并行协同差异进化算法研究

在协同差异进化(CCDE)算法和整体同步并行(BSP)计算模型的基础上,提出一种并行协同差异进化算法。采用Archive协同机制取代 CCDE原有的协同机制,有助于得到算法最优解,并使用BSP模型实现CCDE的并行计算。利用标准测试函数进行仿真实验,结果表明,该算法具有较高的计算效率和计算质量。     

浅析智能优化算法

算法优化在许多的工程领域得到了广泛的应用,而求解线性、非线性、随机和几何规划等各种最优化的问题也得到了快速发展。智能优化算法是利用自然界中的事物与优化过程中所具有的某些相似性而进行搜索的一种搜索算法,相对于传统的优化算法,智能优化算法在求解速度等方面具有显著优点。     

并行数据操作算法和查询优化技术

本文是并行数据库的查询处理并行化技术和物理设计方法”一文的续篇，继续综述并行数据库系统的另外两个重要研究领域：并行数据操作算法和并行数据库查询优化技术．最后，作为并行数据库系统研究与进展情况综述的结尾，本文将探讨并行数据库系统今后的研究方向和问题．     

并行图论算法研究进展

在这篇综述文章中，我们将重点介绍并行图论处近年来的发展概况及主要成果，并给出一些可能的发展方向。具体内容包括：基于共享存储模型上的图搜索技术、连发支及最小生成树算法、增值并行图论算法、最短路径算法、极大独立集算法、极大匹配与最大匹配算法，图着色算法、求欧拉回路及哈密尔顿回路算法，图同构算法、图Ｋ连通算法以及最大流最小割算法等。     

量子群智能优化算法综述

随着科学技术的不断发展,最优化理论及其衍生出的算法已经广泛应用于人们的日常工作与生活当中,现实世界中的很多问题都可以被描述为组合优化问题。群智能优化算法这些年来被证明在解决组合优化问题方面效果显著,将当下处于研究热点的量子计算概念引入群智能优化算法形成的量子群智能优化算法,为更好地解决组合优化问题提出了一个新的研究方向。在过去的二十多年里,许多量子群智能优化算法被不断开发出来,同时在此基础上进行了大量改进与应用。综述了量子蚁群算法、量子粒子群算法、量子人工鱼群算法、量子人工蜂群算法、量子布谷鸟搜索算法、量子混合蛙跳算法、量子萤火虫算法、量子蝙蝠算法等量子群智能优化算法,并对量子群智能优化算法面临的问题以及未来研究方向进行了深入探讨。     

基于智能优化算法的原油移动路径规划研究

本文研究了沿海型炼厂原油移动路径规划问题,根据实际化工罐区建立了图结构数学模型,基于多目标优化算法对模型求解,引入Deb准则处理复杂约束条件,得到了较为理想的原油移动路径规划方案。结果表明,在给出多个需同时移动的子任务的情况下,优化得到的路径规划方案均为可行方案,并能够根据实际生产需求选择相应功率的泵机,达到最小化功耗的需求。由此可见,本文设计算法能够有效解决沿海型炼厂原油移动路径规划问题。     

群智能优化算法研究

群智能优化算法是一种新型的优化算法。该文介绍了几种常见的群智能优化算法,包括粒子群优化算法、蚁群优化算法、人工免疫算法、人工鱼群算法,分析了它们的优缺点及使用情况,提出了群智能优化算法的发展方向。     

面向对象语言并行化中的调用局部化优化

该文提出了一种将调用局部化技术应用于并行环境下面向对象语言的方法，文中详细讨论了该技术的适用条件以及如何通过该方法减少循环中的远程过程调用开销，该优化技术产首先将循环分离成多个包含有远程调用的循环，再将分离后的循环分离给循环中对象所在的处理器，最后，化简迭代空间，并且用消息传递来传输数据，这种优化对象分布和循环并行化之后进行，将函数调用局部化于处理器，通过这种优化，可以进一步挖掘循环中的任务并行性，降低计算复杂度，减少函数调用开销，尤其适合面向对象语言中对循环里小函数的优化，该技术已经在作者设计的Java自动并行化编译器JAPS－Ⅱ中实现，在实验中，利用这种优化技术得到了超线性性加速比。     

快速EZC-DCT地形压缩算法的并行优化

为能够在大规模地形实时渲染中提高渲染及数据压缩的速率,提出一种利用GPU并行优化的快速EZC-DCT地形压缩算法。采用二维快速DCT变换代替EZC-DCT算法中的DCT变换,在利用GPU对算法进行并行加速的基础之上,对算法的并行方案进行优化改进,更加有效地利用GPU强大的并行计算能力,分担CPU的负荷,快速完成相关计算。实验结果表明,该算法帧速率比原EZC-DCT方法提升约10个百分点,满足地形渲染的实时性要求。     

一种优化BITONIC算法:"并行-优化-串行"合并和分类向量算法

串行算法并行化是发挥各种巨型机的效率的关键技术之一。“并行－优化－串行”归并向量算法（OSVM），是一种串行算法并行化的优化方法，它用O（N／p)时间把总长为N的两个有序序列归并或把总长为N的一个Bitonic序列排序。“并行－优化－串行”排序向量算法（POSVS）用O（NlogN)/p）时间在实际SIMD机上把N个数排序，这些是第1个满足以下两个条件的向量Optimal算法（加速比＝O（p))，（1）它能在实际SIMD计算机上实现，处理机的台数p的范围很宽1≤N^1-ε，这里，ε是任意的小的正数。（2）它统一了3种不同类的合并算法：Batcher的Bitonic算法（最快但效率随参数变大而向于0），优化(Optimal)算法（效率为常数的算法）和最佳的串行算法。而且综合了3个算法的优点，“并行－优化－串行”（POS）方法是一个通用方法，它还可以应用到其它类型问题上。     

整数规划问题智能求解算法综述*

为了对大规模整数规划问题的求解方法提供参考,对基于智能算法求解整数规划问题的研究进行了分析和评述。鉴于现有算法的缺陷与不足,讨论了应用智能算法求解整数规划问题未来可能的研究方向。     

求解非线性方程组的智能优化算法综述

非线性方程组的求解是优化领域的一个重要研究课题.近年来,利用智能优化算法求解非线性方程组已成为一个重要方向.首先介绍非线性方程组的定义;其次,根据智能优化算法求解非线性方程组问题的基本框架,从转化方法和智能优化算法两方面入手,对求解非线性方程组的算法的研究进展进行归纳总结;再次,对非线性方程组的测试函数及评价指标进行描述,对比了5个具有代表性算法的性能,分析了目前利用智能优化算法求解非线性方程组亟待解决的问题;最后,指出值得进一步研究的方向.     

智能仿生算法在移动机器人路径规划优化中的应用综述

随着移动机器人应用领域的扩大和工作环境的复杂化,传统路径规划算法因其自身局限性变得难以满足人们的要求。近年来,智能仿生算法因其群集智慧和生物择优特性而被广泛应用于移动机器人路径规划优化中。首先,按照智能仿生算法仿生机制的来源,对应用于路径规划优化中的智能仿生算法进行了分类。然后,按照不同的类别,系统的叙述了各种新型智能仿生算法在路径规划优化中取得的最新研究成果,总结了路径规划优化过程中存在的问题以及解决方案,并对算法在路径规划优化中的性能进行了比较分析。最后对智能仿生算法在路径规划优化中的研究方向进行了探讨。     

一种智能优化算法解质量评价方法

如何评价智能优化算法在有限时间内所得解的质量, 是计算智能基础研究和工程实践中都亟待解决的问题. 受序优化思想启发, 针对连续优化问题, 提出一种评价智能优化算法解质量的方法. 首先利用聚类方法对解记录均匀化分区, 然后根据适应度值分布计算对准概率作为解质量评价指标. 通过对均匀采样、非均匀采样、粒子群算法和遗传算法的寻优结果进行实验表明了所提出方法的有效性.

     

基于智能优化算法的饮用水污染源定位方法研究综述

近年来,突发性饮用水污染事件频繁发生,严重危害居民生活健康,通过在饮用水供水管网中布置传感器对水质进行监测,能快速识别污染源的位置、质量、发生时间等特征,有利于有关部门采取措施控制污染扩散,饮用水污染源定位研究具有重要的实际意义.随着智能优化算法在工程问题中的广泛应用,运用模拟–优化方法求解污染源定位问题成为当前学者们...     

多学科设计优化中的智能算法比较*

对多学科设计优化领域中涉及的几种智能优化算法的特点进行了总结.在此基础上提出了时间、精度、解决问题的个数等几个比较指标,首次将精度作为比较指标,并且创新性地提出一个针对工程问题的有效比较指标,即短时寻优能力.通过对所选取的系列案例运行得到一系列对工程问题有指导意义的结论,手机实例验证了所得到的结论的正确性.     

大规模稀疏矩阵在并行应用中的通信优化研究*

为了提高并行应用系统的效率,研究了针对大型稀疏矩阵的压缩通信问题.通过对矩阵压缩通信过程中矩阵稀疏度、网络带宽、处理器计算能力之间的关系进行定量分析,推导出稀疏度下界计算公式.通过对不同稀疏度情况下算法所取得的效率进行分析,总结出压缩通信中稀疏度与通信效率之间的函数关系.结合油藏数值模拟的应用实例,设计实现了稀疏矩阵的压缩通信算法.结果表明本算法在稀疏矩阵通信方面效率有明显的提高.     

重叠网格CFD并行计算的通信优化研究

介绍了重叠网格并行计算主从对之间通信量最小化方法,通过迷路算法将主网格点进行分类,在保证计算正确的前提下将主从间通信量降至最小;在嵌套重叠情况下的通信时序控制方面,提出了重叠关系有向图避免通信等待和重复插值;实验结果表明该重叠网格通信优化处理方法能得到较理想的并行效率。     

Multilevel parallel optimization using massively parallel structural dynamics

A large-scale structural optimization of an electronics package has been completed using a massively parallel structural dynamics code. The optimization goals were to maximize safety margins for stress and acceleration resulting from transient impulse loads, while remaining within strict mass limits. The optimization process utilized nongradient, gradient, and approximate optimization methods in succession to modify shell thickness and foam density values within the electronics package. This combination of optimization methods was successful in improving the performance from an infeasible design that violated response allowables by a factor of two to a completely feasible design with positive design margins, while remaining within the mass limits. In addition, a tradeoff curve of mass versus safety margin was developed to facilitate the design decision process. These studies employed the ASCI Red supercomputer and used multiple levels of parallelism on up to 2560 processors. In total, a series of calculations were performed on ASCI Red in five days, where an equivalent calculation on a single desktop computer would have taken greater than 12 years to complete. This paper conveys the approaches, results, and lessons learnt from this large-scale production design application.     

基于一种新的正交优化的群智能优化算法

目前的智能优化算法易陷入本地最优平衡态,并且进化后期的效率低下。为了克服这些缺陷,提出了一种基于正交优化的群智能优化算法。该算法突破了以往正交设计方法仅能用在粒子群初始化和进化前优化搜索过程的局限,基于方差分析和方差比例分析,证实了正交设计方法进一步的搜索方向和范围。使用正交设计的特征在一次阵列计算中寻找包含最优值的间隔,算法可以在优化搜索过程中循环进行方差比例分析。对六峰值驼背函数的仿真分析结果说明,正交智能优化算法相比目前的智能优化算法,计算量更低,搜索时间更短,运行速度更快,且优化搜索过程的精度更高。