基于可测性分析的高层次寄存器分配算法

为了提高综合后电路的可测性,提出了一种面向电路可测性的寄存器分配方案.该方案首先从已调度的数据流图着手,建立了一种可用于高层次综合的行为级可测性分析方法:对算子模块的门级实现进行门级可测性分析,并进而抽象出算子的行为级可控性/可观性值;在数据流图中,逐级计算出各节点变量的行为级可测性指标;然后按照最大改善可测性指标的原则,进行寄存器分配.在标准电路上的实验表明,除了较小的面积开销外,电路的可测性优于所对照的其他2种方法.     

寄存器传输级存储器工艺映射算法

给出了用库中的一组存储器模块来综合一个源存储器模块的方法，该方法支持使用高层次综合和设计再利用的现代VISI设计方法学。定义存储器的映射为端口映射、字长映射和字数映射。最后把这3个子问题综合起来形成完整的算法。实验结果表明，寄存器传输级工艺映射（RTLM）在高层次综合中对存储器的设计再利用是一种有效的方法。     

基于遗传机制的图着色分配算法的研究

高层次综合中通过对冲突围着色方式把操作，变量值，数据传输映到共享资源中，然而寻找图着色所需的最小颜色数目是个ＮＰ难题，现将遗传算法与图着色分配算法有机结合在一起，提出了基于遗传机制的图着色分配算法，最后通过实验验证了该算法的有效性。     

基于DP算法的变量选择

在DP算法的基础上,提出了新的PDP算法,来实现带有惩罚函数的目标函数中参数估计的计算问题。新算法为基于惩罚函数的变量选择方法在计算上的实现提供了新的选择,同时通过数据模拟分析验证了新算法的有效性。     

基于极性相关算法的流速测量系统研究

流速测量作为水灾预警的重要组成部分意义重大,但是常规测速仪器精度较差,因此提出了一种极性相关算法进行流速测量。本文概述了相关法在流体流速测量中的基本原理,进行了相关法的算法介绍,在此基础上提出了改进型算法——极性相关算法。此后进行了极性相关法的算法分析,电路实现。根据蒙特卡洛(Monte Carlo)法进行的仿真实验表明,极性相关算法在峰点位置确定上可以代替普通相关算法,而且由于其算法的特殊性,因而具有较好的抗干扰作用。在实验测量速度与蒙特卡洛法设定速度的比较中可以发现,在两采样传感器间距符合一定条件的情况下,测量速度与其相应的拟合曲线拟合度较好,测量速度能精确的反应相应的蒙特卡洛法设定速度,这也从实验上验证了此算法的可行性,可以进行精确的流速测量。     

基于DAG的高校培养计划图自动生成算法

提出了基于有向无环图的构图和绘图算法,可完成课程拓扑关系图的自动绘制,并以C#为编程语言实现了该算法,最后通过实例验证了算法能直观地表现课程及其间拓扑关系效果,且运行界面整齐美观。     

基于核的有向强连通图计算机随机生成算法

针对图论算法研究和算法测试对随机生成有向强连通图的需求,在深入研究有向强连通图和极小有向强连通图的结构组成的基础上,提出了有向强连通图核的概念。参考有向连通图的随机生成算法,给出了一种有向强连通图的随机生成算法,并对该算法进行了测试。对具有上千个节点及上万条弧的强连通图的随机生成,采用该算法时间都在1 s以内,生成的结果能很好地应用于图论研究,以作为图论算法的随机测试用例。     

C语言中交换两个变量值的算法分析

在传统程序设计中,交换两个变量的值的操作十分普遍。文章分析和探讨了变量的基本概念和特点,并在此基础上阐述了用于交换两个变量值的三种算法。     

C语言小程序算法的表示

在自动评判程序中的逻辑错误时,一个关键问题是正确表示程序的算法,并解决多样性问题.围绕算法的定义,提出用变量的源变量列表(VSV)和单变量访问流图(SVAF)共同表示程序的算法.其中VSV用于描述变量间的计算关系,SVAF用于描述每个变量的操作方式、次序以及相关的程序控制结构.经过规格化操作,可消除VSV和SVAF中因语句次序、临时变量、特殊赋值语句以及循环语句等引发的多样性问题.     

一种快速带环数据流图的流水线调度算法

在带反馈环的数据流图的高层次综合调度中。提出了一种基于时间约束并考虑资源约束的调度算法．该算法利用了数据流图中的迭代内及迭代间的优先约束，采用retiming和流水线操作来进行并行的构造调度．提出的基于待调度稍点的retiming算法可以缩短常规的对调度空间搜索最优解的时间，从而快速地完成满足时间和空间约束的调度．     

遗传算法在组卷系统设计中的应用

介绍了在自动组卷中受到广泛运用的遗传算法,这种方法尤其适用于网络交互式环境下用户对组卷速度较高的要求。     

基于损失函数的单元测试用例自动化生成算法研究与实现

软件测试是软件开发过程中最为耗时的阶段之一.通过自动执行大量的测试用例,可以高效、及时地发现软件程序中潜在的错误,这是提高大中型软件开发质量的重要技术发展趋势.目前较多的元启发式优化算法已经能够实现测试用例的自动生成,但测试效率较低且开销较大,所以如何使得生成的测试用例在数量较少的情况下覆盖尽可能多的目标,就成为自动化测试用例生成中的核心技术问题.本文提出一种基于损失函数的单元测试用例自动化生成算法(LFGA),在遗传算法的执行过程中,根据测试用例种群的路径覆盖情况,动态改变后续种群的分布,保证整体数据分布的平衡性.并利用分支信息优化自适应交叉变异算子,自动生成规模尽可能小且高覆盖的有效测试用例集.实验结果表明,相比于已有的自动生成测试用例方法,较好地解决了传统模型中初值依赖、收敛早熟、局部寻优能力滞后等缺陷,保证了生成的测试用例平均覆盖率达到95%,提升了搜索效率及数据使用效率.     

改进遗传算法在自动组卷系统中的应用

为了避免遗传算法在自动组卷中收敛速度慢、容易陷入局部最优值、早熟收敛等缺陷,提出了基于实数编码的遗传算法的改进算法。该算法采用分段的单点交叉操作,对个体而言,实现的是多点交叉操作,最后将该方法应用于某自动组卷系统中,以实验证明该方法的可行性和有效性。     

水工模型水位的自动控制优化算法

在水工模型试验中，微机按照给定水位与实测水位的偏差来自动调节尾门的开启度，以达到控制水位的目的。由于受控水位的滞后特性，常导致水位超调，严重影响了物理模型的稳定性。针对水位控制中的这一问题，根据水位变化特点探讨水位控制的优化控制算法，提出PID控制与模糊控制相结合的控制方法。实验证明，这种方法可使水位控制精度得到提高。     

遗传算法在智能组卷系统中的应用研究

为更好地解决遗传算法在智能组卷过程中出现的早收敛问题,以及组卷质量和组卷速度呈负相关的问题,提出一种基于分段整数编码、多点交叉的遗传算法.通过大量实验,有针对性地对该算法中的编码结构、选择算子、交叉算子和变异算子进行优化设计;对相关控制参数进行合理调整,实验结果表明,该算法不仅有效地提高了组卷质量和组卷速度,而且具有很好的收敛性.     

基于运动试验平台的MOEA/D改进洗出算法仿真及试验

洗出算法参数的调整很大程度上影响其性能,针对目前经典洗出算法应用于飞行模拟器时参数调整的不足,提出一种基于MOEA/D多目标优化的改进洗出算法。将人体感知误差、洗出位移、模拟加速度误差作为优化目标,以运动空间为限制条件,采用基于分解的多目标优化算法对洗出算法参数进行同步寻优,并利用模糊隶属度函数得到最优解。为验证其有效性,建立飞行模拟器运动试验平台,将采用不同优化方法的洗出算法应用其中进行对比分析。仿真及试验结果表明,改进洗出算法归位反应时间最短,相位延迟降低3.5 s,稳定性提高30%,且修正了感觉峰值,优化了54.6%的工作空间,实现了模拟器在模拟极限运动时有足够的运动空间和更高的动感逼真度。     

自适应概率问题的空间遗传算法的研究

求解约束条件下的高度和分配的最优解是一个ＮＰ难题,因此提出了一种基于自适应概率参数模型的问题空间跗算法,它较好地解决并发进行硬件资源调度与分配问题,使得在给定的输出控制数据流图中找到使目标函数最小的位置。最后以求解方程中的资源调度为例,用实验验证了该算法的有效性。