热动力系统流体网络及算法处理

首先介绍了国内外典型软件对热动力系统流体网络的处理，在此基础上，针对热动力系统的图形化建模系统提出了一种通用流体网络算法，然后重点讨论了该算法的图形化实现方法，从而很好地解决了流体网络算法和主程序的依赖关系     

A Neurocomputing Model for Binary Coded Genetic Algorithm

A neurocomputing model for Genetic Algorithm (GA) to break the speed bottleneck of GA was proposed. With all genetic operations parallel implemented by NN-based sub-modules, the model integrates both the strongpoint of parallel GA (PGA) and those of hardware GA (HGA). Moreover a new crossover operator named universe crossover was also proposed to suit the NN-based realization.This model was tested with a benchmark function set, and the experimental results validated the potential of the neurocomputing model.The significance of this model means that HGA and PGA can be integrated and the inherent parallelism of GA can be explicitly and farthest realized, as a result, the optimization speed of GA will be accelerated by one or two magnitudes compered to the serial implementation with same speed hardware, and GA will be turned from an algorithm into a machine.     

奇异摄动拟线性对流扩散问题的区域分解方法

文章利用区域分解的迭代方法来解决奇异摄动拟线性对流扩散问题。文中算法是基于有限区域分解方法的，是非常适合并行计算的，且给出了算法的有关收敛特性。     

基于Jini平台的虚拟校园协同服务设计

研究基于Jini平台的虚拟校园浏览服务中文本、音频、视频协同的关键技术．在协同服务实现中,采用C／S结构实现文本协同,采用非结构化的P2P结构实现一对多、多对多的音频、视频协同．通过Hash算法分配通讯端口,实现各路音频、视频的独立控制,同时支持253人的文本、视频、音频协同．     

异构计算系统的表调度式任务映射与调度算法

研究了在异构计算系统（ＨＣＳ）中利用表调度式算法进行任务映射与调度．给出两种异构静态优先级表调度式任务映射算法（ＨＳＰ和ＧＨＳＰ）,以及一种异构动态优先级表调度式任务映射算法（ＢＨＤＰ）．实验结果表明,ＧＨＳＰ算法对于粗中粒度ＤＡＧ的调度效果稍好于ＨＳＰ算法,而ＢＨＤＰ算法对于粗粒度和细粒度ＤＡＧ的调度效果均明显优于ＨＳＰ和ＧＨＳＰ算法．     

基于GPU的并行拟牛顿神经网络训练算法设计

针对人工神经网络训练需要极强的计算能力和高效的最优解搜寻方法的问题,提出基于GPU的BFGS拟牛顿神经网络训练算法的并行实现。该并行实现将BFGS算法划分为不同的功能模块,针对不同模块特点采用混合的数据并行模式,充分利用GPU的处理和存储资源,取得较好的加速效果。试验结果显示:在复杂的神经网络结构下,基于GPU的并行神经网络的训练速度相比于基于CPU的实现方法最高提升了80倍;在微波器件的建模测试中,基于GPU的并行神经网络的速度相比于Neuro Modeler软件提升了430倍,训练误差在1%左右。     

人工智能芯片发展的现状及趋势

 人工智能芯片是人工智能技术的重要组成部分,是实现人工智能算法的硬件基础,也是人工智能时代的战略制高点。分析了现有人工智能芯片的种类、特点、技术路线和市场情况,阐述了当前人工智能芯片面临的机遇与挑战,展望了其未来发展趋势。     

基于多核系统的隐马尔可夫模型并行算法研究

介绍了一种基于Open MP的多核并行程序设计方法,并使用此方法实现了对基于隐马尔可夫模型的Web文本挖掘程序的并行化改造.实验证明重新设计的多核并行程序相比于原有串行程序在多核微机系统上的运行时间大大减少、程序整体性能得到明显提升.     

改进蛙跳算法的网格任务调度优化模型

为解决当前调度模型存在的局限性, 以更好完成网格环境下的任务调度目标, 结合网格任务调度的NP(Non-deterministic Polynomial)问题特点, 提出了改进蛙跳算法的网格任务调度优化模型。首先以网格任务完成时间作为调度优化指标, 然后采用蛙跳算法找到最优的网格任务调度方案, 并对蛙跳算法存在不足进行改进,以改善算法工作性能, 最后在网格仿真平台GridSim 上进行性能验证分析。实验结果表明, 改进蛙跳算法可较好完成网格任务调度, 缩短了任务完成的时间, 资源负载更加均衡, 而且性能明显要优于其他算法。     

SDN支撑的MEC系统效能评估综述

传统的“智能终端-互联网-云计算中心”的服务架构难以适应延迟敏感应用的需求。移动边缘计算( MEC: Mobile Edge Computing) 将计算资源、存储资源和网络资源部署到互联网边缘,提高了用户和终端的资源获取速度。然而,移动边缘计算仅实现了计算与存储的管理,为了实现网络资源与计算存储资源的协同控制,需要结合软件定义网络( SDN: Software-Defined Networks) 技术构成完整的弹性服务方案。在总结MEC 应用场景和MEC 系统优化的国内外进展的基础上,给出一种移动边缘计算与软件定义网络联合系统( MEC-SDN) 的系统架构,从计算任务、通信开销、计算开销和资源分配的角度介绍移动边缘计算效能评估的研究进展。最后,对MEC-SDN 系统的未来应用领域给出了展望。