Financial data modeling by using asynchronous parallel evolutionary algorithms

In this paper, the high-level knowledge of financial data modeled by ordinary differential equations (ODEs) is discovered in dynamic data by using an asynchronous parallel evolutionary modeling algorithm (APHEMA). A numerical example of Nasdaq index analysis is used to demonstrate the potential of APHEMA. The results show that the dynamic models automatically discovered in dynamic data by computer can be used to predict the financial trends. Biography: Wang Chun ( 1969-), male, Ph. D candidate, research direction: e-business.     

Asynchronous parallel evolutionary algorithms for constrained optimizations

Recently Guo Tao proposed a stochastic search algorithm in his PhD thesis for solving function optimization problems. He combined the subspace search method (a general multi-parent recombination strategy) with the population hill-climbing method. The former keeps a global search for overall situation, and the latter keeps the convergence of the algorithm. Guo's algorithm has many advantages, such as the simplicity of its structure, the higher accuracy of its results, the wide range of its applications, and the robustness of its use. In this paper a preliminary theoretical analysis of the algorithm is given and some numerical experiments has been done by using Guo's algorithm for demonstrating the theoretical results. Three asynchronous parallel evolutionary algorithms with different granularities for MIMD machines are designed by parallelizing Guo's Algorithm. National Laboratory for Parallel and Distributed Processing Foundation item: Supported by the Natonal Natural Science Foundation of China (No. 70071042, 50073043), the National 863 Hi-Tech Project of China (No. 863-306-ZT06-06-3) and the National Laboratory for Parallel and Distributed Processing. Biography: Kang Li-shan (1934-), male, Professor, research interests: parallel computing and evolutionary computation.     

流场分析和设计的并行计算

网络连接机群是一种有效的并行计算工具,讨论了在此环境下流场分析和设计的并行计算问题。流场解中采用了Euler方程作为主控方程,并用有限体积方法和时间隐式方法进行求解。在MPI／PVM环境下用分区方法作了二维翼型和三维机翼绕流的并行计算。数值算例表明流场计算的正确性和并行计算的有效性,并讨论了影响加速比和并行效率的各种因素。用耦合流场解和并行遗传优化算法做了二维翼型和三维机翼的单目标／双目标数值优化。算例表明：使用的适应函数优于传统线性组合法构成的,遗传算法计算三维优化问题时必须并行化。     

基于深腾1800机群系统的分子动力学并行仿真研究

介绍了分子动力学并行仿真计算的软硬件环境,分析了现有的几种并行算法,确定采用区域分解法作为并行算法,并在此基础上提出了基于区域二次划分的分子动力学并行仿真算法.另外,阐述了原子链、原子近邻表和原子亲属表的概念,提出了基于永久序号的消息传递策略.最后,设计了分子动力学并行仿真程序,并分别在1、2、3、4台结点机上进行了实验,运行结果表明:加速比随着结点数的增加而增加,并行效率虽略有下降但都在87.5%以上,并行效率并没有随着结点数的增加有明显的降低,说明并行程序具有很好的扩展性.     

A parallel global-local mixed evolutionary algorithm for multimodal function optimization based on domain decomposition

This paper presents a parallel two-level evolutionary algorithm based on domain decomposition for solving function optimization problem containing multiple solutions. By combining the characteristics of the global search and local search in each sub-domain, the former enables individual to draw closer to each optima and keeps the diversity of individuals, while the latter selects local optimal solutions known as latent solutions in sub-domain. In the end, by selecting the global optimal solutions from latent solutions in each sub-domain, we can discover all the optimal solutions easily and quickly. Foundation item: Supported by the National Natural Science Foundation of China (60133010,60073043,70071042) Biography: Wu Zhi-jian(1963-), male, Associate professor, research direction: parallel computing, evolutionary computation.     

热传导方程的一类有限差分区域分解显-隐算法

先在内边界点上采用小时间步长^-Δt,空间上以大步长进行J次计算,提高了整体的计算精度.同时给出了一、二维热传导问题的算法和误差估计,还考虑了多子区域的情形,并用数值实验证明了结论.     

抛物型方程的一种高阶并行差分格式

构造了求解抛物方程的高阶并行差分格式。首先,通过前三个时间层内界点的值及四阶紧致格式并行计算子区域的值,然后再用区域边界点显式计算内界点的值,并证明算法的稳定性条件至少为23+16, 收敛精度为四阶。最后用数值算例验证算法的稳定性及收敛性,数值结果表明此算法具有比其他算法更好的精度。     

关于热传导方程有限差分区域分解并行算法精度的注记

以一维热传导模型方程为例来说明用有限差分区域分解算法求解热传导方程中的三个现象.     

并行数据库系统PAROⅡ连接算法

提出了并行数据库系统的哈希轮转（Hash-Round-Robin）数据划分方法以及其于该划分方法的并行记录分布B^n树，给出了基于该树的并行连接算法，分析了该算法的效率，这种连接算法充分利用了数据的已有分布及B^n树的特性，还利用了哈希轮转划分的特性，提高了并行连接的效率，该算法已经在自主研制的并行数据库管理系统PAROⅡ中得到实现。     

自适应迁移并行遗传算法在无线通信网优化中的应用

为利用最少的基站数实现规定的服务质量 ,提出了在一个区域的若干个备选位置中选择最优组合的粗粒度并行遗传算法 ,在不提高成本的同时 ,优化网络的覆盖率。不但提出了一种高效的局部搜索算子 ,而且为防止未成熟收敛 ,使用了只在子群体无法继续进化时才接收迁入个体的自适应迁移策略。仿真证明 ,对比固定周期迁移 ,采用的自适应迁移策略能够提高优化的速度和质量。     

二维热传导方程的有限差分区域分解算法

对于应用区域分解方法求解二维热传导方程的问题,提出一种绝对稳定的显-隐差分格式。该算法在内边界点上采用显格式计算,在子区域内部采用全隐格式;之后给出了算法的稳定性和收敛性分析,并用数值结果验证了相关结论。     

基于网络结构的并行路径规划算法

算法继承了人工势场法的基本思想，通过寻找路径点的能量函数的极小值点而使路径避开障碍物。势场由排斥场和吸引场叠加而成，在算法中对于排斥场和吸引场的强度引入了一个平衡系数，并引入了模拟退火的思想和一些启发性知识，以避免某些局部极值的情况。算法具有很大的并行性，收敛速度较快，易于从二维空间扩展到三维空间，对人工势场法给予了较大的改进，取得了较好的仿真效果。     

决策树算法的教育应用探讨

简单介绍了数据挖掘的概念和决策树算法技术,尤其是它所牵涉的信息论原理,并结合相关事例简要概述了决策树算法在教育层面上的应用．     

一般抛物方程的一类区域分解差分算法

研究了一般抛物方程的一种区域分解差分算法,在内边界点上采用小时间步长Δt,空间上以步长进行J计算,提高了整体的计算精度.给出了一、二维两种情形下的算法和误差估计,并用数值实验证明了结论.     

电力系统潮流并行算法的研究进展

随着高性价比可扩展集群并行系统的逐步成熟和应用 ,大规模电力系统潮流并行计算和分布式仿真成为可能。该文首先简要介绍了电力系统的潮流计算模型及基本算法 ,分析了算法中存在的困难。然后分析了 4类较重要的电力系统潮流并行算法 :分块法、多重因子化法、稀疏矢量法和逆矩阵法 ,同时讨论了这 4种潮流并行算法的基本原理和实用效果 ,比较了各种并行算法的优点和局限性 ,并指出基于集群系统的粗粒度区域分解潮流并行算法最具发展潜力。     

一类变系数抛物方程的区域分裂差分方法

给出了一类变系数抛物方程的区域分裂差分方法，先后讨论了该模型的一、二维两种情形．并运用极大值原理证明了其收敛性结果，精度为O(△t h^2 H^3)．最后对一、二维两种问题分别作了数值试验，证明了方法的实用性．     

数据仓库和数据采掘研究综述

数据丰富而知识贫乏的状况导致了数据仓库和和数据采掘技术的出现,引起了许多不同领域的人们的极大关注。对数据仓库和数据采掘的基本概念、关键技术以及主要研究内容了一个综合样性的介绍,并讨论了数据仓库和数据采掘相结合的特点和发展潜力。     

决策支持分析新技术——数据挖掘

数据挖掘是目前国际上智能信息处理和决策支持分析领域的最前沿的研究方向之一。因此对数据挖掘的基本概念、关键技术以及主要研究内容作一个综合性的介绍 ,并指出了数据挖掘技术的研究方向     

一种高效相联规则提取算法

在 Ａｐｒｉｏｒｉ 算法基础上, 提出改进算法 Ａｐｒｉｏｒｉ Ｐｒｏ． 利用中间结果对数据库进行过滤,从而加快候选项集的计数速度, 提高了整个算法的效率．     

基于回归算法的试题质量评价系统研究

试卷评价是教育评价的重要部分,现有的试卷评价系统利用统计方法求解出预定指标项的值,并用直方图表示考生总分的分布情况,以此对试卷有一个全面宏观的了解。然而,这些指标缺乏对具体考题进行质量评价,难以作出进一步的分析和评价。文章结合KDD领域中的有关技术,提出一种数据表示形式,在此基础上求解出一系列针对考题及考题集的评价指标,以便更深入地反映试卷的具体情况,这一求解结果也有助于试题库的维护。