部分可重构系统布局的一种新算法

针对动态部分可重构系统的瓶颈,即布局算法必须在保证运行速度的基础上,尽可能增加可重构芯片利用率的问题,提出了一种布局算法KVIT(keeping the vertexes information of tasks).其核心思想是尝试将新到达的硬件任务放置在已布局硬件任务的顶点处,并通过对可重构芯片内部计算单元进行编码迅速判断新任务是否可放置在该顶点.该算法的时间复杂度为O(N),N是可重构系统中当前运行的硬件任务的数目.仿真实验结果表明,KVIT算法的布局质量与现有的O(N2)时间复杂度布局算法基本一致,而其执行速度则明显高于已有算法.     

多尺度表面织构流体润滑问题的快速求解方法

为解决传统数值方法在求解多尺度织构流体润滑问题时计算速度慢、效率低、规模受限等问题,提出了有限细胞算法.针对简单的织构模型,通过对比有限元、流体力学和细胞算法的计算结果,验证了算法计算结果的准确性.通过对比不同计算规模下有限元和细胞算法的数值试验结果,发现新算法的计算速度和计算规模都有显著提升.对于大规模多尺度的织构模型,使用细胞算法进行求解,发现新算法的计算时间与网格数目成线性关系,表明细胞算法对于大规模织构问题具有良好的快速求解能力,并且为工程中类似的多尺度问题提供了具体的解决思路.     

基于变量分离的生产调度空间划分算法

静态生产调度大多形成MILP或MINLP模型，由于调度规模大及混合整数规划的组合优化特性，造成调度求解困难。通过对混合整数规划模型空间的分析，提出依据整数变量和连续变量的分离策略进行空间的自然划分，从而将模型的求解转化为多个较小规模连续子空间的寻优。对典型间歇调度模型的分析表明，将空间划分后进行连续寻优的策略较大地降低了实际运算的规模，降低了求解难度，可以提高问题的求解速度和效率。     

基于2D-SOONE算法的MIMO稀疏面阵二维成像

为了解决采用传统的1D-CS算法进行分维处理时丢失耦合信息导致越单元徙动、影响成像质量且运算时间长的问题,研究了接收阵元整行整列稀疏的MIMO面阵结构特性,分析了该稀疏面阵所接收回波信号的二维联合稀疏特性,采用2D-SOONE算法对回波信号进行二维联合重构,算法采用序列一阶负指数取代传统SL0算法的高斯函数,拓至二维并利用梯度投影求解,具有二维联合重构性能的同时提高重构精度。通过实验,仿真了该算法在不同阵列稀疏度、不同信噪比下用于MIMO稀疏面阵的成像效果。仿真结果表明,2D-SOONE抑制了传统的1D-CS算法的越单元徙动问题,减少了运算时间,且成像质量较2D-SL0更优。     

求解安全约束机组组合问题的邻域搜索外逼近方法

提出一种求解安全约束机组组合(security constrained unit commitment,SCUC)问题的邻域搜索外逼近(outer approximation based on neighborhood search,NS-OA)法. OA将SCUC问题分解为一系列混合整数线性规划(mixed integer linear programming,MILP)主问题和非线性规划(nonlinear programming,NLP)子问题,通过MILP主问题和NLP子问题的最优解来逼近SCUC问题的最优解.为克服迭代过程中MILP主问题规模大的不足,利用SCUC问题对应UC问题的最优解为中心来构造邻域,然后在此邻域内搜索MILP主问题的最优解.数值结果表明,所提邻域搜索能有效减小搜索空间,大大提高了算法的计算效率,所提NS-OA算法能有效求解大规模SCUC问题,具有良好的应用前景.     

面向节能的阻塞混合流水车间调度问题建模

针对能耗目标的阻塞混合流水车间调度问题(HFSP-B),分别构建了考虑调整时间及不考虑调整时间的阻塞混合流水车间调度问题(MILP)模型.为了减少机床待机能耗,在MILP模型中考虑关机/重启节能策略.针对MILP模型,从目标函数、目标函数的线性化过程、决策变量和约束方程进行介绍.最后,通过对具体实例的求解,验证了所提MILP模型的有效性.通过对MILP所得最优解的分析,挖掘了阻塞因素对能耗目标的影响规律,有助于今后设计基于元启发式算法的近似算法.     

快速求解多选择背包问题

本文对多选择背包问题的数学模型进行改进，然后基于动态规划提出了一种新的求解算法。在软件设计中采用了空间换效率的策略。然后对一个复杂的测试案例进行计算，并与遗传算法和传统的0-1整数规划求解法进行比较，发现这种新算法的计算速度得到较大较高。该算法的主要优势是：通过对数学模型的改进大大降低问题的规模、不用求解任何线性规划问题、能同时兼容几种背包问题的求解。     

基于人类进化算法的背包问题求解方法

背包问题是计算机算法中的一个NP完备类困难问题,使用传统的优化方法在求解较大规模的背包问题时,都存在计算量大、迭代时间长的缺陷．人类进化算法是模拟人类进化机理而建立的一种智能优化算法,本文阐述了人类进化算法的基本原理和实现方法．为提高背包问题的求解速度和精度,将人类进化算法应用于背包问题的求解,演示了算法的工作过程．试验结果表明,使用该方法求解背包问题是完全可行的和有效的,与众多优化算法相比,人类进化算法具有更高的求解效率．     

新的求解大规模线性最小二乘问题的随机算法

目的针对传统的求解线性最小二乘问题方法的计算、存储复杂度大,不适于大规模问题的缺点,提出新的随机算法近似求解大规模线性最小二乘问题。方法通过随机采样对超大规模线性最小二乘问题的系数矩阵进行约减,利用快速Walsh-Hadamard对问题进行变换来保留原问题的重要信息,再用QR分解算法求解约减问题,得到原问题的近似解。结果该方法有效降低了问题的求解复杂度和存储复杂度。结论数值实验表明新算法和相关算法相比求解精度可接受,但大大减少求解时间且在同等计算平台下可处理更大规模的问题。     

未知逻辑的故障电路快速重构算法研究

针对未知逻辑的故障电路诊断与修复问题,研究了一种以同样功能的正常电路作为参考电路,然后利用电路逻辑快速重构算法进行故障修复的方法。该算法将对参考电路的逻辑功能采集与故障电路的逻辑功能重构同步进行,既能降低算法运行过程中的空间消耗,同时也避免了故障电路逻辑功能重构过程中,进行复杂的逻辑综合。此外该算法改进了传统的分块串行处理模式,解决了将采集数据分块并行逻辑综合的问题,提高了故障电路重构的速度。测试表明,相对直接的Q-M逻辑综合算法,该算法处理时间最快能减少70%。     

基于FPGA的神经网络硬件实现方法

提出了一种可以灵活适应不同的工程应用中神经网络在规模、拓扑结构、传递函数和学习算法上的变化,并能及时根据市场需求快速建立原型的神经网络硬件可重构实现方法.对神经网络的可重构特征进行了分析,提出了三种主要的可重构单元;研究了可重构的脉动体系结构及BP网络到该结构映射算法;探讨了具体实现的相关问题.结果表明,这种方法不仅灵活性强,其实现的硬件也有较高的性价比,使用一片FPGA中的22个乘法器工作于100 MHz时,学习速度可达432 MCUPS.     

基于OMP算法的快速压缩感知图像重构

针对正交匹配追踪(OMP)算法在压缩感知理论下的重构效果和所需时间相互矛盾的问题,基于子空间追踪(SP)算法的回溯思想,使用共轭梯度下降算法代替最小二乘法对正交匹配追踪(OMP)算法进行改进.并且对所改进算法的重构精度、重构稳定性进行了仿真实验,结果表明所提算法能保证重构质量良好并且有更好的重构速度和稳定性.     

基于坐标逻辑的形态图像处理器的硬件实现

在阐述坐标逻辑运算的基础上,论述了基于坐标逻辑形态学硬件实现的图像处理系统,该系统采用DSP FPGA的框架结构,利用FPGA的可重构特性将其中一片FPGA作为协处理器可以实现不同的图像处理功能,将坐标逻辑和传统形态学硬件实现的形态图像处理器在处理效果和速度两个方面作了比较,算法在FPGA芯片上的高速实现特征使数学形态学在图像实时处理领域的应用成为可能。     

基于AHCP算法的大规模露天矿生产计划问题求解

随着露天矿生产计划问题规模的扩大,生产计划求解的难度急剧增加,传统求解方法难以在合理时间范围内获得高质量的解。针对以上问题,根据矿床开采过程中的特点,设计了一种具有惩罚的凝聚层次聚类算法(agglomerative hierarchical clustering algorithm with penalties,AHCP)与二进制入侵式杂草算法(binary intrusive weed algorithm,BIWO)相结合的方法来求解大规模露天矿生产计划问题。首先采用AHCP算法对块状矿床模型进行块体聚类处理,然后将聚合体作为对象建立0-1整数规划模型,并使用BIWO算法对其进行求解。实验结果表明,AHCP算法可以显著地提高BIWO算法求解大规模露天矿生产计划问题的能力。在保证解的质量的前提下,可将问题的整体求解时间缩短近90%。     

混合群智能算法在模体识别中的应用

为了避免传统吉布斯算法的诸多缺陷,提高算法的求解能力,对蚁群算法(ACO:Ant Colony Optimization)进行了改进:引入粒子群算法(PSO:Particle Swarm Optimization)动态调节ACO函数中的参数获得最优解。在奔腾PC机的实验平台上、Windows 2003 Server操作系统下、开发工具为VB的模拟实验中,结果证明,混合的群智能算法使经典旅行商问题求解的计算时间缩短,提高了算法的收敛速度,有较好的发展前景。利用PSO处理连续优化问题的优点,将混合算法应用于生物信息学的模体识别中,可实现更加快速的基序发现处理。     

基于PTV-TV张量建模的压缩视频背景前景恢复与分离

基于三阶张量的H-TenRPCA模型是解决压缩感知场景分离问题的有效方法,但该模型计算时间长,对硬件要求高,求解算法在理论上没有收敛性保证.为此,文中利用背景视频的时间连续性(PTV)和前景时空连续性(3D-TV)来重构压缩前的背景与前景,提出了基于PTV-TV张量建模的压缩视频背景前景恢复与分离模型,并采用有收敛性保证的两块ADMM算法来求解相关优化问题.实验结果表明:PTV-TV模型能够完整恢复出视频的背景和前景,对同一视频的处理,PTV-TV模型的计算时间仅为H-TenRPCA模型的2/3;对于复杂动态背景数据,PTV-TV模型在明显的时间优势下保持与H-TenRPCA模型相当的峰值信噪比和图像结构相似度.     

图着色问题的逆序蚁群算法研究

针对经典的图着色问题,依据传统图着色算法中逆序图着色的着色思想,结合蚁群算法的搜索机制,给出了逆序蚁群着色算法.根据着色进度和未着色点的相邻点度数随机动态逆序选择新的着色点,使得算法具有较强的搜索全局最优解的能力.利用计算机生产大量随机图作为测试实例,对比逆序着色算法和逆序蚁群算法,实验结果说明逆序蚁群着色算法提高了求解质量,加快了收敛速度,证明了其优良特性.同时算法效率的提高,也保证了该算法可适用于较大规模的着色问题求解.此外,还进行了一系列对比试验,得出了关键参数的合理取值范围.     

交通流大数据中的套牌车并行检测算法

传统的套牌车识别算法通过串行工作方式在网格化城市交通监控系统所产生的大规模数据中进行两两比对实现套牌车检测,因此在处理海量数据时存在性能瓶颈问题.提出了一种新的基于Hadoop的MapReduce算法模型,该算法具有并行特征,通过引入多台硬件计算资源协同处理大规模数据下的套牌车检测问题,显著提高了计算性能.同时,采用基于动态旅行时间实时的时空窗口计算技术,能进一步提高算法的检测速度和识别精度.     

GAMMA格式及DATE方法在SIMPLE算法中的应用

为了提高N-S方程数值计算的精度并解决压力-速度的耦合问题,将GAMMA格式、DATE方法与SIMPLE算法相结合,得到了一种高精度非结构同位网格下的SIMPLE算法.该算法用GAMMA格式离散对流项,用DATE方法处理方程求解过程中压力-速度的耦合问题,可以弥补传统动量插值法不能处理强非线性压力场的不足,保证对流项离散的稳定性及高精度特性.     

基于l_0范数的匹配场源定位方法

传统的匹配场处理方法存在分辨率低、抗噪性能差、不适用低快拍等问题.近年来出现了一类利用匹配场的空间稀疏性,将源定位转化为物理空间的稀疏重构的定位方法,能够实现高精度的匹配场定位.通常求解这些问题时是将l_0范数转换为l_1范数.虽然该方法能解决常规的NP-hard问题,在优化求解方面具有一定的优势,但是与直接通过l_0范数求解的方法相比,不能很好地描述空间稀疏特性,以至于难以充分体现和利用声场冗余字典的稀疏特点.因此,相比于传统的压缩感知算法,通过分析匹配场的空域稀疏特性,在学习平滑l_0范数重构算法的基础上,提出了基于平滑l_0范数的匹配场源定位方法.在分析了水下目标定位的稀疏数学模型的基础上,逐渐降低数值逼近参数的方式来得到数学模型的最优解,在保证高精度匹配场定位的同时,减少了运算的时间,提高了匹配场定位的效率.