,采用了异步线程+压缩显示的方法,使得Bitmap的显示效率有了很大程度的改善。具体代码如下:

2.2ListView滑动性能优化

对于List View的优化,因为List View依靠一种类似“栈”的数据结构来渲染每个要显示的条目,当用户将列表向上滑动, 不再可见的条目会被压至栈底,释放空间,供新条目使用,实现过程如图2所示。但当用户将这个视图滑回屏幕,在这种情况下程序应当作出处理,让List View直接从内存中读取View而不是重新申请空间。这可以使用一个数据结构将get的View先缓存起来,这样的数据结构就是“View Holder”,类似的还有View S-tub等一些元素。

2.3UI优化

1)UI优化是指对软件UI布局做出优化以获得更佳的性能。在系统UI开发过程中,有很多布局、控件等元素可以实现复用。这些元素如果不在优化阶段单独从代码中抽出,不但会造成项目中产生大量冗余代码,而且会拖慢应用的UI渲染性能。

2)通过使用Hierarchy Viewer对现有实现布局进行查看,去除多重嵌套的布局,并抽出能够实现重用的布局,合理利用<merge>、<include>等标签实现对布局文件的优化。在系统实现初期实现引导页面时,采用了类似下面这段代码的布局:

这个布局在初次实现时并无任何问题的,但在设计优化阶段经过Hierarchy Viewer查看,发现其中的层级套用过于复杂, 在RAM较小的手机上会严重影响App性能。

3)优化过程采用了<merge></merge>标签对来解决。该标签对可以有效减少View的层级数量,如布局的root是一个垂直的Linear Layout_1,这个Linear Layout_1里面需要再放一个垂直的Linear Layout_2 ,然后这个Linear Layout_2里有两个But-ton ,一旦层级关系多了,层层嵌套的Linear Layout就会拖慢整体的绘图性能,但事实上这几个Linear Layout几乎都是一样属性,只不过是包含的子空间不同,因此完全可以就写一个Lin-ear Layout,在其他地方使用<include></include>重用这个布局即可。两次Hierarchy Viewer分析结果如图3所示。

类似这样的优化在本次毕业设计中的很多页面中均有体现。通过这些优化途径,使得软件在启动性能、运行效率上有了很大程度的提升,也降低了对手机资源的消耗,增加了手机的续航时间。

3结论

7.浅谈基于移动搜索的网页设计优化研究论文 篇七

1垂直搜索引擎的概述

垂直搜索引擎能够在一些专业领域得到广泛的应用, 为用户提供更加便捷的搜索服务。垂直搜索引擎能够在某一特定领域内启动一些网络爬虫,在进行网页下载的时候, 能够找到和本地网页库中相关的信息,然后对这些信息进行处理,将一些数据转化为结构化数据,最后反馈给用户的搜索入口。垂直搜索能够有针对性进行搜索,能够根据用户的具体要求进行搜索和检测,为他们提供具有非常鲜明特色的搜索服务,这种搜索引擎一个非常突出的特点就是深入、详细。由于通用搜索引擎搜索的范围十分广泛, 因此,它不能满足细致的搜索工作,不能够将准确的信息反馈给需要的特定人群[2]。根据市场需求的多样化,搜索引擎必须进行细分,给人们提供准确的搜索服务。

2垂直搜索引擎的特点和框架结构设计

2.1垂直搜索的特点

垂直搜索引擎能够有针对性进行搜索,能够准确提供给人们需要的信息。通用的搜索引擎更加注重数据分离和关键词搜索,垂直搜索更多注重文本的分离,对数据信息进行处理,使得数据能够满足人们的需求,通用的搜索引擎就不需要考虑数据结构。由于相关信息垂直搜索引擎只需要捕捉到一些某个特定的行业,这样的信息采集方式的使用只需要爬虫找题相关信息,垂直搜索引擎具有以下特点。一是垂直搜索引擎的爬虫具有定制性,能够深入抓取特定行业的一些信息。二是垂直搜索引擎是针对行业的特点来进行抓取信息的,以网站的数据为例,各种人才网数据源的来源于求职的网站,从股票网站中搜索到相关的信息。三是垂直搜索引擎更倾向于抓住一些结构化数据和元数据,例如,在寻找一所房子的过程中,其能够捕捉到相关的地理位置、价格、小区环境、房地产价格等一些系统的信息[3]。

2.2垂直搜索引擎的框架设计

垂直搜索引擎的建设需要做好以下几个方面的工作。 一是网站分析。抓捕器需要设置所需的网站信息 , 并且还要结合特定的行业模板进行抓捕工作。二是站点初始化分析。一些网站需要用户登录以后才能够获得详细信息,因此,有必要在垂直搜索引擎中,设置这个注册和登录过程 , 这样才能够完善详细的信息。三是页面爬虫。网络爬虫主要负责抓取一些web数据。四是数据分析。分析有用的链接和数据 , 并且利用爬虫来提取这些新的数据。五是建立索引。将爬虫抓取到的信息进行整理和分析,将这些信息进行选择并存储在数据库中当中,并结合数据库来建立索引,以便能够快速获取信息。六是搜索查询。设计一个个性化的应用程序,或融合一些其他网站,能够搜索到其他网站的一些信息[4]。

3基于Lucene的垂直引擎的设计

3.1lucene全文搜索框架

Lucene是一个子项目,能够有效利用开放源代码来对全文的搜索,它能够给开发人员提供了大量的外部接口, 这是一个易于使用的工具。在垂直搜索引擎的部件当中, 建立基于Lucene的索引和查询,用户只需要按照该方法来进行操作,就能够实现对全文进行检索。因为Lucene是开源的,具有面向全体对象的特点,程序员还能够在此基础上对其功能进行扩展,如进行中文语言处理,文件格式处理,PDF文件的处理,能够适应搜索引擎的具体需要。

3.2lucene的索引

Lucene的索引一般是倒排的索引,主要来自于实践当中的体现,在索引的过程中,倒排索引的应用范围十分广泛。在实际应用中,通常需要根据数据和文件的数据来查找一些数据信息,建立一个索引表,在这个结构上每加上每一个属性的具体的位置,这样就能够快速找到包含属性值的位置。因为不受记录的位置就可以确定属性值,而是根据属性值来确定记录的位置,所以这种类型的引擎能够快速找到记录的位置,用户能够及时找到需要的信息[5]。

3.3lucene的搜索方法

基于Lucene搜索相关 的文件类 型都包含 在org. apache.lucene.search当中。 其中Index Writer就是非常 重要的一类。Index Writer可以提供三种常见的构造函数和一个私有构造函数来有效实现实例化搜索目录。对于Index Writer中对象的参数和类型 , 都会经过仔细的检索, 能够有针对性进行搜索,很容易就能够得到我们所需的数据信息。根据lucenne查询请求 ,Hits代表一个查询结果的集合 , 还包含检索文档。Hits类对象包含一个内部缓存的处理器当中 , 用于存储一定数量的文件 , 这个文件的容量非常大,能够满足不同用户的需求。每一次用户需要文档的时候 ,Hits是第一次访问的,如果缓存的文件包含在本文档中,然后就会将这个文档直接返回给用户,如果缓存中没有存储的文档,Hits将继续执行下一个查询的过程, 快速找到用户需要的信息。

4结语