并行交通信号数值化优化算法研究

根据交通流的动态变化情况,实时优化交通信号配时,是减少交通延误,提高交通效率的有效方法。为减少 信号优化时间,提高时效性,提出一种并行化的交通信号对比分析算法,该算法首先根据专家经验和交通管理常识设 定一定的信号变化区间,然后针对该区间给定变化区间△,依次给定相应的信号配时策略,将每一种信号配时策略分 配给集群系统中的一个计算节点,由各个计算节点分别进行仿真运算,最后由主节点聚合分析,对比给出最优信号控 制方案。以微观交通仿真系统Paramics进行了仿真实验,结果表明,在4个节点组成的并行网络中,加速比为1. 75, 其提高了仿真效率,且能较好地遴选出最优控制方案。     

基于复化Gauss-Legendre积分的Laplace变换数值反演及其应用

Laplace变换的数值反演是一个病态问题.采用代数精度较高的数值积分近似Laplace变换截断积分,合理选取复平面上样本点以形成离散线性代数方程组是解决这个问题的途径之一.本文采用代数精度较高的复化Gauss-Legendre数值积分近似Laplace变换截断积分,推导了一种Laplace变换数值反演算法.其间,对于所形成的条件数很大的线性方程组采用基于约化奇异值分解的最小二乘法进行求解,以尽可能降低数值解的误差.使用该算法对简单测试算例进行数值反演,并将其结果与精确解进行对比,结果表明,相比经典的Gaver-Stehfest方法和基于GaussLegendre积分的方法,本文推导的反演算法可以达到满意的数值精度.同时,结合该算法采用半解析半数值方法对一个较为复杂的冲击凿岩问题的数值反演结果也表明该数值反演算法具有一定的实用性.     

协同进化数值优化算法

为了提高进化算法的全局收敛性,提出了一种多种群同时进化的算法。根据生物学基因的多样性理论,新算法保持单个种群的相对纯洁性与整个群体繁殖方式的丰富性,不同的种群采用不同的算子,并在不同的生境繁衍后代,目的是保持种群基因的多样性。当算法陷入局部最优解领域时,可用逆向优化寻找对偶个体,使算法走出局部最优解空间。实验结果表明,在与多组优化数据的比较中,新算法在所有单项与综合项目上全部名列第一。     

组织进化数值优化算法

基于经济学中“组织”的概念 ,该文提出一种新的进化算法———组织进化算法 ,来解决无约束和有约束的数值优化问题 .该算法与传统遗传算法、进化规划、进化策略的运行机制完全不同 ,其进化操作不直接作用于个体上 ,而作用在组织上 ,为此 ,该文定义了三种组织进化算子———分裂算子、吞并算子和合作算子来引导种群进化 .理论分析证明组织进化算法具有全局收敛性 .实验中 ,用 4个无约束和 6个有约束标准函数对算法进行了测试 ,与 3个新算法作了比较 ,并对组织进化算法的性能作了深入分析 .结果表明 ,该文算法无论在解的质量上还是在计算复杂度上都优于其它算法 .对于有约束问题 ,只用了简单的静态罚函数就得到了良好的效果 ,这表明该文算法的搜索机制非常有效 ,不易陷入局部最优 .最后 ,参数分析的结果表明该文算法具有性能稳定、成功率高、对参数不敏感等优越的性能     

Fredholm积分方程的正则化GMRES算法

利用数值求积公式,对二维第1类Fredholm积分方程进行离散处理,引入正则化GMRES算法,将离散后的积分方程转化为离散适定问题,通过广义极小残余算法得到其数值解。数值模拟结果表明,正则化GMRES算法求解二维第1类Fredholm积分方程计算速度快、精度高。     

多路三重积分A/D变换器

前言随着数字计算机在工业和国防等各个领域的广泛应用,迫切需要研制模/数(A/D)变换器,其主要任务是:将一些电流量或电压量高精度地转换成数字量,计算机根据这些数字量进行计算或处理,根据结果去控制被控对象。数字控制的主要优点是精度高,动态范围宽,改变参数非常灵活。例如计算机控制导弹的稳定系统,当被控对象参数有修改或被控对象的任务作某些变更时,只需改变计算的程序或处理的方法即可,无需改变计算机硬件,这是数字控制的优     

H∞滤波问题数值求解的精细积分算法

有限时间H∞滤波的Riccati方程和滤波方程分别为非线性矩阵微分方程和线性变系数微分方程,而且Riccati微分方程解的存在性还依赖于参数 γ-2,因此求这些方程的数值解一般比较困难.按照结构力学与最优控制的模拟关系,Riccati方程解存在的临界参数 γ-2cr对应于广义Rayleigh商的一阶本征值.因此可以用精细积分法结合扩展的Wittrick-Williams(W-W)算法计算 γ-2cr .并求解Ricclati方程,滤波微分方程的解也可以由精细积分法计算.     

复平面上超越函数零点的数值计算

复平面上超越函数零点的数值计算龙云亮，文希理，谢处方（成都电子科技大学）ＡＮＩＭＰＬＥＭＥＮＴＡＴＩＯＮＯＦＡＲＯＯＴＦＩＮＤＩＮＧＡＬＧＯＲＩＴＨＭＦＯＲＴＲＡＮＳＣＥＮＤＥＮＴＡＬＦＵＮＣＴＩＯＮＳＩＮＡＣＯＭＰＬＥＸＰＬＡＮＥ￥ＬｏｎｇＹｕｎ－...     

基于OpenCL的图像积分图算法优化研究

图像积分图算法在快速特征检测中有着广泛的应用,通过GPU对其进行性能加速有着重要的现实意义。然而由于GPU硬件架构的复杂性和不同硬件体系架构间的差异性,完成图像积分图算法在GPU上的优化,进而实现不同GPU平台间的性能移植是一件非常困难的工作。在分析不同CPU平台底层硬件架构的基础上,从片外访存带宽利用率、计算资源利用率和数据本地化等多个角度考察了不同优化方法在不同GPU硬件平台上对性能的影响。并在此基础上实现了基于OpenCL的图像积分图算法。实验结果表明,优化后的算法在AMD和NVIDIA CPU上分别取得了11.26和12.38倍的性能加速,优化后的GPU kernel比NVIDIA NPP库中的相应函数也分别取得了55.01%和65.17%的性能提升。验证了提出的优化方法的有效性和性能可移植性。     

组织进化粒子群数值优化算法

为充分利用粒子的通讯、响应、协作和自学习能力等特性,克服算法早熟收敛,本文提出一种组织进化粒子群算法.该算法将进化操作直接作用在组织上,通过组织间的相互竞争、协作,最终达到全局优化的目的,且证明算法的全局收敛性.实验中,用12个无约束标准测试函数对算法性能进行测试,与其它算法进行比较,并对算法中的参数进行分析.结果表明,本文算法无论在解的质量上还是在计算复杂度上都明显优于其它算法.参数分析表明该算法具有性能稳定、成功率高、对参数不敏感等优良特性.     

多种群协同进化数值优化算法

为了提高进化算法的抗早熟性与效率,提出了一种基于多种群的新算法。根据杂种优势理论的原理,算法让多个种群同时进化。各个种群之间既相对隔离又分工合作,目的就是保持种群的多样性。不同类型的种群采用不同的算子,并在不同的栖息地繁殖后代;不同类型的种群分别担负着广度与深度的搜索任务,以便算法能够收敛到高精度的全局最优解。多个数值实验也验证了新算法的优良性能。     

重约束条件下物资配送的优化算法

将连通链路的有效搜索算法与面向对象技术结合，提出了重约束条件下物资配送的优化算法，同时设计了一种配送网络的面向对象静态结构。实际应用表明，文章给出的优化算法是可行的。     

重抽样优化的快速随机抽样一致性算法

为了快速、准确地对含有高比例外点的数据进行模型参数估计,提出一种重抽样优化的快速RANSAC算法.首先在模型检验之前增设预检验,并采用一种基于样条曲线的损失函数来评价模型的质量;然后通过反复重抽样和模型检验来优化内点集;再依据双阈值对内点集进行渐近提纯;最后利用最优内点集来计算模型的参数.特征匹配和基础矩阵估计的实验结果表明,该算法具有较高的精度和效率;当外点比例高于50%时,运行速度比传统算法提高大于2个数量级.     

文本相似度去重并行化算法研究

源码评测系统(Online Judge,OJ)主要应用于程序源代码的检测、比对。当前,国内很多高校将其应用在计算机程序设计类的辅助教学中。本文结合SAAS算法对源代码进行检测比对,提出了一种适用于高职院校实际情况的源代码检测方法,能够自动的对源代码进行比对和分析。实验结果表明:该方法能有效的检测源代码抄袭的问题。     

移动立方体算法的三重线性插值研究

移动立方体算法是目前最有影响的等值面构造方法,已经过了许多改进。现在采用的是三重线性插值模型,用三重线性插值计算等值面与体单元的交点。文章对三重线性插值生成的等值面进行了分析,分析了等值面的一些特点,重点讨论了等值面与边界体单元的交线的两种例外情况,基于这两种情况,给出了改进算法,最后通过实验验证了考虑这两种情况后算法的可行性。     

Sugeno模糊积分粒子群优化算法的实验研究

粒子群优化算法是模拟鸟类觅食的行为思想的随机搜索算法,主要是通过迭代寻找最优解.将模糊积分技术引入优化算法调整粒子的多样性的同时动态改变惯性权重,以此来提高粒子的搜索能力.仿真实验结果表明,该方法大大提高了搜索过程中粒子的多样性,并缩短了粒子的搜索时间,保持快速的收敛性的同时获得了算法最优解.     

微粒群算法与郭涛算法在数值优化中的比较

对于9个典型的复杂BenchMark测试函数,分别利用PSO算法和GuoA算法进行数值计算比较,大量实验结果表明:GuoA算法更具有通用性和坚韧性,在全局收敛趋势方面较优,但是速度相对较慢;PSO算法的收敛速度很快,而且对于某些极难问题更具有优越性,但成功率相对较低,且容易早熟。     

基于数据重平衡的AUC优化Boosting算法

接收者操作特性(Receiver operating characteristics, ROC)曲线下面积(Area under the ROC curve, AUC)常被用于度量分类器在整个类先验分布上的总体分类性能. 原始Boosting算法优化分类精度,但在AUC度量下并非最优. 提出了一种AUC优化Boosting改进算法,通过在原始Boosting迭代中引入数据重平衡操作,实现弱学习算法优化目标从精度向AUC的迁移. 实验结果表明,较之原始Boosting算法,新算法在AUC度量下能获得更好性能.