有序地质量最优分割的二分算法

1 引言"有序地质量最优分割法"是近年来地质勘探工程中,地层划分和对比所常用的一种定量方法.至今此法仍以最优分割定义为选优准则进行"全面比较选优",这就不可避免地存在着计算量大的缺点.因此,建立有效的最优分割判别准则,改进选优计算方法,是具有重要的实际意义的.     

R.C.曲线交叉粱系双目标优化设计的研究

本文对R.C正交直线-曲线粱系进行双目标优化设计,取结构造价和钢筋用量两类指标构造目标函数,建立了此类结构的基于Pareto最优性准则的数学模型,并对“线性加权和算法”进行改进,由此求得的综合最优解与一般算法的解答基本重合,而迭代计算的工作量却显著减少。对数值计算结果进行分析、讨论,得出一些比单目标优化设计更有理论和实际意义的结论。     

微型计算机中西文表格自动处理软件的算法设计

本文讨论了在微机中西文表格自动处理技术中一些特殊功能的算法设计,分析了设计思想,提供了部份实用算法,并对某些算法的时间复杂度进行了评述。这些算法均已在本校研制的“IBM-PC/XT微型机中西文数据库管理系统”的表格自动处理软件中实现,并已应用于百多家企、事业单位的计算机管理系统中。     

正交双向网格图及方向优先算法

目前建筑工程的工程量计算基本上采取的是“统筹法”和“公式法”,这两种方法对工程的概算、预算的精确度及工作效率都产生了那样或这样的问题。本文从建筑图的正向分析开始,进而讨论了工程量计算模型的定义,在定义基础上给出了轴线的方向函数以及方向优先算法和具体实现过程。     

水翼空化流场的调控和优化研究

为抑制水力机械中水翼绕流流场空化的形成和发展,通过对比分析NACA0009、NACA0012以及Clark Y 3种经典水翼不同攻角和空化数工况下的性能,获得型线优化思路,建立了新水翼。进一步地,在新水翼上布设多个流动控制结构,通过广义模式搜索算法进行快速优化设计,对空化流场进行整体控制和局部调控。研究结果表明：新水翼吸力面凸起高度介于NACA0012和Clark Y水翼之间,最大凸起高度位置后移;新水翼的空化性能和水动力性能提升,升阻比最大提高48.8%,空泡脱落和回射流发展得到抑制;在新水翼吸力面均匀布设的多个控制结构能够对回射流起到连续抑制作用,改善压力分布;通过优化算法实现了控制结构设计的精准快速寻优,优化后的水翼性能得到了进一步提升,升阻比继续提高4.8%～13.6%,空化厚度与长度减小。型线优化和添加连续流动控制结构实现了空化流场的整体和局部控制,是提高水翼的空化和水动力性能的有效方法。     

用于物联网的可重构的祖冲之密码算法的硬件设计

针对应用在资源有限的物联网中的祖冲之(ZUC)256密码算法,本文介绍了一种资源优化的ZUC-256密码算法的硬件实现方案,设计了面向资源优化的循环型ZUC-256密码算法的硬件架构和基于块随机存取存储器(BRAM)的可重构S盒(S-box)单元,从而有效地降低了资源消耗。硬件方案在现场可编程逻辑门阵列(FPGA)上进行了硬件验证,结果表明本文资源优化的循环架构中的各个硬件开销相比已有的方案有明显的降低。     

基于SSA-LSTM-GF的混凝土坝变形预测方法

针对混凝土坝变形分析预测的复杂性,应用相空间重构思想和融合建模理念,提出了一种基于SSA-LSTM-GF的混凝土坝变形分析预测方法。SSA-LSTM-GF方法利用奇异谱分析法(SSA)将变形实测数据序列分解为趋势分量、周期分量和剩余分量,并将剩余分量视为噪声分量予以剔除;采用长短期记忆神经网络(LSTM)模型和高斯拟合(GF)算法分别进行周期分量和趋势分量的分析预测,并将二者结果进行叠加重构,得到最终预测结果。实例验证结果表明,SSA可以达到较好的数据分解和消噪效果,LSTM模型针对周期分量的预测性能优越,GF算法能够很好地实现趋势分量的拟合预测和部分信息的挖掘提取,LSTM模型和GF算法的成果重构效果良好,SSA-LSTM-GF方法具有一定的可行性和应用价值。     

具色散非线性波动方程解的存在性与爆破

研究了一类非线性波动方程初边值问题整体解的存在性与爆破问题.利用位势井方法证明了具有两个异号源和具有四阶色散项的波动方程在方程具有负定能量情形下初边值问题整体解的存在性.利用凹性方法证明了具有任意初始正能量时解的有限时间爆破问题.     

应用禁忌粒子群算法的车间调度及其并行化实现

为了解决批量生产、制造、装配等车间调度问题,基于Hadoop集群,提出应用禁忌粒子群算法的车间调度及其并行化实现.以某装载机制造车间最小化完成时间为目标,通过使用禁忌粒子群算法对车间调度问题进行求解.结果表明：在车间批量大的情况下,禁忌粒子群算法可得出有效的调度方案,避免算法陷入局部最优解.与现有的智能算法相比,禁忌粒子群算法更有利于实现全局最优解.     

多vCPU环境中基于容器的科学工作流调度策略

现有科学工作流调度研究较少考虑计算资源的多道程序设计,难以同时实现有效的容器共享并优化任务并行度与资源利用率。为了解决以上难点,文章提出了一种分布式多vCPU环境中基于容器技术的分段式工作流调度策略。该策略通过分段调度方法,降低启发式算法的解空间大小,使用带遗传算子的自适应离散粒子群优化算法(ADPSOGA),在设备使用成本的约束下优化各个工作流的完成时间,并制定一种容器与设备间的动态伸缩方案,实现容器的复用并解决单个设备中任务并行时的资源争用问题。结果表明：ADPSOGA的性能优于其他同类启发式算法,并且分段调度方法与容器伸缩方案在工作流调度方面表现出良好的性能,能很好地适应因任务并行度增加所带来的影响。