基于学习的并行免疫量子进化算法及收敛性

提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式,使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

基于遗传算法的Web集群负载均衡方法

Web集群技术解决了Web服务器系统的容量问题,其核心思想是负载均衡策略和算法。在此对Web集群中的负载均衡技术进行了分析和探讨,并提出一种混合遗传算法。仿真实验表明,这种算法能有效解决Web集群的负载均衡问题,并且能避免标准遗传算法的早熟收敛现象,同传统的负载均衡方法相比,降低了任务执行时间。     

非支配解集的质量评价方法

多目标演化算法的目的是获得逼近Pareto最优前沿的分布均匀的非支配解集合,非支配解集的质量是多目标演化算法研究的重要领域.本文对目前提出的非支配解集的质量评价方法进行分类比较,为算法的整体性能评价和算法的性能比较提供了参考依据.     

序列模式挖掘算法的分析与比较

序列模式挖掘是数据挖掘中一个非常活跃的研究主题.迄今为止,围绕算法效率这个主题,人们作了大量的工作.一方面,从算法的设计策略入手;另一方面在实现算法所采用的数据结构上做文章;也有的甚至通过对所挖掘的模式进行限制以达到提高算法效率的目的.并对目前已有的各种典型算法作了详细的分析与比较,而且做出了适当的评价.     

2-硫代-4-喹唑啉二酮类化合物的合成研究

研究了合成2-硫代-4-喹唑啉二酮的合成方法,该方法应用膦亚胺与CS2的氮杂Wittig反应,得到异硫氰酸苯酯,再与伯胺平行反应,一次性合成了10种喹唑啉二酮衍生物,产率在61.55%~87.58%,其结构由IR,1HNMR,13C所确证.     

基于DPPEJ的并行计算研究

对DPPEJ(Distributed Parallel Programming Environment for Java)软件包的工作原理作了详细的介绍,并采用Java语言实现了运行于DPPEJ环境下的FFT迭代算法和递归算法的并行计算程序.通过对实验数据的性能分析表明,由于Java代码的简单性和可移植性,基于DPPEJ的Java并行计算程序通过使用RMI远程方法调用可以较好地利用网络环境下的计算资源进行分布式的并行计算,具有一定的应用前景.     

虹吸式出水流道内流数值计算与水力设计优化

采用有限容积法、非结构化网格和SIMPERC算法,数值模拟了虹吸式出水流道内部三维流动,数值计算的有效性和可靠性得到了物理模型试验结果的验证.通过计算流道关键断面的速度分布均匀度和流道的水力损失,定量评价虹吸式出水流道水力设计的优劣,实现了虹吸式出水流道水力性能预测,依此开展水力设计优化,可节省大量的试验经费和时间.     

一个异步的PGD算法

分析了并行优化算法中同步运算与异步运算的优缺点。提出完全异步的PGD算法。并且在一定的条件下。给出了算法的收敛性证明。最后结合大规模分布式并行计算机系统曙光-2000做出数值试验。结果说明异步的并行优化算法的效率高于同步的算法。     

分子生物计算机层次结构及分子计算基本概念的讨论

分子生物计算是当今世界科学前沿的研究热点。由于分子生物计算领域研究者的兴趣已从验证性的算法阶段开始走向实际应用,所以研究通用分子生物计算机是一件重要且有趣的事。针对报道中频繁出现的分子生物计算机、分子生物计算机的硬件和软件等基本术语,文中继承性地提出了新观点,对这些概念的讨论有益于分子生物计算机的研究与发展。文中还设计了面向不同用户的分子生物计算机逻辑层次结构,并描述了各层的作用和对各类用户的知识要求。该文认为,在分子生物计算机中,至少应有面向用户和面向专家的程序设计语言,并以求解有向Ham ilton路径为例,分别描述了这两种语言的模式。此外,在建立了一种分子生物计算机物理模型之后,还对分子生物计算机结构和组成进行了较详细的讨论。这些工作使研究分子生物计算机,有了不同的方向和途径。     

网格中数据并行流水线的任务指派优化

为了缩短网格中数据并行流水线在吞吐率受限下的延迟,提出了一种优化任务指派的算法.在一个流水线中,每个任务都可以是一个数据并行程序.当多个任务被指派到同一个并行系统时,假设每个任务排他地使用一组处理机.根据优化目的,优化过程可分成连续的两个阶段,即提高吞吐率和缩短吞吐率受限下的延迟.对不同的优化阶段,用不同的启发式算法确定一个并行系统中每个任务的处理机数.改派任一任务都会使流水线的性能发生变化,性能提高的幅度被称为任务优先级.通过重复改派优先级最高的任务,流水线的性能可迅速提高,这在仿真实验中已得到了证实.