一种多处理器并行优化处理模型的设计与研究

通过在多进程中引入信号灯机制 ,提出了基于多处理器硬件环境下并行优化处理模型 ,实现多个处理器的并发操作以及对临界资源的合理调度和使用 ,从整体上提高了系统的运行效率 .对并行优化模型的执行效率进行了分析 ,将该模型运用到高速光盘驱动器固件的设计中 ,获得了较好的应用效果 .     

并行计算在词袋模型算法中的应用

传统词袋模型已广泛地应用于图像处理领域,并取得较好效果.但在传统词袋模型中,仅考虑了串行计算,使得整个算法流程耗时较长.考虑现有的多核CPU资源,结合共享存储并行编程(OpenMP)并行框架,对词袋模型进行并行优化,并对其性能进行讨论.主要考虑对特征提取、特征聚类和图像直方图生成三个部分进行并行优化.通过对Caltech 100数据库进行实验,结果表明,该方法可以取得接近于CPU核数的加速比,因此减少了词袋模型的构造和图像直方图生成时间,相对于传统词袋方法提高了算法的效率.     

并行测试系统资源配置模型

并行测试是下一代自动测试技术的主要发展方向之一。从并行测试系统的本质概念入手,分析了影响并行测试系统资源优化配置的关键因素,给出了解决问题的思路。研究了并行测试信号模型、测试资源接口模型,以降低系统组建成本和提高测试系统效率为研究目标,提出了并行测试任务优化序列的概念;以此为基础,给出了并行测试资源优化配置方法。     

区域网络化制造资源优化配置的遗传算法模型

对传统算法模型在解决优化配置问题上的缺陷进行分析和研究, 提出一个基于并行遗传算法的资源优化配置算法模型, 考虑到网络化制造系统中资源的特殊性, 编码方式采用二进制编码, 并行模型为粗粒度并行模型. 该模型不但可以在产品全生命周期中的每个环节选1个或多个企业参加, 而且不会遗漏任何一个可行的优化配置方案. 此外, 对该模型的可行性和优越性进行了论证, 给出基于该模型的原型系统运行界面, 通过具体实例验证了该模型的有效性.     

基于效率的并行设计研究

针对目前在并行设计的规划过程中因未考虑企业存在的技术、人力资源约束而经常造成最终分析结果与实际情况不符这一问题，讨论了基于效率的工作量模型及时间总量模型；提出了以设计时间最短为追求目标的优化模型；给出了该优化模型的一个应用实例，表明该模型揭示了并行设计的结构特点，并为关键任务的识别提供了一条有实用价值的新思路．     

基于Pareto GA的机械手结构/控制多目标优化设计

针对机械／控制系统并行设计的多变量、多目标优化特点,以单臂机械手为对象,研究机电融合优化设计模型和多目标并行优化的算法．根据单臂机械手的动态特性和控制性能要求,采用极点配置方法构造了基于PD反馈控制的机电融合优化设计模型,通过Pareto遗传算法（PGA）对带约束的机电融合多目标优化问题的并行求解进行了研究,并对得到的Parato可行解集进行了分析．在PGA优化过程中采用了目标函数的归一化处理、分级罚函数法将约束问题转化为无约束优化、群体分级和Pareto解集过滤器等技术,并采用聚类方法对Pareto解集中解的个数、解集的特性和解的多样性进行控制,使优化解收敛到一个非劣点集．     

基于Spark的水库群多目标调度粒子群并行化算法

随着社会经济的发展,在江河修建的水库数量和规模越来越大,水库群优化调度所需资料量庞大、数据关系复杂,应用常规技术进行优化调度存在一定的缺陷,如计算速度慢、存在"维数灾"等。基于此,本文的研究旨在弥补智能算法的缺陷,提高求解模型的速度。本文以黑河流域为例,应用基于Spark框架的水库群多目标调度粒子群并行化算法,并使用Scala语言开发了水库群多目标优化调度软件系统,大大提升了计算效率。研究对水库群多目标优化调度的并行编程发展与应用也有很好的现实意义与应用价值。     

基于混合编码的粗粒度并行遗传算法在公路选线优化中的研究

首先分析公路选线设计中,采用计算机软件算法进行优化的必要性,指出由于公路选线优化上的行业特殊性,目前在提高计算效率中还存在局限性;提出一种基于混合编码的粗粒度并行遗传算法来进行公路选线优化,利用混合编码技术精简编码和子线程的通信量,利用粗粒度并行遗传算法提高多核心CPU的应用率,最终达到提高公路路线优化算法效率的目的。详细介绍了整个算法的原理和过程,并开发计算机软件系统应用到实际工程中;最后,在总结中认为,采用并行遗传算法来解决公路选线优化问题,是研究人工智能算法技术运用在公路选线优化领域中,最能提升效率并取得效果的一种途径。     

神威平台上AceMesh编程模型的构图优化

面向高性能计算领域的多核、众核处理器飞速发展,为了降低并行编程的难度,提高并行计算效率,数据驱动的并行编程模型成为高性能计算领域的研究热点。AceMesh是数据流驱动的、支持多核和众核异构平台的任务并行编程模型,能自动发掘结构化网格应用中存在的数据驱动的任务图并行性。但如果任务粒度划分较细,其构图过程会造成很大开销。本研究结合"申威26010"异构众核处理器的结构特点,从主、从核通信优化、内存池、无后继任务收集等方面对AceMesh构图过程进行优化,并采用航天飞行器应用中的7个热点子程序对优化效果进行测试。测试数据表明以上优化取得5倍的加速。为验证构图优化对AceMesh整体性能的提升,对航天飞行器应用分别在Acemesh和神威OpenACC的加速效果进行了测试,优化后的AceMesh加速效果约为神威OpenACC的1.5倍。     

多核处理器中基于MapReduce的哈希划分优化

针对传统的并行哈希划分算法不能高效地利用多核处理器的并行资源,且不能较好处理有倾斜的输入数据的问题,提出了一种在多核处理器中基于MapReduce的哈希划分算法,并且提出了存储结构优化、多步划分优化、数据倾斜优化3种优化策略。该算法将输入数据分成若干块后提交给各个线程并行处理,并选择合适的策略避免写冲突,使其能够高效地利用多核处理器的并行资源。文中提出的哈希表能够提高cache效率,从而提升算法的整体性能。引入MapReduce模型可使多步哈希划分在Map过程和Reduce过程中分别进行;数据倾斜优化策略能使算法适应有倾斜的输入数据,且具有较好的效果。实验结果表明:在多核处理器中,文中提出的算法能够适应各种分布的输入数据,并且使哈希划分的整体性能得到提升。     

移动机器人的并行免疫计算模型

为了支持未知环境下移动机器人自主导航，提出了移动机器人的并行免疫计算模型，为解决其在线导航优化、病毒／路障识别和计算效率问题提供了基础组织。免疫计算模型分为固有免疫计算层、适应性免疫计算层和并行／分布式计算层，并行免疫计算模型建立在此3个免疫计算模型基础上。探讨了移动机器人并行免疫计算模型的负载极限和负载平衡，分析了此类移动机器人系统的鲁棒性；提出了移动机器人并行免疫计算模型用于路障识别的方法。移动机器人并行免疫计算模型的复杂性分析及仿真结果表明，并行计算能提高其效率；仿真结果表明，移动机器人可消除病毒，并具有较高计算性能。     

基于云计算模式的虚拟维修样机几何模型优化

针对虚拟维修样机开发过程中几何模型优化效率低,购置高性能工作站又大量增加成本且易造成硬件资源闲置浪费的问题,提出了一种基于云计算思想的几何模型优化任务并行处理方法.构建了"端—云"模式的虚拟维修样机模型优化平台体系结构,研究了具有层次化结构的几何模型并行优化的任务分解、调度和执行策略,在此基础上设计了平台的负载平衡机制.实验结果表明,该方法能够在不破坏样机模型真实感信息的前提下有效减少模型优化时间,提高几何模型优化效率.     

基于效率的并行设计研究

针对目前在并行设计的规划过程中因未考虑企业存在的技术、人力资源约束百经常造成最终分析结果与实际情况不符这一问题，讨论了其于效率的工作量模型及时民量模型；提出了以设计时间最短为追求目标的优化模型；给出了该优化模型的一个应用实例，表明该模型揭示了并行设计的结构特点，并为关键任务的识别提供了一条有实用价值的新思路。     

基于内存地址映射的并行交织器的改进算法

为了使具有高吞吐量特性的并行Turbo码译码得到应用,提出了并行无冲突交织器的数学模型,并由它得到一种改进的内存地址映射(IMM)方案,此方案能快捷高效地将传统的交织器变为并行交织器。仿真结果表明,相比传统的内存地址映射(MM)方案和优化的内存地址映射(OPMM)方案,IMM方案更加快速高效。在执行效率方面,IMM的效率比MM和OPMM分别提高了约96%和16%;在延时方面,IMM的延时比MM和OPMM分别降低至1/129和1/10。     

基于克里金模型的多采样点序列全局优化方法

针对有效全局优化(EGO)方法计算时间长、收敛速度慢且易陷入局部最优区域的缺点,提出一种基于克里金模型的多采样点序列全局优化算法.在序列优化过程中,该算法主要引入中点距离最小舍弃方法来获取多个采样点,并以广义EGO方法作为填充采样准则,对多个采样点进行并行优化,以提高算法效率,同时有效平衡局部和全局的搜索行为.两个数值测试算例和一个工程仿真实例验证了该方法的有效性和实用性.     

混沌伪并行遗传算法及其在火力分配优化中的应用

剖析了混沌模型的随机性、遍历性和初值敏感性的特点,提出了多种群伪并行混沌遗传算法.把多群体伪并行进化的并行性和混沌运动的内在随机性结合起来,利用不同的混沌扰动策略,把混沌变尺度映射机理应用到种群初始化和中间群体的优化进化实现函数优化.仿真结果表明,混沌伪并行遗传算法比伪并行遗传算法和简单遗传算法具有更快的收敛速度和更高的最优解搜索成功率,可对火力分配进行优化.     

MIMD机器上流水化BP算法的实现

神经网络训练过程中的高昂计算代价是有待克服的一个主要困难。作者把前馈多层神经网络的相继各层看做流水线的相继步骤，从而提出了一个在ＭＩＭＤ机器上实现的并行ＢＰ算法来提高误差反传递算法的效率。文章的最后，对ＢＰ算法的并行实现进行了分析，理论分析结果显示，多种神经网络结构都可有效地并行化。     

多类型配电网自动化终端优化配置

配电网自动化终端可以提升供电可靠性,但如何合理经济地配置终端是目前难点之一。考虑了多类型自动化终端在故障处理中的作用,进而搭建了终端配置的优化模型,该模型考虑了终端配置过程中的经济性,并通过改进岛式并行遗传算法加速求解效率。最后,通过RBT-BUS4算例结果证明所提出的优化模型具有良好的求解结果和一定的工程应用前景。     

改进的并行SVM回归算法

针对目前SVM回归算法在大样本情况下,学习效率低、精度不高的问题,提出了基于Kmeans聚类的并行SVM回归算法。在Hadoop框架中,先对训练样本行进并行聚类,然后针对聚类后的不同簇,构造相应的SVM回归模型,使用顺次最小优化算法求解各模型参数。预测时,选择与待预测样本距离最近簇的对应SVM回归模型进行预测。实验验证了文中算法的可行性和有效性。     

并行进化算法及其在航空工程优化问题中的应用

提出了用于加速气动力形状优化过程的分级型Nash基因算法．分级型算法可以看作是并行基因算法的特例，后者使用了互相联系但独立进化的子群的概念．本文在并行基因算法中引入多层分级拓扑结构以提高算法的收敛性．这种拓扑结构混合使用不同精度的模型，低精度模型用于探索搜索空间，高精度模型用于对准优解进行提纯．将此方法与Nash博弈相结合，构造了多目标优化算法，并应用于气动力优化问题．针对喷管反设计问题与多段翼型高升力优化问题，在计算机集群并行环境下进行了计算，结果表明本文的算法具有较高的加速收敛特性．