三角Stein方程的systolic算法

提出一种新的ｓｙｓｔｏｌｉｃ实现方法计算三角Ｓｔｅｉｎ方程．可将原复杂性为Ｏ（ｍ２ｎ２）的串行算法在处理器为Ｏ（ｍ２）的ｓｙｓｔｏｌｉｃ阵列上并行计算，时间复杂性降为Ｏ（ｍｎ），而处理器具有很高的利用率．利用文中给出的方法，可以并行求解一大类最优控制中有关矩阵运算的问题，如Ｌｙａｐｕｎｏｖ方程、Ｓｙｌｖｅｓｔｅｒ方程等     

基于VLSI技术的实时图像匹配阵列结构的研究

通过分析图像匹配算法特点，推导了图像匹配算法的一维表示公式，进而给出了两种串行输入／串行输出方式的实时图像匹配ｓｙｓｔｏｌｉｃ阵列结构，计算了上述两种结构执行图像匹配操作所需的时间，结果表明，两种结构充分利用了算法内在的并行性，流水性，规则性，满足实时要求，适合ＶＬＳＩ技术实现。     

基于VLSI技术的实时图像匹配阵列结构的研究

通过分析图像匹配算法特点，推导了图像匹配算法的一维表示公式，进而给出了两种串行输入／串行输出方式的实时图像匹配ｓｙｓｔｏｌｉｃ阵列结构，计算了上述两种结构执行图像匹配操作所需的时间。结果表明，两种结构充分利用了算法内在的并行性、流水性、规则性，满足实时要求，适合ＶＬＳＩ技术实现。     

插入归并算法及其脉动阵列实现

介绍了插入归算法的原理。并通过该算法的脉动阵列实现,阐述了超大规模集成电路阵列处理器的实现过程。介绍了映射法实现阵列处理器的三个步骤,即：（１）从算法导出局部数据相依图（ＤＧ）;（２）从ＤＧ 导出信号流图（ＳＦＧ）;（３）将ＳＦＧ 映射到阵列处理器（ＡＰ）。ＡＰ 可以是脉动（ｓｙｓｔｏｌｉｃ）阵列、波前（ｗ ａｖｅｆｒｏｎｔ）阵列、多指令多数据流（Ｍ ＩＭ Ｄ）阵列或单指令数据流（ＳＩＭ Ｄ）阵列。     

Walsh—Hadamard变换ASIC的并行结构设计

针对具有广泛应用的Ｗａｌｓｈ－Ｈａｄａｍａｒｄ变换，研究了适合其ＡＳＩＣ设计的算法与ＳＦＧ阵列结构、位串计算、可变长功能等方面的内容，并给出了Ｗａｌｓｈ－Ｈａｄａｍａｒｄ变换ＡＳＩＣ的一种合理结构。     

高阶神经网络与二阶隐马尔柯夫模型的统一的数学模型

随着ＶＬＳＩ技术的迅锰发展，对神经网络与隐马尔柯夫模型（ＨＭＭ＇ｓ）之间的关系研究已成为信息处理领域的一个重要的研究方向。在分析高阶神经网络和二阶ＨＭＭ＇ｓ的结构及算法的基础上，提出了这两种模型的统一数学模型，从而为这两种模型的ｓｙｓｔｏｌｉｃ设计奠定了基础。     

K—TSP问题的近似算法

利用△ＴＳＰ问题的Ｃｈｒｉｓｔｏｆｉｄｅｓ算法及其在Ｋ－ＴＳＰ问题上的扩展，通过权函数变换ｃｉｊ＝ｃｉｊ－ｕｉ－ｖｊ使ｃｉｊ〉０，ｃｉｋ＋ｃｋｊ≥ｃｉｊ，给出了求解Ｋ－ＴＰＳ问题的有效途径，得到了目标函数的更好的界值估计，Ｃ（Ｈａ）≤γ（ｎ）Ｃ（Ｈ＾＊）－（γ（ｎ）－１｛（ｋ－１）ｃ１１＋∑ｃｉｉ｝。     

细胞自动机超并行数据压缩方法

提出细胞自动机元胞级超并行无失真数据压缩方法，并用遗传进化算法获得细胞自动机中的数据压缩规则，证明了细胞自动机文本压缩规则的正确性，讨论了有关的时间复杂性及符号动力学特性。与其他传统的串行或小规模并行的数据压缩方法相比，本文的方法有更好的实时性，普适性，以及Ｓｙｓｔｏｌｉｃ硬件实现的可行性。     

离散子波变换计算子波级数变换的预滤波器结构

基于子波空间采样定理，提出了两种离散子波变换计算子波级数变换的预滤波器结构，消除了Ｓｈｅｎｓａ算法中形成预滤波器的积分运算，并分析了算法结构的准确性。数值计算实例验证了结构的有效性，最后讨论了用离散子波变换计算了子波级数变换这一公开问题。     

一种可重构的离散和连续小波变换结构

提出了一种基于提升算法的连续和离散统一的小波变换算法，给出可重构的计算结构，包括可重构的提升节点阵列和地址发生器．为了验证该结构的正确性，在现场可编程门阵列平台上测试了离散的二维5/3和9／7变换（JPEG2000标准中采用）及连续的二维Hart变换，结果证明该设计具有普遍的兼容性．     

一种网络仿真实验床映射问题的启发式算法

提出了一种求解网络仿真实验床映射问题的启发式算法．该算法的思想是：为尽量少地占用仿真实验床的网络资源，应尽可能地将实验者要求的逻辑拓扑中连接紧密的结点映射到同一台交换机上．为此，将仿真实验床的物理拓扑以交换机为单位分成若干子图，之后在实验者要求的逻辑拓扑上进行迭代，每次迭代按边和权值选取结点进行子图划分，最终得到的划分图即为逻辑拓扑到仿真实验床物理拓扑的映射结果．实验结果表明，该算法能在较短的时间内求得近优解，并且当结点个数增大时，算法的求解时间远少于遗传算法．     

可充电无线传感器网络的有向充电优化算法

目前大部分无线可充电传感器网络(WRSNs,wireless rechargeable sensor networks)的研究只考虑全向充电,在真实环境中有很大的局限性。引入带有方向可调的移动充电器(DMC,directional mobile charger)后,全向充电路径规划可转化为无线可充电有向传感网(WRDSN,wireless rechargeable directed sensor network)的有向充电路径规划。为了实现这个目标,提出启发式算法,即DMC将局部传感器节点划分为若干个局部子集,并初始化一条运动路径。随后将WRDSN中DMC的轨迹问题转化为一个充电效用最大化问题,并从全局视角优化初始路径。最后,数值结果表明,该算法的性能优于基准算法。     

数制之间相互转换的并行算法

数制转换是计算机科学中一种最基础的运算，但现有的算法基本上都是串行算法。随着并行计算机的出现，并行算法的研究也越来越受到人们的重视。要发挥并行计算机的作用，提高并行计算机资源的利用率，必须有一套强有力的并行算法的支持。本文给出了十进制与其它进制之间相互转换的并行算法，并对算法的性能进行了分析。     

Two-Level Genetic Algorithm for Clustered Traveling Salesman Problem with Application in Large-Scale TSPs

Let G = (V, E) be a complete undirected graph with vertex set V, edge set E, and edge weights l(e) satisfying the triangle inequality. The vertex set V is partitioned into clusters V1, V2, …, Vk. The clustered traveling salesman problem (CTSP) seeks to compute the shortest Hamiltonian tour that visits all the verti- ces, in which the vertices of each cluster are visited consecutively. A two-level genetic algorithm (TLGA) was developed for the problem, which favors neither intra-cluster paths nor inter-cluster paths, thus realized inte- grated evolutionary optimization for both levels of the CTSP. Results show that the algorithm is more effec- tive than known algorithms. A large-scale traveling salesman problem (TSP) can be converted into a CTSP by clustering so that it can then be solved by the algorithm. Test results demonstrate that the clustering TLGA for large TSPs is more effective and efficient than the classical genetic algorithm.     

支持向量回归机训练集的并行预处理方法

为加快支持向量回归机在求解大样本集问题时的训练速度,提出了并行支持向量回归机。该方法根据核矩阵把数据集分成k个子集,通过并行预处理过滤掉非支持向量,再对剩余的支持向量进行训练得到决策函数。实验表明,本算法不仅预测准确度跟标准的分解算法基本一致,而且大大缩减训练时间,具有很高的加速比,同时需要的训练时间大大少于Graf等人提出的级联结构的算法,另外,算法还可有效地缩减支持向量的数目。     

菲涅耳全息图的数字再现方法比较

基于标量衍射理论和快速傅利叶变换,详细分析了菲涅耳衍射积分的三种计算机模拟算法,并将这三种算法运用到菲涅耳全息图的数字过程中.理论分析表明,在全息图的像素数、抽样间隔以及再现波长一定的情况下,按抽样对象的不同,菲涅耳衍射积分的计算机模拟算法可分为卷积法、角谱法、直接傅利叶变换法.通过对相位函数局域空间频率的分析,给出了判定算法适用范围的特征再现距离,并分析得出,再现距离大于特征再现距离时,适合用卷积法;小于特征再现距离时,适合采用角谱法;等于特征再现距离时三种方法都适用.     

基于OpenMP矩阵相乘并行算法的设计

目的设计并实现一种基于数据划分的矩阵乘法的并行算法,将划分的数据交给多个线程同时执行,充分挖掘计算机的性能。方法根据OpenMP并行编程的基本风格,并在Visual Studio2005上搭建能够实现并行编程的环境平台。结果并行算法所花费的时间较非并行算法短。结论通过与非并行矩阵乘法性能进行比较,验证该算法可以有效地利用多核处理器的优势。     

离散元法中三种球形颗粒接触发现算法的比较

离散元法的计算效率是离散元法的核心问题,而接触发现算法是影响计算效率的重要因素.以目前广为使用的球形颗粒离散元法中的三种接触发现算法为基础,分别将这三种方法并入到作者自行开发的离散元程序中,模拟五个不同颗粒数量的砂堆形成过程.模拟结果表明,边界盒法计算效率最高,相邻单元法次之,边界球法计算效率最低.     

带形线性系统的并行算法

本文提出了带形系统两种并行算法，带主元高斯划分法，只需要系数阵非奇异即可，另对三对角系统给出了一个特别并行算法，并计算共并行效率和并行加速。     

和声搜索算法在聚类分析中的应用

提出了一种改进的和声搜索算法并应用到聚类分析中.首先,将状态反馈机制引入到和声搜索算法中,通过判断和声记忆库中"最优"和声和"最差"和声之间的差异,来动态调整和声记忆库考虑概率和移动步长,使算法能够快速地收敛到全局最优解.通过更新和声向量中精度变量对应的聚类中心来最小化目标函数值,获得数据样本的最优划分.其次,提出了一种数据样本真实聚类中心数的确定方法,当输入样本数大于真实聚类中心数时,通过计算能够自动地确定数据样本真实聚类中心数目.最后,应用4种性能指标来比较所提算法与蚁群聚类算法和原始和声搜索聚类算法的性能.结果表明,所提算法的性能优于另两种算法.