两类向量序列加速收敛方法比较

迭代方法是求解大规模线性和非线性问题的主要方法.由迭代方法产生的向量序列的收敛速度直接影响方法的应用效果.为了提高向量序列的收敛速度,可以采用向量序列的迭代加速算法.目前,针对向量序列加速收敛的算法主要包括两类:基于外插类的方法和基于Anderson加速的方法.外插类加速方法通过对于原序列进行变形,以获得新的向量序列,使新的向量序列的收敛速度比原序列更快.典型的外插类方法有最小多项式外插(MPE)方法,修正的最小多项式外插(MMPE)方法,降秩外插(RRE)方法,拓扑ε算法(TEA),向量ε算法(VEA)等.Anderson加速方法结合不动点迭代格式,利用迭代过程中残差序列的信息构造新的迭代序列.本文选取RRE方法作为外插类加速方法的代表,与Anderson加速方法进行比较,并重点通过几类典型应用进行测试和分析.结果表明,Anderson加速方法和RRE方法均可提高向量序列的收敛速度,并且Anderson加速方法比RRE方法更为稳定和有效.     

序列捕获的序列核变换方法

在序列扩频、加扰通信系统中,通常采用连续接收信号并进行滑动相关运算的方法,通过搜索相关峰进行序列捕获,需要接收多个完整周期的序列。随着序列周期的加大,一方面需要花费大量的接收端存储资源,另一方面,相关运算的计算开销会呈指数增长,导致很难实时捕获长周期序列。为解决这一问题,提出了一种序列核变换方法,变换后的每个元素均包含有完整的序列信息,实现了序列信息压缩。然后,基于该变换方法将捕获过程分为序列检测和序列捕获两个阶段,只在检测到目标序列后才开始捕获,进一步降低了计算开销。理论分析和仿真验证表明,算法通过牺牲部分低信噪比环境下的捕获成功率换取了计算资源的大量减少,算法可在一个序列周期内快速捕获不同周期的m序列,并且所节省的计算资源随序列周期变大而增多。     

加速收敛的粒子群优化算法

在基本粒子群优化算法的理论分析的基础上,提出一种加速收敛的粒子群优化算法,并从理论上证明了该算法的快速收敛性,同时对该算法中的参数进行了优化.为了防止其在快速收敛的同时陷入局部最优,采用依赖部分最差粒子信息的变异操作.最后通过与其他几种经典粒子群优化算法的性能比较,表明了该算法的高效和稳健,且明显优于现有的几种经典的粒子群算法.     

分形图像插值加速收敛方法的改进

图像插值是对数字图像进行不同比例放大过程中必须解决的关键问题。由于分形具有无穷的 细节,采用分形的方法对图像进行插值可以使图像放大后保持较高的视觉分辨率。针对分形图像插 值速度较慢的特点,提出了两种加速收敛的方法,即根据控制学中的有关理论,提出了一种简单易 行的带比较环节的迭代方法,提高迭代收敛速度;此外,尝试一种交叉迭代法,同样达到了加速收敛 的目的。最后,对两种加速方法的实验结果所反映的特点和不足进行了分析和讨论。     

GMRES算法及其加速收敛现象分析

在对于求解大型非对称线性方程组方面,社会各界已经提出许多行之有效的迭代算法。然而目前由Saad和 Schultz提出的极小残量剩余(GMRES)方法是最为流行并且有效的方法之一。本文主要讨论GMRE(m)算法理论及其收敛现象分析。特别地叙述GMRES方法的收敛率和此斜投影过程中Ritz值对特征值的逼近程度之间的联系。这是分析GMRES的实际收敛行为的有效方法。     

一种加速全局收敛的自由搜索算法

关于优化算法问题,自由搜索算法是一种新的群集智能优化算法,但有收敛速度慢、易早熟的缺陷.为此,提出一个控制参数动态调整灵敏度控制种群信息共享的程度,使算法前期加强全局搜索后期加强局部搜索从而提高算法收敛速度,并引入一个选择策略,对适应度值比已搜索到的局部极值点小的点将在以后的迭代中不再被探测,有效避免算法陷入局部最优,增强算法的全局收敛能力.同时,加入优化停滞处理策略,加速全局收敛.基于三个典型测试函数的仿真结果表明,改进算法较之同类算法不仅在收敛速度、收敛精度和寻优成功率等方面有明显提高,且全局搜索能力更强.     

方程迭代求根加速收敛的算法研究

本文介绍了方程迭代求根的方法．以迭代法的收敛性和收敛速度为出发点，提出并讨论了采用迭代值的组合和方程式的变换等技巧来提高迭代的收敛性并加快其收敛速度的算法．文中对算法进行了描述，并用具体实例证明了该算法的有效性．     

基于距离变换的快速收敛Smke模型

首先利用距离变换后凹腔内外力的特点检测出不收敛区域，然后修改其外力的方向和大小以达到快速收敛，文中算法不但能解决深的叫腔收敛性问题，而且计算简单、收敛速度快，该模型也可推广到基于GVF的快速算法模型。     

基于距离变换的快速收敛Snake模型

首先利用距离变换后凹腔内外力的特点检测出不收敛区域,然后修改其外力的方向和大小以达到快速收敛.文中算法不但能解决深的凹腔收敛性问题,而且计算简单、收敛速度快.该模型也可推广到基于GVF的快速算法模型.     

GPU加速的生物序列比对

为了精确高效地进行生物序列比对,提出一种GPU加速的Smith-Waterman算法.该算法使用菱形数据布局以更充分地利用GPU的并行处理能力;使用查询串分批处理技术来支持上百兆规模的序列比对;同时引入树形算法,以优化最大匹配值的计算.将该算法在一块NVIDIA GeForce GTX285显卡上实现,并使用多组不同规模的生物序列进行了比对实验.实验结果表明,与CPU上的串行算法相比,采用文中算法最高可获得120倍以上的性能提升.     

基于加速寻径收敛的改进型蚁群算法

提出了一种基于基本蚁群算法的有节点信息素更新和记忆功能的算法模型;仿真结果表明,基于改进的蚁群算法模型在寻找最优解时表现出很高的效率,明显地优于现有的启发式算法的解,是一种有效的算法。     

基于加速收敛蜂群算法的资源感知调度器

为了能有效处理海量数据,进行关联分析、商业预测等,Hadoop分布式云计算平台应运而生。但随着Hadoop的广泛应用,其作业调度方面的不足也显现出来,现有的多种作业调度器存在参数设置复杂、启动时间长等缺陷。借助于人工蜂群算法的自组织性强、收敛速度快的优势,设计并实现了能实时检测Hadoop内部资源使用情况的资源感知调度器。相比于原有的作业调度器,该调度器具有参数设置少、启动速度快等优势。基准测试结果表明,该调度器在异构集群上,调度资源密集型作业比原有调度器快10%~20%左右。     

生物序列搜索算法hmmsearch的加速技术

在FPGA平台实现细粒度并行的hmmsearch加速技术。采用数据预取、滑动窗口和数据传递等策略实现子处理单元的数据重用。在计算矩阵块内部实现流水线计算。加速器性能为3.59 GCUPS,与CPU相比,可获得接近235倍的加速效果。与目前FPGA上同性质最快的加速器相比,单PE可获得34%的性能提升。     

一种基于去均值的加速收敛的分形压缩算法

通过研究传统分形压缩算法中解码迭代过程的收敛性问题，提出了一种新的基于去均值的加速收敛的分形压缩算法，理论分析和实验证明新算法的解码迭代次数要大大少于传统分形压缩算法，并且具有运算复杂度相对降低，恢复图象的ＰＳＮＲ提高等优点。进一步地，我们将新算法结合到自适应四叉树分割的结构中，在压缩比和图象质量之间取得较好的折衷，实验结果优于相同条件下的传统分形压缩算法。     

DICOM医学图像窗口变换的加速算法

研究DICOM医学图像的显示技术,提出了一种图象窗口变换的加速算法,该算法简洁、实用、加速效果理想,可以在动态连续调节图像窗值的情况下实时地显示DICOM医学图像。     

弹性半空间地基板基本解函数的加速收敛

各向同性弹性半空间地基板是一种比较常见的模型。以往分析这种型式板多采用有限元法(包括一般有限元或样条有限元),这种方法的缺陷是未知量多,存贮量大,或者是地基反力不连续。因此,人们想到用边界元法(BEM)来分析。但由于基本解太复杂,以致工程应用不大可能。本文从工程应用的角度出发,提出切实可行的算案,而不追求数学上的完美。结果表明,这种方法是行之有效的。     

图像插值迭代类算法中加速收敛方法的改进

首先分析了传统松驰参数加速收敛方法的局限性,最后根据控制学中的有关理论,提出了一种简单易行的带比较环节的积分器,使迭代收敛速度大为提高。     

直接法求一元函数零点和极小点的加速收敛

试位法求解一元方程以及二次插值法求一元函数极小都属于不必求微商的直接法,但存在收敛困难的问题。作者在自给场迭代促收敛中的一维寻查、用状态方程求体积、复相反应动力学数据处理等实际问题中已多次遇到这类困难并进行了加速收敛的研究。