基于多核的并行模拟退火放疗计划优化加速方法

为了满足图像导引(imaging guided radiotherapy,IGRT)的实时四维适形调强逆向放疗计划在临床实施的需要,用一台HP桌面型工作站和OpenMP多线程库,试验了用多核并行计算技术实现的模拟退火逆向治疗计划快速全局优化算法,并将其应用在一个虚拟体模和4个临床病例的优化中。实验结果表明:基于多核的并行计算技术能大幅度提高逆向放疗技术的优化计算的效率;进一步选用更多核的并行计算机图像工作站,该技术可以满足目前大多数4D医学成像的临床需要。     

多核并行计算下的流量传感器流场模拟研究

多核并行小型集群系统给流量传感器流场模拟应用提供了方便可行的条件,文章将通过建立一个多核并行小型集群仿真系统为例来讨论多核并行计算对流量传感器流场模拟的支持,对其进行了测试,并实现了管道流量传感器流场的CFD模拟,取得较好结果。通过测试表明,我们的多核并行集群可扩展性能好,具有较高的并行计算性能,能满足一般并行计算的需要。     

一种利用互信息的多核并行医学图像配准算法

分析了利用互信息作为相似性测度进行医学图像配准的算法,给出了具体计算流程.针对其中互信息计算量大、耗时长的缺点,提出了一种运行于单机多核平台的快速并行配准算法.利用OpenMP(open multi-processing)构建了一个图像匹配的多核并行计算平台,并对配准程序中的互信息计算进行并行处理,最后完成配准.通过对图像匹配算法效率进行的评估实验,验证了多核并行计算技术能够提高医学图像配准的运行效率.结果表明,该方法既保证了配准精度,又能够较好解决配准速度慢的问题.     

基于OpenCL的图像灰度化并行算法研究

随着图像数据量的增加,传统单核处理器或多处理器结构的计算方式已无法满足图像灰度化实时处理需求.该文利用图像处理器(GPU)在异构并行计算的优势,提出了基于开放式计算语言(OpenCL)的图像灰度化并行算法.通过分析加权平均图像灰度化数据处理的并行性,对任务进行了层次化分解,设计了2级并行的并行算法并映射到“CPU+GPU”异构计算平台上.实验结果显示:图像灰度化并行算法在OpenCL架构下NVIDIA GPU计算平台上相比串行算法、多核CPU并行算法和CUDA并行算法的性能分别获得了27.04倍、4.96倍和1.21倍的加速比.该文提出的并行优化方法的有效性和性能可移植性得到了验证.     

基于并行计算的图像检索技术的研究

由于图像处理和检索过程中的数据量巨大,而且各种算法中大量卷积运算和矩阵乘法运算的存在,为图像处理过程中的并行算法设计和实现提供了可能。提高图像处理的速度是由图像数据的特点和图像处理算法的复杂性引起的。并行计算是提高处理和检索速度的有效手段之一。所以将以并行算法在图像处理和检索中的应用为研究对象,重点研究图像处理和图像检索的并行算法处理,并且证明多核环境下实现的基于内容的图像检索技术大大提高了图像的检索速率。     

ARM11 MPCore性能分析与优化研究

ARM11 MPCore是最新的嵌入式多核处理器,传统的嵌入式软件在该平台上不能发挥该处理器的所有性能.针对这个问题,对ARM11 MPCore的基本运算能力与ARM9处理器进行了对比分析,提出了使用硬件向量浮点单元及并行计算的软件优化方法,实验结果表明优化后的MPCore浮点处理能力是ARM9系列处理器的浮点处理能力的10倍左右.对于多核架构,可以采用并行计算模型对软件进行优化,试验结果表明,对整数运算采用OpenMP并行计算模型优化后,实验程序的效率提高3.8倍左右.对于嵌入式多媒体处理,提出了使用硬件向量浮点单元对DCT运算进行优化,对视频解码、音频解码以及音视频同步显示采用并行处理的方法进行优化.实验结果表明,这两种优化方法能提高软件在ARM11 MPCore平台上的运行效率,提高了系统的整体性能.     

基于多核的并行混合交通微观仿真系统

为了提高混合交通微观仿真的运行速度,基于多核并行计算技术构建了一个混合交通微观仿真平台.文中首先从平台功能结构、并行混合交通微观仿真流程设计与实现两个方面对平台进行介绍;其次,设计并实现了该仿真平台的关键并行算法,包括初始路网分割算法、车辆穿越边界算法及动态负载平衡算法;最后,通过仿真实验验证了多核并行计算技术能够大大提高混合交通微观仿真的运行效率.     

基于多核CPU的并行计算设计

通过多核CPU上多线程运算的效率分析,给出了相应的并行计算设计方案,并讨论了并行计算的发展趋势。     

医用直线加速器获取锥形束CT的图像空间扩展技术

提出了一种改进的锥形束CT(CBCT)图像获取流程,并在此基础上开发算法实现了CBCT图像的空间扩展.对实现算法进行了详细描述,并从放射剂量学角度对用于放射剂量计算可行性进行验证,相同放疗计划下对比胸部计划CT和扩展CBCT剂量计算结果表明,全肺受照射剂量大于等于20Gy的相对体积平均相差0.5%±0.22%,全肺平均受照射剂量平均相差(38.2±8.82)cGy,因此认为扩展后CBCT图像用于放射剂量计算与计划CT无显著差异.该技术拓宽了锥形束CT在影像引导放射治疗中的应用范围,提高了肿瘤放射治疗的精度,为开展自适应放疗、准确评价放疗计划提供了科学手段,有广泛的临床应用前景.由此带来的更多低剂量辐射对患者正常器官及皮肤造成的损伤有待进一步开展临床研究.     

基于多核异构的代数多重网格的并行算法实现

近年来,受GPU其高浮点峰值性能的提高和应用领域中大规模科学计算问题的驱动,高性能领域中利用代数多重网格(AMG)求解稀疏线性方程组成为研究热点。针对经典的AMG算法,探究建立阶段(网格粗化)和求解阶段的并行计算结构,提出基于多核异构的AMG并行计算模式。数值实验表明,并行计算模式计算效率相对于串行提高了3~4倍,加速效果明显。     

一种新型快速的直接随机优化算法

 针对常用优化算法求解时实时性较差且易陷于局部最优解的问题, 提出一种新型快速的直接随机优化算法(DROA). 该算法直接利用随机搜索过程寻找最优解, 减少了额外计算, 降低了计算复杂度; 其搜索过程分为全局搜索和局部搜索两个阶段, 各阶段选用不同的调节参数公式和搜索方式. 先将递增参数的3个随机优化模块串接构造全局优化子, 并将多个全局优化子并行搜索构造全局优化器以获得全局最优解; 再将多个局部优化模块串接在一起运行构造局部优化器使优化解更精确. 测试结果表明, 该方法快速高效, 优于目前的全局优化算法.     

基于集合覆盖和禁忌搜索算法的WCDMA基站布局

分析和比较了集合覆盖和禁忌搜索两种高效布局算法的优化性能和计算时间.在此基础上提出了一种新的WCDMA基站布局算法,该算法使用集合覆盖进行整体布局,使用禁忌搜索进行局部优化.由于综合利用了集合覆盖算法的快速性和禁忌搜索算法的精确性,实际场景仿真结果显示,新算法仅用禁忌搜索算法8.8%的计算时间,就搜索到比禁忌搜索算法优化性能更好的布局配置.     

一种基于CSA的模糊聚类新算法

在聚类分析中,模糊k-均值算法是目前应用最为广泛的方法之一,然而该算法对初始化敏感,容易陷入局部极值点,为此,提出一种基于克隆选择的模糊聚类新算法以实现全局优化处理．在新算法中,由于克隆算子能够将进化搜索与随机搜索、全局搜索和局部搜索相结合,因而通过对候选解进行克隆算子操作,能够快速得到全局最优解．用人造数据和IRIS实际数据所做测试结果表明了新算法的有效性．     

一种基于遗传算法的组播路由选择方法

提出了一种基于遗传算法的组播路由选择方法·该方法首先寻找所有满足时延限制条件的路径,组成备选路径集,然后以代价最小为优化准则,在备选路径集中采用遗传算法求解最优解·为保证算法的收敛速度快,遗传算法的交叉操作使用了相同链路保留的方法·最后,进行了仿真实验,并与其他算法做了比较·实验表明,该算法收敛速度快,可靠性高,能够满足多媒体网络对实时性的要求·尤其是在网络规模较大时,本算法可大大减小路由计算时间·     

基于蚁群算法和遗传规划的跨单元调度方法

针对运输能力受限的跨单元调度问题,提出了一种基于蚁群算法与遗传规划的超启发式算法.通过蚁群算法搜索合适的启发式规则,并且利用遗传规划生成可以适用于问题模型的启发式规则,用以扩充规则集;同时引入时间窗的概念,用来决策每个小车运输时的等待时间.实验表明,提出的算法可以搜索出优质规则,并且通过遗传规划很大程度上改善了候选规则集,提升算法性能.同时时间窗策略的采用可以提高小车的利用率以及最小化总加权延迟时间.      

基于双层启发式遗传算法的三维装箱问题

三维装箱问题是一类组合优化问题,多用于物流运输业的货物装载,具有重要的实践意义。它的最优解受多种条件因素的影响,求解形式复杂且计算量较大,所以常用启发式算法来解决。以空间分割为原则的启发式算法融入遗传算法中并结合二层规划的思想,提出一种基于双层启发式遗传的三维装箱算法。通过双层启发式遗传策略分别对可行解进行广度和深度的搜索来提高寻优效率,从而得到最优的三维装箱方案。在此基础上利用具体算例进行运算和分析,证明该算法在空间利用率和稳定性上都有较好的效果,同时装箱方案可以依托计算机技术进行三维可视化,可为三维装箱问题的信息可视化提供理论依据。     

动态环境下基于微粒群优化算法的数据分类方法研究

动态环境下数据流容易出现概念漂移现象。随着数据的逐渐到达,隐含在数据中的知识在一定程度上会出现改变,当前数据分类方法无法进行动态更新,不适于动态环境下数据的分类。为此,提出一种新的基于微粒群优化算法的数据分类方法,通过K-means方法对动态环境下的数据进行分类。介绍了微粒群优化算法,将所有个体看作d维搜索空间中没有体积的微粒,在搜索空间中以某一速度飞行,该速度可通过其自身及相邻微粒的飞行经验进行动态调整。通过某种规则对新微粒的局部最优值进行更新,利用优化后的微粒群算法实现数据分类。实验结果表明,所提方法分类性能优,实时准确率高。     

基于改进差分进化的高精度粒子滤波算法

针对智能优化粒子滤波算法精度较低和收敛速度慢的问题,提出一种改进适应度函数和搜索策略的差分进化粒子滤波算法(IDE-PF).该算法通过自适应融合粒子权值和量测误差得到适应度函数,并利用该函数评价粒子的可信度,引导粒子向后验概率密度取值高的位置移动,同时引入新的搜索策略,不仅保持了粒子多样性,还加快了算法收敛的速度.仿真结果表明,该算法可有效提高智能优化粒子滤波对于非线性系统状态估计的精度和实时性.     

无约束优化中带线搜索的非单调信赖域算法

将信赖域与线搜索方法相结合,采用非单调技术,提出一种求解无约束优问题的非单调信赖域算法,并在适当的条件下,证明算法有全局收敛性和Q-二次收敛性.算法在试探步不被接受时,采用非单调线搜索寻找下一迭代点.算法克服了传统非单调算法中用于产生非单调性的参考函数值远大于实际函数值的问题.初步的数值试验证实算法是有效的.