Low-complexity systolic architecture for inversion

A modified extended binary Euclid＇ s algorithm which is more regularly iterative for computing an inversion in GF（2^m） is presented. Based on above modified algorithm, a serial-in serial-out architecture is proposed. It has area complexity of O（m）, latency of 5m - 2, and throughput of 1/m. Compared with other serial systolic arehiteetures, the proposed one has the smallest area complexity, shorter latency. It is highly regular, modular, and thus well suited for high-speed VLSI design.     

人工智能应用于民事诉讼证明的问题研究

在智能化全球背景下,人工智能与司法体制的结合是大势所趋,但在享受科技带来的便利之时注意其双刃剑的实质也是必要的.在《证据规定》修改之后,民事诉讼证明标准的主观性愈发明显,以科学算法和客观概率为运行基础的人工智能与以主观性为本质特征的民事诉讼证明标准结合就会产生一系列的排斥反应.因此,有必要通过正确认识人工智能的辅助地位...     

基于改进灰狼算法的粒子滤波算法研究

针对传统粒子滤波算法易出现粒子贫化与权值退化现象和为了实现对非线性系统较为准确的状态估计,通常需要大量粒子的参与的问题,提出了基于改进灰狼算法的新型粒子滤波方法,该算法用粒子表征灰狼个体,模拟狼群捕猎的过程,使粒子向后验概率的高似然区域移动,提高粒子分布的合理性.在灰狼寻优算法中引入了莱维飞行策略,提高灰狼算法的收敛速...     

基于改进RRT*算法的移动机器人路径规划

为解决渐进最优快速扩展随机树(RRT*)算法在特殊环境下(如狭窄通道)路径规划存在的内存占用多、规划效率低等问题,提出了一种基于目标约束采样和目标偏置扩展的改进R RT*算法.首先,在采样上引入目标偏置策略,并对每次采样进行位置约束,使采样的目标导向性更强.然后,在新点扩展上摒弃了已有算法单纯朝着采样点扩展的思路,通过...     

基于深度强化学习的无人机自组网路由算法

针对无人机自组网节点密度大、拓扑变换频繁,导致移动自组网复杂的问题,提出了一种基于深度强化学习(deep-reinforcement learning, DRL)的分布式无人机自组网路由算法。利用DRL感知学习无人机特征,使节点不断与环境交互、探索学习最优行动(路由)策略;通过存储经验知识,维护端到端路由,赋予无人机网络智能化重构和快速修复的能力,从而提高路径的稳定性,降低路由建立和维护开销,增强网络的鲁棒性能。仿真结果表明,提出的算法具有较好的收敛性能;在路由修复时间、端到端时延,以及网络适应性、扩展性方面都优于传统的路由算法。     

结合节点计算能力的MapReduce负载均衡方法

MapReduce是大数据计算领域广泛使用的编程模型,默认的Hash分区方法易导致数据倾斜,使各计算节点负载不均衡,影响了整体计算性能并造成了大量集群资源浪费。针对这一问题,提出一种结合节点计算能力的分区方法。通过运行一个独立的抽样作业,利用Reservoir抽样算法抽取待处理数据并统计样本里关键字的位置和频次;根据关键字的统计数据制定分区策略,使各分区负载与节点计算能力达到平衡,同时优化网络开销;以全量数据为输入运行计算作业,并采用已制定的分区策略对中间数据进行分区,得出计算作业的运行结果。实验结果表明,方法使各节点负载更加均衡,可明显提升计算作业执行效率。     

遗传进化算法搜索斜坡最小安全系数的研究

介绍了斜坡滑裂面搜索问题和遗传进化算法,并试用遗传进化算法从斜坡任意形状滑裂面组合中搜索最有可能的滑裂面,也就是安全系数最小的滑裂面.作为实例,分析了遗传进化算法在天生桥二级电站首部枢纽进水口右岸滑坡案例中的应用.分析结果表明,在搜索斜坡滑裂面问题上遗传进化算法较其它搜索算法具有准确性和可靠性的优势.     

多变量无模型预测神经网络线性自抗扰控制

对难以建模的多变量非线性系统的控制难题,提出改进的具有辅助向量的多变量全格式动态线性化方法,采用其逼近非线性系统,用其构成预测模型,将其转化为具有耦合的若干个子系统,利用直接极小化指标函数自适应优化算法辨识其参数,将多变量线性扩张观测器的线性控制输入项改进为关于观测状态和控制输入向量及其微分的向量函数,并由该向量函数的逆向量函数构建当前控制输入向量,因其未知,使用对角回归神经网络逼近控制输入向量函数,采用多变量非线性递推最小二乘法优化对角回归神经网络连接权及多变量线性自抗扰控制参数,综上研究提出在线优化参数的多变量无模型预测神经网络线性自抗扰控制算法。仿真研究表明系统响应精度高,性能好,优于传统的线性自抗扰控制算法。     

基于量子的免疫进化算法及收敛性

分析和探讨了量子计算的特点及免疫进化机制,并结合免疫系统的动力学模型和免疫细胞在自我进化中的亲和度成熟机理,提出了一种基于量子计算的免疫进化算法。该算法使用量子比特表达染色体,通过免疫克隆、记忆细胞产生和抗体相似性抑制等进化机制可最终找出最优解,它比传统的量子进化算法具有更好的种群多样性、更快的收敛速度和全局寻优能力。在此不仅从理论上证明了该算法的收敛,而且通过仿真实验表明了该算法的优越性。     

利用启发性知识降低交叉算子破坏性的研究

在随机搜索的过程中,交叉算子被认为是演化算法的主要动力.然而,在搜索更好的候选解的时候,如果交叉点选择不当就会破坏一个已有的较好的候选解,使得交叉后生成的新候选解比原有的候选解更差.该文提出应用与问题相关的领域知识构建更有建设性的交叉算子,并应用于旅行商问题(TSP).实验结果表明,基于具有建设性的交叉算子的混合演化算法具有更好的性能.