蛋白质微秒级折叠过程的快速模拟

使用ff12SB力场和广义玻恩(GB Neck2)隐性水模型在GTX670 GPU上对4个蛋白质CLN025 (2ZEI)、MHA6(2I9M)、Trp Cage (1L2Y)、Villin (3TRW)的微秒级折叠过程进行了分子动力学模拟,2ZEI的折叠时间和均方根偏差为5.94 μs和0.897 ,2I9M的折叠时间和均方根偏差为0.191 μs和1.142 ,Villin的折叠时间和均方根偏差为4.23 μs和1.37 ,Trp Cage的折叠时间和均方根偏差为2.48 μs和0.63 。结果表明,蛋白质折叠模拟已经能够通过GPU计算在桌面计算机上实现。     

非线性抛物型方程时间周期解的有限差分方法(英)

建立了一个用于求解非线性抛物型方程时间周期解的有限差分方法，在空间和时间方向上该方法分别具有四阶和两阶精度. 为了证明解的存在唯一性，建立了一个单调迭代算法，该算法也给出了一个求解算法. 同时讨论了数值解的收敛性. 数值结果显示了该方法的优越性.     

基于半定规划的多约束图划分问题

提出一种递归的二分算法,用于求解带顶点权重约束的图划分问题.首先利用内点法求解不加顶点权重约束的半定规划松弛模型,然后利用超平面舍入算法得到满足顶点权重约束的初始可行解,再进一步设计启发式算法对初始可行划分进行局部改进,以得到更优的划分结果.实验结果表明,所设计的算法可在较短时间内得到多约束图划分问题的高质量解.     

蚁群算法在车间调度问题中的应用

提出用蚁群算法求解车间调度问题.车间调度问题是典型的非确定性多项式时间难问题,蚁群算法是一种分布式进化计算方法,具有鲁棒性,正反馈,并行性等特点,而且算法简单.给出了用蚁群算法求解车间调度问题的流程,并且用经典的JSP的样例对算法进行了测试,实验结果表明用蚁群算法可以求解得到车间调度问题的最优解或近似最优解.     

基于蚁群算法的无联系并行机调度问题的仿真研究

针对无联系并行机调度求解问题,引入了蚁群算法的思想.基于转移概率构建的信息素迭代模型,研究了无联系并行机调度问题的求解过程.基于Python的仿真实验结果表明:通过蚁群算法可以得到其近似解;更进一步探求了任务次序对解的影响;通过实验探索了此算法的时间性能.     

预测蛋白质折叠结构的剪枝算法

为求解蛋白质折叠结构预测问题提出一种基于剪枝策略的启发式搜索算法.剪枝算法用一棵搜索树描述蛋白质构形的生长过程,通过定义权重、上下门槛制定一套有效的控制分支繁殖的规则,从而极大地提高了搜索的效率.采用国际文献公认的10个算例作为剪枝算法的实验测试集,并与目前国际上4个著名的算法进行比较,实验比较结果表明剪枝算法是一个高效的求解算法.     

地下多相流动数值模拟的GPU并行优化

针对减少模拟计算时间及提高问题求解规模问题, 基于设备编程架构(CUDA)将使用预处理的稳定双共轭梯度法在图形处理器(GPU)上实现, 并将其整合到TOUGHREACT软件中, 在GPU平台实现了对地下多相流动数值模拟问题的并行求解, 并给出了稳定共轭梯度算法中最耗时的两个操作稀疏矩阵向量乘积和向量内积计算的GPU平台实现及优化方法. 实验结果表明, GPU的使用对求解过程有良好的加速效果, 针对不同的网格规模进行多相流模拟实验, 达到了1.7~3.4倍的加速比.     

基于GPU的流动影响枝晶生长相场方法

将自适应压力迭代法修正的Sola算法与相场模型相结合,建立过冷熔体在强迫流动状态下枝晶生长的Sola-相场模型.针对传统方法求解多场耦合相场模型时存在的计算量大,计算时间长,计算效率低等问题,提出基于CUDA+GPU软硬件体系结构的高性能计算方法.以高纯丁二腈(SCN)过冷熔体为例,在CPU+GPU异构平台上实现了存在流动时凝固微观组织演化过程的并行求解,并对基于CPU+GPU平台与CPU平台的计算结果及计算效率进行比较.结果表明,当计算规模达到百万量级时,与CPU平台上的串行算法相比,在CPU+GPU异构平台上达到了24.39倍的加速比,大大提高计算效率,并得到与串行计算相一致的结果.     

遥感卫星地面站资源调度的混合分解算法

针对传统算法逐渐难以满足地面站资源调度对精度和时效要求的问题, 提出一种混合分解算法. 该算法结合基于地面站资源使用冲突程度评价指标的启发式算法和Lagrange分解算法对问题进行求解, 以加快对最优解的搜索速度. 仿真测试结果表明, 该算法能在较短时间内得到遥感卫星地面站资源调度问题的高质量解.     

求解依赖时间的变分不等式-2(英文)

目前求解一般变分不等式的方法已有很多,但解依赖时间的变分不等式的方法还很少.A.Barbagallo曾给出线性插值的方法,但此方法的收敛性并不是很好.提出了求解一类依赖时间的变分不等式的一种新方法.该算法首先在动态交通均衡的背景下利用离散化方法得到一系列一般变分不等式的解,然后借助于支持向量回归机得到原问题的动态近似解.利用实验说明了该算法具有较好的收敛性和广泛的实用性.