基于并行迭代动态规划的聚合物驱最优控制求解

针对迭代动态规划计算量大,耗费时间长的特点,基于实验室搭建的PC机群,以消息传递库MPICH为编程工具,搭建一个并行计算平台,给出一种主从式的并行迭代动态规划算法,利用该算法对聚合物驱最优控制问题进行求解,并与串行计算结果进行对比.结果表明:在大规模的优化问题中并行迭代动态规划算法与串行算法结果一致,但表现出较高的并行效率和加速比;并行算法求解的效率受到主节点分配任务时是否均衡的影响.     

用并行遗传/Powell/蚁群混合算法求解卫星舱布局问题

卫星舱布局优化设计问题数学上属NP-hard问题．较有效的求解途径之一是研究混合算法,为此构造了并行混合PGA-Powell-蚁群算法（简称PGPAHA）．该算法以并行遗传算法为基本框架,根据各子群体收敛速率的快慢来决定它们之间迁移的时机,在收敛后期加入Powell法作为并行遗传算法的算子来加快收敛速度,并利用蚁群优化算法提高计算的精度．最后应用该算法求解了简化的三维带性能约束的国际商用通讯卫星的卫星舱布局设计问题,数值实验结果表明,该算法与并行遗传算法（PGA）相比,在计算精度、计算效率及计算稳定性方面较优。     

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．     

关于并行优化算法的分析

对整体的并行优化算法，如：并行变量分块算法（PVD）、并行梯度分块算法（PGD）、并行变量转换算法（PVT）等进行了分析。这些算法将原最优化问题分解为一系列规模较小的且相互独立的子问题，从而用多台处理机同时对这些子问题求解，减少了工作量、缩短了计算时间。     

突发灾害下应急疏散路线的交通信号配时优化

针对目前国内外突发灾害事件频发、应急交通组织保障能力不足等问题,在充分考虑突发灾害对道路交通网络、交通出行行为影响的基础上,基于动态交通分配理论,结合突发灾害下的出行者疏散路线选择行为,构建了受灾区域应急疏散路线的交通信号优化控制模型,并采用并行蚁群算法对该模型进行优化求解,以提高求解速度和全局收敛能力.最后搭建了集群计算平台对该模型和算法进行模拟测试,结果表明,采用并行蚁群算法对模型进行优化求解,可以获得较好的时间性能和优化效率,满足应急交通保障系统在线决策支持的要求.     

电力系统负荷恢复优化的并行遗传算法实现

对电力系统的负荷恢复问题进行了研究.将该问题建模为一个多约束条件的组合优化问题,根据遗传算法特别适合求解大规模组合优化问题的特点,设计了一种粗粒度并行遗传算法来对此优化问题进行求解.在消息传递类并行软件开发环境提供的基于消息传递的并行虚拟环境下,采用master/slave的并行编程模式,有效地提高了算法的计算速度.将各种约束条件与目标函数融合在一起,建立一种序关系,来处理负荷恢复中的约束条件.求解过程满足系统的约束条件,不会出现系统的越限.算例结果表明,所提出的并行遗传算法不仅可以最大限度地恢复负荷,而且可有效提高算法的计算速度.     

基于并行量子遗传算法的QoS组播路由方法

通信网络时延受限且满足带宽要求的最小代价组播树问题是NP完全问题,传统方法难以求解,一般采用启发式方法求解.提出了一种基于并行量子遗传算法的服务质量(QoS)组播路由算法,算法中将各个子群体独立地并行进化,并通过相邻子群体间的信息交换实现克服早熟,避免局部收敛的目的,还提出了一种新的动态旋转角调整策略,使算法具有更好的种群多样性和全局寻优能力.仿真实验表明,新算法在求解性能上优于遗传算法(GA)和采用静态旋转角的量子遗传算法(QGA).     

一种改进的关联规则并行算法

经典的关联规则求解算法(如Apriori算法)是串行算法,当数据量比较大时挖掘效率较低;提出了新的并行BVP算法,BVP算法通过多线程并行读取数据并计算相应的数据特征,然后计算频繁项集和关联规则;实验结果表明:相对于经典Apriori算法,算法执行效率更高。     

基于分治法求解对称三对角矩阵特征问题的MPI/Cilk混合并行算法

对称稠密矩阵特征问题的求解通常转化为三对角矩阵特征问题的求解,基于对称三对角矩阵特征求解的分而治之方法,提出了一种基于消息传递接口(message passing interface,MPI)+Cilk多任务并行模型的混合求解算法,采用进程间数据并行和进程内多线程任务并行的方法,实现了对分而治之算法中分治阶段和合并阶段的多任务划分和动态调度。进程内利用Cilk任务执行的有向无环图模型,解决了线程级并行的数据依赖和饥饿等待等问题,提高了程序的并行性;进程间通过粗粒度计算任务的划分,优化了MPI部分的数据通信流程和负载均衡问题。数值实验表明,混合并行算法在计算性能和可扩展性方面都要优于纯MPI并行算法。     

柔性多体系统动力学的并行迭代算法

为了提高多体系统动力学数值计算的稳定性和精度,针对柔性多体系统动力学建模方式和求解算法问题,采用分类算法、迭加算法完成了柔性多体系统动力学模型求解,利用波形松弛技术和RK离散方法设计并实现了柔性多体系统的并行迭代算法,为了降低计算的复杂性改进这些迭代算法的收敛速度,提出了内外步并行迭代进程,并进一步证明了相应迭代算法的收敛性,完成了误差估计.     

基于DFS的并行粒度计算模型及其应用

针对粒度计算在并行计算中的工作机理,基于动态模糊集理论给出并行粒度计算模型和算法,并进行范例系统分析,结果表明该算法是有效的,从而进一步丰富了粒度计算的内容。     

动态联盟伙伴选择问题的混合计算方法

针对已有伙伴选择问题方法的不足,以最小化竞标花费,交通运费和拖期惩罚成本之和为目标,给出伙伴问题的0-1整数规划模型,并提出了求解问题的混合遗传算法.该算法用染色体的编码确定合作伙伴的组合,结合专家经验,通过模糊神经网络对人工给定的隶属函数和模糊规则进行修正,用所得到的结果改进合作伙伴的组合.实验结果表明,模糊神经网络的使用提高了模糊推理的准确性,进而也提高了混合算法的有效性,使其具有比普通遗传算法更好的寻优能力.     

基于粒函数的模糊控制系统设计与仿真

模糊控制是基于模糊数学思想和理论建立的控制方法,在控制领域特别适用于一些无法用精确模型进行数学建模的控制系统.但对于模糊控制系统,模糊控制器的运算复杂和由于规则太多引起的规则爆炸问题始终没有很好地解决.通过引入粒函数,简化了模糊控制系统和解决了规则爆炸问题,并且将粒函数方法应用于单容水箱模糊控制系统中进行仿真.实验结果显示,粒函数方法不仅可以简化模糊控制系统的复杂性和解决规则爆炸问题,并且证明在理论和实际中粒函数器完全可以等效模糊控制器.粒函数方法适用于众多模糊控制系统中,通过示例,可以举一反三,将粒函数方法复制到其他应用场合.     

基于模糊统计的模糊Petri网token确定方法

在模糊Petri网应用研究中,普遍存在模糊token由专家直接给出或主观假定的问题。基于这种情况,提出了通过模糊统计法来获得库所的模糊token,为成功应用模糊Petri网理论创造了条件。给出了计算模糊token的通用形式化算法。实例论证了模糊统计法在求取模糊token时的可行性与有效性。     

复杂过程分析的模糊聚类分类器设计及其性能

本文采用模式识别方法推断烧结矿质量。在给出模糊系统聚类分析法基础上，用软件实现了基于模糊聚类分类器和动态聚类分类器，并用现场实测的样本采用“留一法”分别对这两种分类器性能进行检验。结果表明：模糊聚类分析法对于先验知识较少，样本量不大时，性能较佳。     

从Warshall算法到求模糊矩阵传递闭包的一个简捷算法

模糊矩阵传递闭包的计算在模糊聚类中起着关键的作用,而模糊矩阵传递闭包与普通集合论中传递闭包是有密切联系的。从普通集合论中求关系闭包的Warshall算法和模糊关系图出发,论述并实现了一种求模糊矩阵传递闭包的有效算法。与经典的求模糊矩阵传递闭包的算法———平方法比较,该算法简捷,运算量小。最后分析了一个利用传递闭包法进行模糊聚类的实例。     

Concept Approximation between Fuzzy Ontologies

0 IntroductionOnktnoolwolgeyd[g1]ei so tnh eth bea ssiec moaf nstihcari Wnge ba[n2]d. re Tuhsienregare concepts ,relations ,instances and axioms in theontologies .Classic ontologies are based on descrip-tionlogics[3],whichinterpret conceptsinthe ontol-ogy as sets of instances . However , we often needrepresent uncertainty information in practice,e.g.text and multi media information. The classic ontol-ogies are insufficient to represent such uncertaintyinformation, because it may be uncertain …     

动态模糊神经网络研究

针对静态网络无法处理暂态问题，对具有递归环节的动态模糊神经网络进行了研究。通过在网络第二层中加入内部反馈连接，使其具有动态映射能力，从而对动态系统有更好的响应。网络使用遗传算法与反向传播BP(BackPropagation)算法相结合来训练，避免陷入局部最优解。采用时序预测和动态非线性系统进行了仿真研究，结果表明，动态模糊神经网络较之普通模糊神经网络在收敛速度、预测精度和网络规模等方面都有较大的改善，并具有更好的动态系统处理能力。     

基于GD-FNN的药物注射系统辨识

针对手动控制调节药物注射量缺乏正确性和低效的特点,将广义动态模糊神经网络（GD-FNN）应于药物注射系统辨识。学习算法在动态模糊神经网络算法基础上进行改进,以模糊完备性作为高斯函数宽度的确定准则,避免初始化选择的随机性。同时,该算法能对模糊规则而且能对输入变量的重要性做出评价,从而使每条规则的输入变量的宽度可以根据它对系统性能贡献的大小实施在线自适应调整。通过对药物注射系统的辨识和控制仿真实验表明改进后的广义动态模糊神经网络与动态模糊神经网络相比,可取得更好学习效率和辨识精度。     

Larsen模糊推理算法的直觉化扩展

对Larsen模糊推理算法进行了直觉化扩展。首先将Larsen定义的模糊关系Rp进行直觉化扩展,然后推出了其对应的直觉模糊取式推理算法和直觉模糊拒式推理算法。最后以具体算例叙述了推理计算过程中的细节,验证了该方法的正确性和有效性。结果证明直觉化扩展后的Larsen模糊推理算法是一种性能比较好的直觉模糊推理算法。