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。     

一个修正的并行变量分配算法

针对2002年C.A.Sagastizabal和M.V.Solodov提出的并行变量分配算法进行修正.通过引入一个线性规划,在每个迭代点处求解一个线性规划和二次规划,来替代原文中的二次规划子问题,避免了原算法的二次规划子问题可能不相容的情形.再者,通过一个非单调技术替代原文中的罚函数执行线性搜索过程,具有更大的灵活性.     

分块并行结构的Turbo译码算法研究

分析了两种分块并行Turbo译码算法,并提出了一种新型的混合算法.研究表明,与现有的两种算法相比,混合算法融合了两者的优点,虽多消耗了少量资源,但是明显改善了译码性能.     

并行遗传算法的一些新进展

本文综述了并行遗传算法的历史和现状，详细介绍了并行遗传算法，提出了该算法的研究内容和展望．     

无约束最优化问题的扰动梯度算法

给出了一种扰动梯度算法,证明了在一定条件下,算法产生的序列全局收敛到最优化问题的稳定点,这个算法特别适用求解大规模优化问题。     

无约束最优化问题的二次梯度算法

根据无约束最优化问题的梯度算法,提出了二次梯度算法,并证明了其收敛性。     

分级数据无需完整排序的并行选择算法及实验

基于分组原理，设计一个无需完整排序的分组数据，从而可大大加快并行选择算法的速度，用并行Ｍｕｌｔｉｐａｓｃａｌ语言编程进行仿真实验，获得了较好的结果。     

大型稀疏系统分块并行齐次化算法

在对大型稀疏线性问题的齐次化算法研究的基础上,提出了分块并行齐次化算法,讨论了该算法的收敛性及稳定性,数值实验表明,该算法具有收敛速度快、计算精度高等特点.     

基于PAR方法的并行最大和算法的推导

在基于薛锦云提出的PAR（Partition-and-Recursion)方法的思想上,通过并行划分数据空间－－自然地称之为并行分划递推,给出了在PRAM和超立方互联网络模型上的并行最大和最优算法,它们的时间复杂性为O（log N)。     

基于TMS320C80的离散Hadamard变换并行实现

针对离散Hadamard变换在实时信号处理中具有广泛应用,但其运算速度受到DSP器件性能限制这一实际情况,进行了离散Hadamard变换的并行性研究及并行性能分析;并在基于并行多处理机平台——TMS320C80的编程结构基础上,实现了并行离散Hadamard的变换.基于TMS320C80进行的试验表明:所开发的并行DHT算法运行结果与理论分析吻合,该并行算法的速度和精度都得到了保证.     

基于并行粒子群优化算法的预失真器设计

高功率放大器是无线通信系统中非线性失真的主要来源之一. 数字基带预失真技术能有效地降低系统非线性失真,提高系统传输性能. 采用Hammerstein模型作为预失真器的模型结构,通过粒子群优化算法(particle swarm algorithm, PSO)估计预失真器系数,解决了梯度算法无法直接估计Hammerstein模型系数和易陷入局部极值等问题. 通过对PSO算法进行并行优化设计,使算法最大加速度比达3以上,加快了算法处理速度. 仿真结果表明新算法能够有效抑制系统带外频谱再生现象,减小相邻信道功率比(ACPR)达25 dB.      

基于网络环境的分布式PGA的结构优化

并行计算是当今数值计算发展的新方向。该文在网络并行环境下探讨了并行遗传算法（PCA）进行结构优化设计及其算法的实现方法。利用4台PC机组成网络平台,进行了钢桁架结构优化设计的数值测试。计算结果表明,设计的并行算法在网络并行计算环境中具有较高的加速比和效率,同时验证了并行遗传算法用于结构优化是可行的和有效的。     

采用并行计算的混沌优化方法

基于混沌理论的基本概念,分析了几种不同的混沌变量用于优化问题的方法,针对混沌算法对初始值的敏感依赖性,提出了采用并行计算的混沌优化方法(P-Chaos)。令搜索从不同的初始值同时出发,降低对初始值的敏感度,加快搜索速度。对3个测试函数进行优化计算仿真的结果表明,并行混沌优化方法取得了满意的应用效果。     

并行进化算法及其在航空工程优化问题中的应用

提出了用于加速气动力形状优化过程的分级型Nash基因算法．分级型算法可以看作是并行基因算法的特例，后者使用了互相联系但独立进化的子群的概念．本文在并行基因算法中引入多层分级拓扑结构以提高算法的收敛性．这种拓扑结构混合使用不同精度的模型，低精度模型用于探索搜索空间，高精度模型用于对准优解进行提纯．将此方法与Nash博弈相结合，构造了多目标优化算法，并应用于气动力优化问题．针对喷管反设计问题与多段翼型高升力优化问题，在计算机集群并行环境下进行了计算，结果表明本文的算法具有较高的加速收敛特性．     

阶段并行模型上的并行算法设计

阶段并行模型是BSP（Bulk Synchronous Parallel）模型的改进,它更接近于表述实际的机器行为,同时具有编程简单、独立于体系结构和执行性能可预测等特点。NOWs正成为并行计算领域的的一个新的发展热点,以太网构成的微机集群系统是NOWs的一种重要实现形式,研究了群集系统中阶段并行模型上的并行算法设计,以FFT算法为例,进行了设计和分析,并给出了测试结果。     

6-RSS并联机器人机构多目标优化设计

针对6-RSS并联机器人机构,以工作空间和速度全域性能为目标建立多目标优化模型,并使用改进的基于动态聚集距离多目标粒子群优化算法求解。为了快速有效地求解6-RSS并联机器人机构的工作空间,本文采用蒙特卡洛方法;为了求解带约束的6-RSS并联机器人机构多目标优化模型,将随机排序法引入基于动态聚集距离多目标粒子群优化算法。结果表明,该方法可以得到多个Pareto解供使用者选择,体现了多目标优化设计在并联机构设计中的有效性。     

基于CMP的多种并行蚁群算法及比较

基于片上多核处理器(Chip Multi-processor,CMP)的多种并行蚁群算法,包括并行最大最小蚂蚁系统、并行蚁群系统及两者的混合等5个并行算法,提出一种在CMP的每个处理器核心上模拟一个子蚁群,整体蚁群共享同一信息素矩阵,实现信息素隐式交流的方法.用多线程实时优先级实现该算法,并用若干旅行商问题实例进行了测试,分析了不同并行策略的影响.测试结果表明,基于CMP的并行蚁群具有相对于核心数目的线性加速比,异种蚁群混合策略在解的稳定性上更具优势。     

多核CPU上快速傅里叶变换并行算法的优化

快速傅里叶变换在数字信号处理和通信领域具有广泛的应用．多核CPU日益普遍,根据FFT算法自身的并行性,灵活分解蝶形运算,通过探究并行块的分配和嵌套关系对算法加以优化,合理地分配线程实现多核CPU的并行计算,可以提高FFT的计算效率．