有限元概率算法

本文提出了一种求解椭圆型有限元方程的新方法——有限元概率算法,应用这种方法可以在不分解总刚矩阵的情况下,求出一个或少数几个网格点上的函数值。     

P systems with array objects and array rewriting rules

Array P systems were introduced by Paun Gh. which is linking the two areas of membrane computing and picture grammars. Puzzle grammars were introduced by us for generating connected picture arrays in the two-dimensional plane, motivated by the problem of tiling the plane. On the other hand, incorporating into arrays the developmental type of generation used in the well-known biologically motivated L systems, Siromoney and Siromoney proposed a very general rectangular array generating model, called extended controlled tabled L array system (ECTLAS). In this paper we introduce two variations of the array P system, called BPG array P system and parallel array P system. The former has in the regions array objects and basic puzzle grammar rules (BPG), which are a specific kind of puzzle grammar rules. In the latter, the regions have rectangular array objects and tables of context-free rules. We examine these two types of P systems for their array generative power.     

最大匹配问题Tile自组装模型

Tile自组装模型凭借其自组装、可编程等特性在解决NP问题方面具有巨大优势.文中提出了一种求解最大匹配问题的Tile自组装新模型,该模型主要由初始配置子系统、选择子系统及检测子系统3大部分构成.新模型中首先设计Tile分子存储问题信息,其次通过Tile分子自组装操作生成最大匹配问题解空间,最后通过Tile检测分子筛选得到最大匹配问题的解.对模型从所需Tile分子种类、计算时间和计算空间3个方面进行性能分析,并通过实验模拟论证了模型的有效性和正确性.     

混合Kriging代理模型的高维参数估计优化算法

基于Kriging代理模型的优化算法对于解决函数计算昂贵的优化问题非常有效,但并不适用于高维参数的优化.针对该问题,提出了一个混合Kriging代理模型和多种优化技术的算法.该算法在Kriging模型选择新样例点时使用单维参数独立优化以克服维度灾难并提高收敛速度,同时基于已构建的Kriging代理模型信息提出一种新的动态坐标扰动策略,并将该策略用于高维参数优化以得到更好的目标函数值.为了保证不丢失全局最优解,在使用一般期望提高加点策略作为选点原则时,在期望函数的多个峰值同时选点.为了验证算法的有效性,将该算法应用于具有41维参数的人类白细胞代谢网络参数估计问题.实验结果表明,在有限的迭代次数下,该算法能产生较小的目标函数值,以及和实验拟合较好的参数估计结果.     

面向高性能计算平台的脑科学仿真技术研究

近年来,脑科学研究成为了热点研究领域,欧盟"人脑计划"、美国"尖端创新神经技术脑研究计划"、日本脑计划的相继提出标志着脑科学研究进入了研究高峰期.高性能计算机经过数十年的发展,计算性能的提升日新月异,应用的范围越来越广.本文结合当下脑科学研究热点生物神经网络以及高性能计算平台TH-1A(天河一号)的计算优势,在TH-1A上部署了神经网络模拟软件NEST,对用NEST构建的神经网络进行了内存占用和可扩展性分析,测试了单计算节点最大仿真规模,发现了NEST软件自身的一些瓶颈,并提出了改进的想法,进而实现了对大规模生物神经网络面向高性能计算平台的仿真研究工作.     

云计算中虚拟网络服务的性能测量及运营实践

在云计算中,虚拟网络服务是核心的服务之一,用户可以在云环境中创建属于自己的虚拟网络部件,而不用考虑底层的物理网络环境.OpenStack作为目前最流行的开源云计算平台,可以通过不同的方法和技术来实现虚拟网络服务.本文针对当前的OpenStack版本,对其虚拟网络服务不同的实现方法和技术进行了详细的分析与性能测量,并介绍了上海交通大学云计算平台的运营实践现状,为高校建设云计算虚拟网络服务提供了参考.     

DBSCAN算法在高性能计算中心用户分类的应用研究

为提高集群资源使用效率,管理员需要对用户进行分类,从而对不同用户提出资源使用策略.DBSCAN(Density Based Spatial Clustering of Applications with Noise)聚类算法可对用户进行分类,但对初始参数敏感.为此,提出改进算法,首先将密度进行层次划分,由此得出各层次的密度阈值,在每种阈值下采用DBSCAN算法,解决全局参数问题.在此基础上,创新地使用一个直接可达距离排序队列,将排序信息作为可变参数,减小初始参数对结果的影响.通过高性能计算中心用户数据的实例验证了其可行性.实验结果表明,改进后的算法提高了用户分类的准确性和全面性.     

基于GPU的多类支持向量机改进算法

针对支持向量机算法耗时较长的问题,利用并行计算思想,基于图形处理器对多类支持向量机算法——Crammer-Singer算法进行改进,并利用循环展开、数据暂留、缓存和开放运算语言等技术对算法加以实现.分别在4个数据集上对原算法和改进算法进行对比实验,结果表明,改进算法在性能上获得了较大提升.     

基于多智能体的多维证据动态信任计算模型

信任度评估是基于行为的信任管理模型关注的核心内容。为使信任度评估所依据的证据源完备,运用信任管理思想方法,提出一种基于多维证据的信任度评估模型,该模型将主体网络操作行为层面的信息引入传统仅考虑交易反馈信息的信任度评估模型,基于交易反馈和网络操作行为两个层面的多维证据源进行信任计算,扩展了证据源,突破了只依据单一种类证据源进行信任评估而引起的缺陷;另外,应用改进的D-S证据理论来合成多维证据,较好地解决了证据不确定性的问题。     

一种挠性动力学模型解耦及局部迭代方法

带有大型帆板、大量推进剂的航天器挠性模态阶数可以达到上百阶,其挠性动力学要实现毫秒级周期迭代运算,需要高性能的计算机.基于挠性模态ij和星体转动(w)解耦、局部迭代等措施避免迭代误差导致挠性动力学运算发散,解耦后的挠性动力学模型参数K1,K2,I-1等可以离线计算,从而减小了迭代计算量,降低了对计算机的性能要求,且易于工程实现.仿真验证了解耦及迭代运算方法的有效性,仿真结果表明计算速度可以提高约2个数量级.