基于RSOM聚类的局部线性嵌入算法

局部线性嵌入算法(locally linear embedding,LLE)是一种非线性降维方法.当数据量较大时,算法计算效率较低,算法运行所占用的内存空间较大.为了提高LLE算法的计算效率和减小算法运行时占用的内存空间,给出了基于RSOM(Recursive SOM)树聚类的LLE算法,通过RSOM树对数据集进行聚类,在保证输入样本依概率分布的同时显著降低算法复杂度,提高了映射效果.仿真实验表明,基于RSOM树聚类的LLE算法相对于原始的LLE算法,其算法效率有了显著提高,明显降低了算法运行所占用的内存空间,同时很好地学习了高维数据的流形结构.     

基于多核集群的RTI并行优化技术

随着基于高层体系结构HLA(High Level Architecture)仿真应用的不断深入,系统仿真规模不断扩大,仿真模型越来越复杂,仿真节点之间的交互更加频繁,使得仿真系统对通信资源与计算资源的需求不断提高。多核集群能够提供数据并行处理和高效通信的性能潜力,因此通过在多核集群上进行仿真加速正成为提高HLA仿真运行效率的重要途径。然而传统的仿真运行支撑平台RTI(Run Time Infrastructure)主要面向分布式网络环境,一般不支持并行通信和消息并行处理,从而难以发挥多核集群的高效通信和并行计算的性能优势。因此,为了提高多核集群下大规模HLA仿真的运行效率,提出了基于多通道的并行通信结构和基于消息分类的多线程处理技术,并已经应用于正在开发的并行shmRTI中,与国际同类商业软件pRTI1516进行的对比测试结果表明,性能可提升30%以上。     

基于稀疏指数排序的高维数据并行聚类算法

高维数据聚类是数据挖掘领域的重要研究课题,大规模高维数据聚类研究非常具有挑战性.针对高效的CABOSFV高维数据聚类算法,采用并行计算模式提高其大规模数据的处理能力,提出基于稀疏指数排序的高维数据并行聚类算法P-CABOSFV.该算法根据高维数据稀疏指数排序进行分割点选择实现数据划分,将数据分配到多个计算节点同时处理聚类任务,再基于集合稀疏特征差异度聚类结果合并策略将各计算节点的聚类结果合并得到最终聚类结果.UCI数据集和计算机合成数据集实验表明:高维数据并行聚类算法P-CABOSFV聚类质量良好,具有很强的数据规模和数据维度可扩展性,是有效可行的.     

函数型数据的分步系统聚类算法北大核心CSSCI

函数型数据能够反映数据的内在规律,利用该特点可以挖掘数据更多的潜在信息。在对传统聚类算法研究的基础上,首次提出将导函数距离引入函数型数据的聚类中,设计了函数型数据的分步系统聚类算法,给出了算法的具体步骤。利用随机模拟对算法的有效性进行了检验,并针对40个国家41年的人均GDP数据进行了实例研究,结果表明,该算法能够对函数型数据进行有效聚类。此外,基于此算法提出了一种函数型数据的数据补齐方法,实例研究结果表明,该预测方法能够对函数型数据进行有效地补齐。     

高可用性冗余实时集群系统的设计与构建

根据实时集群系统的高可用性和实时性要求,考虑集群系统的网络拓扑结构和网络传输性能对系统实时性能的影响,设计和构建了一个高可用性冗余实时集群系统,对系统的网络拓扑结构设计进行了阐述,估算了网络的数据传输性能,并讨论了系统并行计算的实现和冗余机组调度策略。经实际测试证明,系统具有较高的可用性和实时性,可作为周期性高强度多源浮点信息处理平台。     

一种OpenMP并行优化的AoI兴趣过滤算法

AoI(area of interest)兴趣过滤根据虚拟环境中数据的相关性进行过滤,它能有效降低网络通信量,提高系统可扩展性.在多人在线游戏中,随着虚拟环境中实体规模的增大,服务器进行兴趣过滤的计算开销会显著增大,影响游戏的可扩展性.针对近年来成本大幅度降低的多核CPU(central processing unit)架构,使用OpenMP编程接口将兴趣过滤计算的负载分配到多个CPU处理单元上进行并行计算,实验结果表明该并行算法在多核CPU架构上可获得较大的性能提升.     

面向复杂多任务的异构无人机集群分组调配

针对复杂多任务下的异构无人机(unmanned aerial vehicle, UAV)集群分组调配问题,提出一种基于改进K均值和延迟接受(deferred-acceptance, DA)算法的先聚类后匹配方法。在任务聚类分组环节,通过离群点检测和固定初始聚类中心的方法来提高K-means聚类的精度,并设计余量裕度下的分组均衡性调整策略,在最优性的前提下提高分组的均衡性。在集群匹配分组环节,改进了DA算法,通过任务倾向的偏好列表快速生成预中选方案,并设计两阶段冲突消除来保证匹配的稳定性和收敛性。仿真实验表明,所提方法能够快速有效地解决复杂多任务下的UAV集群分组调配问题,具备良好的最优性和时效性。     

基于PC集群并行图形绘制系统综述

如何满足大规模数据集科学计算可视化、沉浸式虚拟现实和巨型场景绘制等应用领域都对计算机图形绘制能力的需求已经是计算机图形学领域亟需解决的问题。在高速网络互联并配有高性能3D图形卡的PC集群上构造并行图形绘制系统已经成为普遍的解决方案。根据几何图元归属判断的时机,并行图形绘制系统可分为Sort-first,Sort-middle和Sort-last。根据应用程序在集群节点间的分布,基于集群的并行图形绘制系统可分为Client-Server和Master-Slave两种系统模型。目前流行的基于PC集群并行图形绘制系统包括WireGL,Chromium,ScalableDisplayWall和AnyGL。     

一种基于粗糙集聚类的数据约简算法

针对企业资源优化问题，首先采用了聚类分析的方法对原始数据进行约简，并且去除可疑信息，从而使得数据具有一致性，然后应用粗糙集理论将数据进行定性化分析和约简。通过系统聚类和粗糙集两种方法进行数据约简，使数据得到横向和纵向两个方向上的约简。算法应用于企业资源配置优化处理，取得了良好的效益。     

MPI并行矩量法计算二维粗糙面波束电磁散射

通过有限脉冲响应滤波器理论和快速傅里叶变换方法,模拟了二维高斯随机粗糙面。从电场积分方程出发,利用RWG (Rao-Wilton-Glisson)基函数矩量法结合Galerkin方法,在PC集群并行平台上研究了二维导体高斯粗糙面对波束的电磁散射特性。为使得PC集群信息传递接口(message passing interface, MPI) 并行平台上各参与运算的各进程的负载平衡,对整个阻抗矩阵按行分块,并详细讨论了并行共轭梯度法求解矩量法矩阵方程的并行实现过程。最后在PC集群MPI并行平台上进行数值实验,分析了在波束入射条件下,均方根高度、相关长度和极化方式对二维导体高斯粗糙面的电磁散射特性的影响。     

一种新的三对角线性方程组分布式并行算法

根据分而治之的思想提出了一种求解严格对角占优的三对角线性方程组的分布式并行算法(newdis tributedparallelalgorithm,NDPA)。当方程组的系数矩阵满足对角占优时,该算法是数值稳定的。新算法的算法复杂性和最优串行追赶法差不多,算法总通信建立次数为2,仅在相邻处理器间进行通信,且每次通信传送2个数据元素分析了算法的加速比、效率以及算法的可扩展性,给出了基于局域网的MPI异构环境下数值实验结果。数值实验结果表示,该算法是高效的。     

交货期窗口下的并行机调度问题的遗传算法

给出了一种求解不同交货期窗口的并行机调度问题的混合遗传算法，根据问题的特征采用扩展排列编码方式表示工件的分配和排列，利用给出的调度优先级规则和最好适应值规则相结合的启发式算法对每台机器上工件的顺序进行调整，实验表明所给的算法是有效的。     

一种改进的粗粒度并行蚁群算法

蚁群算法是一种模拟进化算法,具有很强的全局搜索能力。提出了一种基于粗粒度模型的并行蚁群算法,该算法采用了一个新的信息素更新策略———Ant-proportion,这种新的更新策略是综合考虑全局和局部信息,依据蚂蚁在搜索过程中所得到的路径的优劣程度和路径中各路段对其贡献的大小来分配信息素增量;另一方面,该算法采用的粗粒度模型充分利用了蚁群算法内在的并行性,使得算法具有更快的收敛速度和更好的优化质量。最后,选用了CHN144问题对该算法进行了检验,算法求得的最优路径优于已知的最优结果。     

Efficient parallel adaptive array beamforming algorithm

For a large-scale adaptive array, the heavy computational load and the high-rate data transmission are two challenges in the implementation of an adaptive digital beamforming system. An efficient parallel digital beamforming (DBF) algorithm based on the least mean square algorithm (PLMS) is proposed. An appropriate method is found to partition the least mean square (LMS) algorithm into a number of operational modules, which can be easily executed in a distributed-parallel-processing fashion. As a result, the proposed PLMS algorithm provides an effective solution that can alleviate the bottleneck of high-rate data transmission and reduce the computational cost. PLMS requires less computational load than that of the conventional parallel algorithms based on the recursive least square (RLS) algorithm, as well as it is easier to be implemented to do real time adaptive array processing. Moreover, low sidelobe of the beam pattern is obtained by constraining the static steering vector with Tschebyscheff coefficients. Finally, a scheme of the PLMS algorithm using distributed-parallel-processing system is also proposed. The simulation results demonstrate that the PLMS algorithm has the same interference cancellation performance as that of the conventional LMS algorithm. Moreover, the PLMS algorithm can obtain the same good beamforming performance, regardless how the algorithm is partitioned. It is expected that the proposed algorithm will be used in a large-scale adaptive array system to deal with real time adaptive digital beamforming processing.     

基于分布式并行计算的神经网络算法

为了提高计算性能（速度与可扩展性）,提出了一种新颖的神经网络的并行计算体系结构和计算网络权函数的训练算法。权函数是广义Chebyshev多项式和线性函数的复合函数,只需要通过代数计算就可以求得,不需要梯度下降计算或者矩阵计算。各个权函数能够独立求解,可以通过并行系统采用并行算法计算。算法可以求得全局最优点,得到反映网络误差的一个有用的表达式。此外,算法在不超过权函数总数的范围内,还具有维持加速比与并行系统中提供的处理器的数量成线性增长的能力。仿真实验结果表明,本文算法的计算性能远远优于传统算法。     

求解并行加热炉群调度问题的三阶段算法

针对并行加热炉群调度问题,提出了以板坯的最大完工时间和炉内总停留时间最小化为目标的求解算法.算法由3个阶段组成:第1阶段以关键路规则为基础确定板坯排序,在一定条件下具有最优性;第2阶段对任意给定的板坯排序,给出该排序下关于炉内总停留时间的最优可行排序;第3阶段对任意给定的可行板坯排序,给出该可行板坯排序下满足板坯释放时间的最优调度方案.     

基于并行单星约束的导航抗干扰研究

在全球定位系统中使用空时自适应处理算法可以增强接收机的抗干扰性能,为防止算法对卫星信号的衰减,可通过约束条件对卫星信号进行保护,传统的单星约束可以保证每颗卫星输出信噪比最大,但运算量很大。虽然多星约束可以使所有卫星的综合输出性能最优,且减少了运算量,但无法保证单颗卫星的输出信噪比性能。对空时自适应处理算法进行了合理简化,提出了并行单星约束算法,与多星约束相比,所提算法不仅运算量更小,还可保证每颗卫星输出信噪比最大。仿真结果表明,所提算法在对干扰信号进行抑制的同时,有效地实现了对多颗卫星信号的保护。     

面向多核任务调度的混合遗传算法

多核处理器的并行任务调度一直是研究的热点话题,属于NP-hard问题。针对此问题,本文提出了一种集启发式算法、禁忌搜索算法、模拟退火算法于一体的改进混合遗传算法(modified hybrid genetic algorithm,MHGA)。MHGA改进如下:首先,采用启发式的分层调度来初始化种群,提高初始种群质量;其次,提出基于禁忌搜索(tabu search,TS)的随机编号交叉算子,提高种群的多样性;最后,采用基于模拟退火(simulated annealing, SA)的变异,提高个体质量。实验结果表明,与其他遗传算法(genetic algorithm,GA)相比,MHGA可以得到更小的任务调度时间和更快的最优解搜索能力。