MSP问题解法的并行化研究

为提高MSP问题的多项式时间算法ZH算法的计算速度，使其能够进行更大规模多级图的测试，本文对ZH算法进行了性能分析与并行的可行性评估，针对ZH算法中循环体较多的特点，分别在巨型机和普通PC机上进行MSP问题求解算法的首次并行化实践，随之对并行化算法提出优化方法，在实验中取得了较高的加速比。     

基于GPU并行的生物序列局部比对算法

对Smith-Waterman算法的计算公式进行了改进以适应GPU并行的特点,并提出新的基于BLOCK分块的并行前缀扫描法;通过UP-DOWN步骤、BLOCK间调整、Eij微调等步骤在O(logn)时间内计算出行中每一个元素的前缀最大值;最后将回溯过程置于GPU端,避免了CPU与GPU间内存的拷贝.与传统的Smith-Waterman算法相比,该算法在低端的GPU平台性能提升90倍;与同样基于GPU的SWAT算法相比,性能也有较大的提升.     

基于协同计算的FDTD区域分解并行算法研究

本文针对传统的并行算法对电大尺寸的三维开域问题求解时,存储量和计算量偏大等问题,添加了区域分解方法,使用Despres传输条件依虚拟边界划分子区域,对三维问题进行分解,从而实现基于协同计算平台的FDTD区域分解并行算法。通过对三维金属导体方块测试其算法的准确性,并以16×18个伞形阵列天线为例,进行辐射特性计算。通过测试在相同CPU核数条件下,不同与相同维度虚拟拓扑的并行性能,实现算法的效率优化。     

一种引入反向搜索机制的果蝇优化算法研究

针对基本果蝇优化算法求解复杂优化问题时全局搜索能力差,种群多样性偏低等问题,提出一种引入反向搜索机制的果蝇优化算法（RFOA）。该算法通过在搜索趋于停滞时计算果蝇个体和进化方向的夹角,挑选出一批和进化方向相反的果蝇个体并利用这些个体去探索新的最优解,从而跳出局部最优。通过标准测试函数进行仿真测试,实验结果证明,解决部分较为复杂的优化问题时,RFOA相比其他改进算法可以更有效地避免早熟收敛,加快收敛速度,提高收敛精度。     

动态模式识别算法的GPU平台实现

研究动态模式识别算法在GPU并行计算平台的实现。随着GPGPU(通用计算图形处理器)硬件的发展，基于GPU的大规模并行计算技术将有效地处理动态模式识别算法带来的海量计算问题。文中通过介绍动态模式识别算法，对算法中涉及的巨大计算量进行分析，并针对性地对其中密集计算部分进行并行化分解，移除原算法中在执行中存在的依赖关系，最终得到算法在特定的GPU平台——Jacket上的并行计算实现。实例验证表明，相比于原CPU串行程序，在GPU上运行的并行化程序能实现明显加速，因而具有很好的工程应用价值。     

基于GPU的并行人脸检测方法研究

为了进一步提高人脸检测的精度和速度,提出了一种改进的Viola-Jones人脸检测算法,并在GPU平台上对改进后的算法加以优化。采用新型稀疏特征来进行人脸检测,利用计算机的图形处理单元GPU进行并行加速,并对优化前后的结果进行对比。结果表明,该算法把检测率提高到93.6%,与传统Viola-Jones人脸检测算法相比检测精度有了较大的提升;GPU并行加速实现了对OpenCV 1.6~3.2倍左右的加速比,有效提高了人脸检测性能。     

基于改进灰狼算法的庆阳市水资源优化配置

【目的】对传统灰狼算法进行改进,并在甘肃省庆阳市的水资源配置中进行应用。【方法】针对传统灰狼算法易陷入局部最优、收敛速度慢、精度不高等不足,通过Tent混沌序列对群狼位置进行初始化,对灰狼算法中的距离控制参数a和位置更新方程进行优化和改进,并采用8个测试函数对改进灰狼算法进行测试。在此基础上以甘肃省庆阳市为例,分别以2020,2025,2030年为近期、中期和远期规划年,采用改进灰狼算法、传统灰狼算法、传统多目标配置方法,对庆阳市水资源的优化配置进行计算,并对3种方法进行主成分比选。【结果】改进灰狼算法的8个测试函数中有7个函数的最优值明显比传统灰狼算法更接近函数理论极小值;改进灰狼算法的2020,2025,2030 3个规划年的资源优化配置综合得分分别为0.18,0.69和1.00,其计算结果明显优于相同年份传统灰狼算法和传统多目标配置方法。经过水资源优化配置计算,2020,2025和2030年水资源所对应的经济生产总值分别为1 074.46亿、1 601.18亿和2 196.12亿元,其中2020年的经济生产总值计算值大于《庆阳市十三五经济规划》的目标值1 000亿元。【结论】改进灰狼算法在水资源优化配置中具有较好的可行性,可为水资源优化配置模型提供新的优化计算途径。     

改进麻雀搜索算法在优化林分空间结构求解中的应用

为了解决传统群智能优化算法在林分空间结构优化问题求解效率低、易陷入局部最优的缺陷。以小兴安岭地区带岭林业局东方红林场为研究区，以麻雀搜索算法为基础，采用循环混沌映射法对种群进行初始化，使麻雀种群分布更加均匀；应用萤火虫扰动策略增加了算法的搜索范围，加快算法的收敛速度，提高算法的准确性，以样地的树木数据进行了仿真实验。结果表明：森林评价指数由2.35提高到2.93,改进麻雀搜索能够快速收敛在最优值附近，跳出局部极值，有效地提高了算法的准确率和稳定性。     

一种桁架结构优化的萤火虫算法改进研究

针对建筑结构体系越来越复杂,影响因素多、计算工作量大等问题,在建立结构优化的数学模型后,引入萤火虫算法对其进行优化。针对基本萤火虫算法对初始解的依赖性高、后期易陷入局部最优的缺陷,采用Logistic方程得到初始解群分布并且对计算后期的局部最优解进行高斯干扰,提高了算法的速度和精度。工程实例表明,改进的萤火虫算法在收敛速度与寻优精度方面均有所提高,该研究为结构优化设计提供了一种新的思路及方法。     

基于改进高斯滤波算法的叶片图像去噪方法

[目的]使用改进的自适应高斯滤波算法对农作物叶片病虫害图像进行降噪处理,为叶片病虫害图像提供前期预处理的优化手段,从而提高诊断的准确性.[方法]通过计算图像像素矩阵区域内中心点邻域方差与二维高斯滤波函数的比值,确定高斯标准差,动态生成高斯卷积核,从而形成改进的自适应高斯滤波算法,对病斑图像进行降噪平滑处理;然后分别模拟不同噪声强度,比较算法的降噪效果;最后通过峰值信噪比(Peak signal-to-noise ratio,PSNR)定量计算改进前后高斯滤波算法的优化程度.[结果]首先,使用MATLAB 2014b对密刺黄瓜枯萎病斑RGB图像模拟出3组不同噪声强度下的干扰场景,并进行归一化处理;然后,分别利用3种算法对噪声图像进行降噪处理,得出当噪声强度较弱时,改进算法对高斯白噪声抑制效果明显;噪声强度增大时,改进算法的优化程度逐渐下降;其次,分别计算各算法改进前后的PSNR,得出当噪声强度为0.01、0.02和0.03时,即改进的自适应高斯滤波算法PSNR值分别比传统高斯滤波提升6.942、6.965和6.718 db;最后,通过计算100组采集叶片图像降噪处理后的PSNR值,得到改进的自适应高斯滤波的PSNR值平均提高13.8%.[建议]采集的农作物叶片图像试验材料需广泛化;推动优化图像预处理的进程;提升图像匹配准确性,推动叶片诊断专家系统的研究.     

基于改进粒子群算法的重力坝断面优化研究

【目的】将改进粒子群算法用于重力坝断面的优化计算,为重力坝的优化设计提供支持。【方法】针对传统粒子群算法(PSO)中线性递减的惯性权重极易导致算法陷入局部极值的不足,提出一种改进的粒子群算法(Improved PSO),该算法利用三角函数的相关性质改进惯性权重(w)随时间的动态变化模式,以使惯性权重值在算法的初期保持较大取值,然后逐渐递减而在算法的末期保持较小取值,从而提高粒子群算法的全局搜索能力,增强算法的收敛性能。编制基于改进粒子群算法的重力坝断面优化设计计算程序,对某水利枢纽工程的非溢流重力坝断面进行优化计算分析,并与遗传算法和标准粒子群算法的计算结果进行比较。【结果】采用改进粒子群算法得到的非溢流重力坝的最优断面面积为5 147.3 m~2,而采用标准粒子群算法(SPSO)得到的非溢流重力坝的最优断面面积为5 416.5m~2,前者较后者减小9.45%,极大地提高了经济性;采用改进的粒子群算法得到最优解需要计算15步,而采用标准粒子群算法得到最优解需要计算22步,粒子群算法收敛速度提高了31.8%。通过2种算法计算结果的对比,表明改进的粒子群算法不仅能得到更好的优化结果,而且保持了较快的收敛速度。【结论】改进粒子群算法可以用于大型水利工程结构的优化计算与设计。     

熔喷过程湍流模型中的气流场数值模拟

以熔喷过程中的气流场为核心,建立熔喷过程的数学物理模型,采用数值模拟的方法进行研究。以Navier-Stocks方程为基础,应用基于同位网格的SIMPLER算法并行化计算气流场的速度分布,将试验测试值与数值模拟进行比较,结果表明:采用的数值模拟方法是有效的,完全可以用于模拟双槽钝头型模具的熔喷过程。     

基于改进蚁群算法的供水管网优化计算

【目的】以供水特点为基础建立相应的数学模型,优化选择供水中的管网路径。【方法】利用改进的蚁群算法,对供水管网进行优化选择,在选择策略上,以初始节点引入的虚拟路径距离为基础,对启发信息进行归一化处理,并利用全局策略进行优选节点的概率选择;在更新策略上,利用信息素的局部和全局更新,并结合蚂蚁数量自适应调整及增加随机干扰进行改进;最后以巴家咀水库为对象,利用基本蚁群算法和改进蚁群算法进行优化计算并比较。【结果】利用改进的蚁群算法进行计算时,所得的平均路径、最短路径、最差路径、平均迭代次数和总成本分别为139.635 5km、138.214 7km、142.301 9km、314次和11.32亿元,而基本蚁群算法分别为145.042 1km、140.582 7km、149.215 5km、638次和11.51亿元,改进蚁群算法各项计算指标均优于基本蚁群算法。【结论】改进的蚁群算法可以提高全局搜索能力和收敛速度,能快速有效地获得供水路径的最优解或近似最优解,可以为管道供水路径的优化选择提供参考。     

基于改进粒子群优化算法的BOD-DO水质模型参数确定

【目的】将改进的粒子群优化算法应用于BOD-DO水质模型参数求解,为水质模型参数求解提供支持。【方法】通过差异演化算法对各个体历史最佳位置进行变异,以保持种群多样性,并在搜索后期加入局部搜索能力强的单纯形算法,建立改进的粒子群优化算法,并用该算法对BOD-DO水质模型参数进行求解。【结果】改进的粒子群优化算法能有效地确定BOD-DO水质模型参数;参数取值范围的放宽对算法的收敛性影响较小,但迭代次数有所增加;均匀分布法生成的初始种群可以有效地提高算法的收敛率,加快收敛速度;交叉概率和缩放因子的随机选取策略,可以有效地提高算法的收敛率并加快收敛速度;比较计算结果可知,改进的粒子群优化算法的收敛精度有所提高,收敛率可达到100%,收敛速度可提高5倍以上,标准差约是粒子群优化算法的10%。【结论】改进的粒子群优化算法有效地避免了原算法的早熟或停滞,为不同类型的水质模型参数求解提供了一个可靠的方法。     

一种新型的动态粒子群优化算法

为了改进标准粒子群优化算法全局搜索性能,提出了一种种群动态变化的多种群粒子群优化算法。当算法搜索停滞时,把种群分裂成两个子种群,通过子种群粒子随机初始化及个体替代机制增强种群多样性,两个子种群并行搜索一定代数后,通过混合子种群来完成不同子种群中粒子的信息交流。收敛性分析表明,本文算法能以概率1收敛到全局最优解。实验结果表明,本文算法具有较好的全局寻优能力和较快的收敛速度。     

改进遗传算法在输气管道运行优化中的应用

针对在天然气长输管道运行优化中广泛使用的传统遗传算法存在的诸多问题,结合天然气长输管道的运行特点,对传统遗传算法加以改进.使用改进后的遗传算法对管道运行优化的计算结果表明,改进遗传算法优于动态规划算法和传统遗传算法,在天然气长输管道的运行优化过程中具有实用价值.     

蚁群优化算法的研究与改进

本文通过对蚁群优化算法进行分析,提出影响蚁群优化算法收敛性、解质量和算法稳定性的几个关键问题是:下一个结点的选择、局部信息素更新的必要性和参数的选择.文中采用不同的方法解决这三个关键问题并且将算法应用到TSPs,实验结果与几个改进算法相比具有一定的优越性.本文进一步在蚁群优化算法中嵌入局部搜索方法,通过实验说明,算法的求解速度和最优解的质量都得到明显改善,算法的稳定性也明显提高.     

顾及空间邻接关系的多级河流线状矢量数据并行压缩算法

提出了一种顾及空间邻接关系的多级河流线状矢量数据并行压缩算法.首先利用拓扑分析和网络分析提取多级河流矢量数据的空间邻接结点,并对Douglas-Peucker算法进行改进;然后基于数据并行的任务分配方式,设计多级河流矢量数据并行压缩算法,并利用消息传递接口和C语言对该算法进行编程实现;最后设计验证性实验,利用该算法对三峡库区重庆段的多级河流矢量数据进行压缩.研究表明:利用该算法压缩多级河流矢量数据的空间邻接结点保持率达到100%,同时相对于串行算法,计算节点为4时平均加速比可达2.507,提高了压缩效率.     

应用人工生命模型Bug/BACO求解组卷问题研究

从一维Bug人工生命模型入手,通过设置细胞自动机中细胞的内部状态集合以及细胞的转换函数,对二元蚁群算法从人工生命的角度重新进行描述,提出Bug人工生命模型二元蚁群优化算法（Bug-BACO算法）。为解决二元蚁群优化算法＂探索和利用＂的冲突,引入随机扰动因子,并引入并行策略对Bug-BACO算法实施并行化处理,进一步提出Bug人工生命模型的并行二元蚁群算法（Bug-PBACO算法）。仿真对比试验表明,Bug-PBACO算法能在较短时间内解决大规模组卷问题,具有较强的实用性。     

GPU加速的遥感图像感知哈希认证算法

采用图形处理单元(GPU)对感知哈希算法进行并行化设计与实现。首先,对遥感图像进行预处理,以克服显存大小的限制;然后,基于GPU检测遥感图像的特征点;最后,在CPU端进行感知哈希序列的生成。实验结果表明,该算法与基于CPU的算法相比,计算性能有了显著提高,可满足遥感图像进行认证的需求。