滑翔增程火箭弹弹道优化算法研究

在分析影响滑翔增程火箭弹射程的主要弹道因素的基础上，提出了一种滑翔增程火箭弹最优化弹道的求解算法，并给出滑翔增程火箭弹的弹道优化计算模型．针对计算模型求解规模较大的问题，给出了用分布式并行集群计算服务器求解的进程调度方法，弹道优化算法的仿真计算结果表明：滑翔增程弹的增程率高于100％，滑翔增程火箭弹的弹道优化算法有较好的收敛性质，并行求解方法效率较高．     

求解连续平衡网络设计问题近似解的启发式算法

采用双层规划模型描述连续平衡网络设计问题，设计了求解问题近似解的启发式求解算法，并给出了一个简单的算例．本算法使用不需求导数的简单的求解方法，通过和以前的几种求解算法相比较，计算结果准确，但相应的计算量增加．     

椭圆-椭圆静动态不适合边界算法

目前，计算二维几何图形是否干涉的不适合多边形(NFP)算法，针对的是多边形，尚未涉及椭圆一椭圆不干涉计算问题．因此，基于NFP法概念，提出椭圆-椭圆之间的不干涉算法，称之为不适合边界算法；进而给出了既相对平动又相对转动的椭圆-椭圆间任一时刻的动态不干涉边界算法．该法可应用于求解Packing问题、机器人路径规划、虚拟装配、医疗内外科手术等领域．     

预测蛋白质结构问题的三维连续模型及其相应的拟物算法

在研究蛋白质折叠结构预测问题的离散模型的基础上，受物理世界物体间相互作用规律的启发，提出了该问题的三维连续模型，它比离散模型更接近真实蛋白质空间折叠结构．根据连续模型找到了相应的拟物算法，并给出一些实例的计算结果，结果证明了拟物算法的有效性．     

专适用于城市道路网络的交通均衡分配算法

已有的均衡分配理论中的阻抗公式不包含车流在交叉口的延误，其研究成果并不真正适用于城市道路网络．在基于新的交叉口分流向延误的最短路径算法和均衡分配模型上，探讨了专适用于城市道路网络的交通均衡分配算法，证明了模型的目标函数是凸函数．该算法采用Frank-Wolfe算法的思路设计．最后，给出了计算实例．     

分布式环境下任务调度模型研究

由于任务调度算法的优劣直接影响到整个分布式计算系统的性能，在将具体的任务调度策略应用于实际系统之前，应首先利用相应的模型对其性能进行分析，以便找出任务调度优化算法．总结了分布式环境下的任务调度模式，利用时间Petri网建模技术，构建了分布式环境下几种典型的任务调度模型，并对任务调度模型的特点进行了分析．在此基础上，利用CORBA技术给出了模型的模拟实验方案．由于所给出的任务调度模型具有良好的对称性，能够容易地将其扩展为具有Ⅳ个计算结点的任务调度模型，为实现、模拟和分析具体的任务调度算法打下了基础．     

基于分流率的路径交通量求解算法

为求解交通分配问题，提出一种基于分流率的路径交通量求解方法．该方法通过求解一个基于分流率的交通分配模型确定了满足用户平衡准则的路径交通量．文中首先给出分流率的定义，并根据该定义建立一个以分流率为求解变量的交通分配模型，然后证明该模型等价于传统的以路径交通量为变量的交通分配模型．新建模型是一带等式约束和不等式约束的非线性规划，它的变量个数是网络中终点个数和路段个数之积的线性函数，且比以路径交通量为变量的交通分配模型要少很多．文中通过引入网络中节点和有向路段的平均成本的定义简单有效地解决了新建模型消除等式约束后梯度难以求解的问题，并以此给出新建模型的求解算法．该算法以近似Newton方向到约束空间上的投影作为下降方向，用不精确搜索技术确定搜索步长．文中从理论上证明了算法的可行性和收敛性，并通过算例阐述了算法的有效性．计算结果表明：该方法可在理想的时间内求解大规模网络的交通分配问题；在计算时间、计算精度和所需存储内存上比其他能够确定出路径交通量的求解算法都要优越；在相同的计算精度下计算时间仅仅是其他算法的三分之一，甚至更小．     

电网调度模型与直接优化算法

研究ｍ个电站ｎ个用户的电网调度问题，建立电力调度的二次平衡模型，证明关于元的直接优化原理并给出优化算法，用数据实例给出了计算过程．     

工件带安装时间平行机排序问题的列生成算法

研究了工件带与加工次序有关的安装时间的平行机排序问题，给出它的整数规划模型，并结合动态规划和分支定界方法，给出它的列生成算法．通过试验表明：算法对中等规模的问题是有效的，它可以计算到10台机器和60个工件甚至含有更多大工件的大规模问题．     

全排列递归算法的并行化

全排列问题的递归算法结构清晰，可读性强．为了提高排列的效率，给出了全排列递归算法在MIMP-CREW模型和单指令多数据流的EREW模型上的并行化算法及实例分析．给出的算法成本是最低的．     

基于粗糙集的多维数据分析算法研究

借助于近些年来兴起的一种软计算方法——粗糙集方法,提出了一种适应于教学管理领域数据特征的多维数据分析算法,并将该算法应用于新开发的教学多维数据分析系统中。     

基于量子计算的医疗敏感信息智能加密算法

针对管理医疗敏感信息存在数据被攻击窃取的问题, 提出基于量子计算的医疗敏感信息智能加密算法。首先考虑混合纠缠态设计医疗敏感信息量子加密的密钥构造, 并分析密钥内部构造的协议子空间矩阵, 由此组成密钥信息。 然后通过计算信息的邻域分布函数, 构建分离矩阵量子编码, 为密钥重排提供处理数据, 考虑量子纠缠态及其附加态的干扰情况, 进行有效密钥加密, 最后实现医疗敏感信息智能加密。 实验结果表明, 采用该方法进行医疗敏感信息智能加密的抗攻击能力较好, 加密信息的传输效率高, 整体性能较好。     

基于集群式系统的GSAD算法

针对新出现的高性能价格比的集群式计算方式 ,提出了设计高效 SPMD(single program multiple data)算法的几个原则 ,并基于这些原则 ,给出了求解多极值点优化问题的 GSAD(genetic sim ulated annealing and downhill)算法的描述。该算法有机地结合了遗传算法、模拟退火以及下山的优点 ,达到了高效、收敛、可扩展的效果。基于 MPI编程实现 ,给出了该算法在几个典型的多极值点函数以及实际问题中的应用效果 ,通过与相关工作的简单对比指出了该算法的适用范围和特色。建立 SPMD求解模型是 SPMD算法深入研究的方向     

基于任务分类思维的云计算海量资源改进调度

对云计算海量数据下的资源调度的研究过程中,进行资源调度时资源分配无法到达合理化调度,存在资源调度效率低的问题。提出分类思维的云计算海量数据资源优化调度方法。该方法引入膜计算概念,将云计算下的海量资源调度的总任务划分为多个子任务,并详细计算每个子任务的资源调度任务量。将优化调度系统内部分解为主膜和辅助膜,利用蝙蝠算法在辅助膜内进行资源分配个体寻优,并将优化后的资源分配最优个体传送到主膜间进行云计算海量数据下的资源分配优化。实验仿真证明,基于改进膜计算蝙蝠算法的云计算海量数据下的资源优化调度方法调度效率高,分配较为均衡。     

Aggregation Tree Statistical Computing Based on Functional Encryption

The medical monitoring system is widely used. In the medical monitoring system, each user only possesses one piece of data logging that participates in statistical computing. Specifically in such a situation, a feasible solution is to scatter its statistical computing workload to corresponding statistical nodes. Moreover, there are still two problems that should be resolved. One is how the server takes advantage of intermediate results obtained through statistical node aggregation to perform statistical computing. Statistical variable decomposition technique points out the direction for statistical projects. The other problem is how to design an efficient topological structure for statistical computing. In this paper, tree topology was adopted to implement data aggregation to improve aggregation efficiency. And two experiments were done for time consumption of statistical computing which focuses on encrypted data aggregation and encrypted data computing. The first experiment indicates that encrypted data aggregation efficiency of the scheme proposed in this paper is better than that of Drosatos' scheme, and the second indicates that improving computing power of the server or computational efficiency of the functional encryption scheme can shorten the computation time.     

基于遗传-粒子群优化算法带有缓存机制的卸载策略

为了满足移动边缘计算(Mobie Edge Computing,MEC)场景中时延敏感型应用的需求,提出一种基于遗传-粒子群优化算法(Genetic-Particle Swarm Optimization Algorithm,GA-PSO)和缓存机制的卸载策略。该策略将遗传算法和粒子群优化(Particle Swarm Optimization,PSO)算法融合起来,以便求取边缘计算卸载中的最优卸载比例和缓存决策;将已完成且重复请求的任务及相关数据在边缘云上进行缓存,用以最小化任务的卸载时延。仿真实验结果表明,该策略可以有效降低移动边缘计算的时延。     

一种确定最佳聚类数的新算法

针对K-均值聚类算法需要事先确定聚类数K的问题,将粒度计算引入样本相似度函数,定义了新的样本相似度,用模糊等价聚类确定数据集可能的最大类簇数Kmax.以Kmax为搜索上界,利用改进全局K-均值聚类算法,以BWP(Between-Within Proportion)为聚类有效性度量指标,提出确定最佳聚类数的一种新方法.通过UCI机器学习数据库数据集以及随机生成的人工模拟数据集实验测试,证明该算法不仅能有效确定数据集的最佳聚类数,而且适用于大规模数据集,但是会受到噪音点影响.     

云计算环境中数据分布式强制访问控制算法研究

在云计算环境中,用户把敏感数据外包在云端,所以数据强制访问控制成为目前云计算研究中亟需解决的问题。当前常用的解决算法是加密数据密钥,但这种算法因密钥分发及数据管理导致计算开销大。因此,提出一种新的云计算环境中数据分布式强制访问控制算法,介绍了云计算环境中数据访问流程,分析基于密文策略和属性的加密算法,利用属性集合对云计算环境中的用户身份进行描述,通过访问控制树表示数据分布式强制访问控制结构,在用户属性集符合既定访问控制结构的情况下,用户才能够完成对数据的解密。通过属性私钥申请、文件上传和文件下载三个过程实现数据分布式强制访问控制。实验结果表明,所提算法在效率、安全性、内存消耗和控制精度四个方面均显示出了很大的优势。     

联机分析中数据预计计算的一种实现方法

在联机分析的多维模型基础上，提出了实现预计算的一种快速算法，模拟计算的结果，验证了该方法的有效性。     

数据密集型计算环境下离群点挖掘算法设计与实现

在数据密集型计算环境中,数据具有海量、高速变化、分布存储和异构等特征,对数据挖掘算法的设计与实现提出了新的挑战.基于MapReduce模型,提出了一种网格技术与基于LOF方法相结合的离群点挖掘算法MR_LOF.Map阶段采用网格进行数据约简,将代表点信息发送给主节点;Reduce阶段使用基于密度的离群点挖掘算法,借助网格期望值E筛选出稠密区域.该算法只需计算稀疏区域对象的LOF值,降低了算法的时间复杂度.实验结果表明,在数据密集型计算环境中,该方法能有效的对离群点进行挖掘.