引入全局算法的小批量K-Means

提出一种引入全局算法的小批量K-means.算法应用全局搜索算法,解决在大数据情况下运算耗时问题和传统K-means对初始中心点敏感的问题.实验结果表明,该方法在获得最佳结果的前提下可以节省大量的计算时间.     

基于网格自适应加密技术的 GPU 高效运行实现研究

针对传统解算器未能实现 GPU 上运行网格自适应加密过程，造成 GPU 与 CPU 之间繁琐的数据交换的问题，本文发展优化了一种 GPU 加速的基于非结构自适应加密网格的解算器 VA2DG。利用加密网格表的方式实现网格自适应加密过程在 GPU 上高速运行，并通过原子操作并行生成网格加密表，对废弃的网格及时回收，节约存储空间，加快运行速度。     

人造购物狂欢节现状调查——以蚌埠市为例

为探究人造购物狂欢节在三线城市的现状,以安徽省蚌埠市为例,对蚌埠市4个城区(龙子湖区、蚌山区、禹会区、淮上区)的消费者进行问卷调查,运用假设检验、列联分析等统计方法对问卷结果进行探究,发现女性比男性购物要频繁;中、高收入的中年群体属于"经常购物类型";"双十一"的主要消费人群为中、低收入居民,而"节假日购物节"的主要消费人群为高收入居民;服装配饰、日用百货和护肤彩妆更受消费者青睐,可能为连带销售商品;性别对消费结构、购买力度有影响等.基于此,针对商家提出政策性建议.     

仿生智能优化算法及其在盲源分离中的应用

传统盲源分离(Blind Source Separation,BSS)采用梯度方法对目标函数进行优化来确定最优解,但梯度算法无法解决收敛速度和稳态精度两者之间的矛盾,而且可能落入局部最优.为了解决上述问题,仿生智能优化算法逐渐被引入到BSS中,取得了传统优化算法无法比拟的优良特性,为BSS问题优化求解提供了一条全新的途径.介绍了几种仿生智能优化算法,描述了BSS的基本概念和数学模型,最后对几种仿生智能优化算法在BSS的应用情况进行了总结.     

信号设备故障诊断和智能分析系统

正卡斯柯信号有限公司开发的信号设备故障诊断和智能分析系统(SIDS)的主要研究内容及关键技术包括:(1)首创了基于信号设备的智能诊断关键技术,主要包括:故障推理演绎技术,该技术基于推理机的推理演绎技术,通过对故障二叉树的深度遍历算法来实现,其中推理机扮演了遍历过程的执行者的角色。隐患预警分析技术,通过提前发现     

使用王朗道蒙特卡罗算法和机器学习研究伊辛模型相变

文章以伊辛模型为例，首先利用王朗道蒙特卡罗算法构建了完备的数据集，相较于常用的Metropolis算法，避免了在相变点处的临界慢化效应和在低温下无法遍历到所有重要构型的不足。然后运用非监督机器学习方法进行研究：采用主成分分析法与K-means算法处理数据集，采用Calinski-Harabasz指标分析模型相变。最终得到伊辛模型的相变点，与传统方法结果一致。本文方法为使用机器学习研究统计物理中的相变现象提供了一种可行的解决途径。     

基于新型BBO算法的微电网优化调度研究

针对含微型燃气轮机的微电网经济性与环保性协同优化问题，引入具有弃风弃光消纳和碳捕获能力的电转气(pow to gas, P2G)系统，提出了一种基于新型生物地理学优化算法(novel biogeography-based optimization, NBBO)的含P2G系统的微电网优化调度模型。构建含P2G系统的微电网模型，并分析主要设备的工作原理；引入风机备用容量以降低风力发电随机性的影响；建立微电网运行成本最小的目标函数，运用提出的NBBO算法求解该目标函数。通过分析可知，含P2G系统的微电网可减少9.02%的发电成本，降低25.9%的含碳氧化物排放，验证了所提含P2G系统的微电网模型的可行性及改进算法的适用性和优越性。     

单亲遗传算法在物流合乘优化中的应用

本文运用单亲遗传算法解决物流合乘的路径优化问题。通过在染色体上基因换位、移位、逆转等基因重组操作进行个体繁衍,经过若干代的繁衍迭代,从所有的上下车点中找出一条最优的、费用最少的路径。实验结果表明,该算法在提高合乘成功率的同时,还有效地降低了车辆运行时的总成本。     

不规则区域中可压缩流动的数值模拟

将不可压缩流动的SIMPLE算法推广到可压缩流动的计算中。将二维直角坐标系和轴对称坐标系下的可压缩流动的控制方程用统一的方程式表达,在贴体网格中利用有限体积法进行离散,编制了通用的求解程序。对带有凸包的通道可压缩流动和轴对称坐标系下的马赫反射问题进行了数值模拟,得到的结果与相关文献中的结果吻合,表明了所提算法的正确有效性。     

An Overview of Kernelization Algorithms for Graph Modification Problems

Kernelization algorithms for graph modification problems are important ingredients in parameterized computation theory. In this paper, we survey the kernelization algorithms for four types of graph modification problems, which include vertex deletion problems, edge editing problems, edge deletion problems, and edge completion problems. For each type of problem, we outline typical examples together with recent results, analyze the main techniques, and provide some suggestions for future research in this field.