高度非线性弹塑性模型的改进显式算法数值实现

当采用传统的全显式算法对高度非线性的弹塑性本构模型进行数值实现过程中,存在计算效率低、误差积累、精度较低的缺点.为提高计算效率和改善计算精度,采用四阶的Dormand and Prince Runge-Kutta法代替传统的全显式算法中的向前Euler法,并结合切平面算法形成了改进显式算法.以考虑土体结构性的SANICLAY模型为例,对传统的全显式算法、改进显式算法和隐式算法在计算收敛性、效率和精度方面进行对比.将改进显式算法用于隧道开挖工程多单元计算中.结果表明,与隐式算法相比,传统的全显式算法的计算精度和计算效率均比较低,改进显式算法计算效率和计算精度均比传统的全显式算法高很多.     

2^k阶矩阵乘的快速—普通混合算法

从实际应用角度分析W算法用于2k阶矩阵乘的计算时间,发现混合算法是1个更优秀的算法.它与快速算法同阶.计算时间与快速算法计算时间之比为1:2.3.且从k＝6开始就优于普通算法.这些结果,已为计算实践证实.     

雷电定位计算的粒子群优化方法

针对雷电定位问题,引入粒子群优化(PSO)算法用于雷电定位计算.给出了利用这种算法进行雷电定位的计算步骤,并提出用PSO算法和传统迭代算法协作计算雷电位置的方法.通过数值仿真分析和电网雷击事故定位计算分析了PSO算法的性能.结果表明:该算法能克服传统迭代方法易于发散的缺点,稳定并精确地求解出雷电发生位置;该算法的计算量大于迭代方法,但比网格搜索法要大幅减小;利用PSO算法给出雷电定位初始值,再用迭代方法求解可保证计算稳定并减少计算量.     

关于序列密码相关攻击的注记

分析了序列密码的快速相关攻击算法A和算法B,计算出算法A和B中门限,并对两种门限的计算方法进行了比较.门限的计算降低了快速相关攻击算法的计算复杂度,扩大了算法的应用范围.     

应用量纲归一化方法改进的分数傅里叶变换快速算法

提出了一种实现分数傅里叶变换快速计算的改进算法,该算法将量纲归一化的方法应用到分数傅里叶变换光学系统中,严格导出了空域、分数傅里叶变换域和傅里叶变换域的采样间隔,并根据该采样间隔模拟分数傅里叶变换光学系统实现了分数傅里叶变换快速算法.相应的数值模拟实验表明:该算法计算的强度值结果与Kutay的算法相应的计算结果一致; 以Kutay算法的计算结果为参考,该算法计算的准确性要优于Bultheel的算法的计算结果; 与Kutay的算法和Bultheel的算法相比较,该算法的计算速度较快.实验还表明,该算法的计算结果不会随人为确定的2个参数(波长和透镜焦距)的变化而变化,具有良好的稳定性.     

一种组合Pohlig-Hellman和Pollard ρ的迭代求解离散对数方法

Pohlig-Hellman算法的优点是计算速度快,缺点是需要群的阶是光滑的.Pollard ρ算法的优点是不受群结构的限制,缺点是属于概率算法,计算的准确性低于Pohlig-Hellman算法.学者很少关注Pollard ρ和Pohlig-Hellman两个算法的有效融合,针对这一问题,结合两个算法各自的长处,提出一种基于Pohlig-Hellman的Pollard ρ混合离散对数迭代求解算法.算法的思想是:当阶的素因子小于等于光滑界时,使用Pohlig-Hellman算法迭代计算;当阶的素因子大于光滑界时,使用Pollard ρ算法迭代计算.同时分析了混合算法的计算效率.最后通过实例验证了结论的正确性和有效性.     

GPU加速实现的锥束CT高精度正投影算法

CT的正投影计算是对CT数据采集过程的模拟,不仅可用于生成投影数据,而且是CT图像迭代重建算法的一个关键组成部分.在CT的锥束扫描方式下,正投影计算量大,计算时间长.为此,提出了一种GPU加速实现的锥束CT正投影算法.该算法通过并行计算各条X射线在探测器上投影,实现了锥束CT正投影的快速计算.由于该算法支持全浮点运算精度计算,且采用三线性插值方式,因此计算精度高.通过对Shepp-Logan模型的正投影计算实验以及与其他正投影算法的比较,验证了作者算法的优点.     

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.     

一种KMP算法中求nextval数组的改进算法

KMP算法是一经典的模式匹配算法,有着广泛的应用.实现该算法的关键是计算模式的next或nextval数组值.本文针对计算nextval数组传统算法难于求解的问题,提出了一种基于next数组来计算其nex-tval数组的改进方法.实验结果表明该方法能有效地提高计算效率,且易于求解.     

一个改进的粗糙集属性约简算法

利用单属性的逼近精度 ,在Jelonek属性约简算法的基础上 ,得到一个改进的属性约简算法 .实例计算结果表明 ,在获得同样的属性约简的情况下 ,该算法与Jelonek算法相比 ,计算量较少 ,提高了计算速度 .