TSV数量限制下的3D NoC测试优化方法

针对TSV数量限制下的3D No C测试,如何在功耗约束条件下充分利用有限的TSV资源快速地完成3D No C测试,这属于NP难问题,采用基于云模型的进化算法对有限的TSV资源进行位置寻优,以及对通信资源进行分配研究,在满足功耗约束以及路径不冲突条件下调度测试数据,以实现芯核的最大化并行测试,减少测试时间。以ITC’02测试标准电路作为实验对象,实验结果表明,本文方法可以有效地进行TSV的位置寻优以及资源的合理分配,从而提高TSV利用率,减少测试时间。     

改进量子遗传算法在输电网规划中的应用

输电网规划是复杂的多目标非线性组合优化问题。针对传统遗传算法（GA）在求解输电网规划模型中存在收敛速度慢,容易陷入局部最优的不足,提出一种基于改进量子遗传算法（IQGA）的输电网规划方法。该算法在量子遗传算法（QGA）的基础上提出直接将量子染色体与当前最优解相比较来确定旋转门的旋转角策略,保证种群中个体以不同的收敛速度分别进行局部搜索和全局搜索,并同时采用量子全干扰交叉策略和量子非门变异策略有效防止算法陷入局部最优。所提三种改进策略各有针对性,能有效改善量子遗传算法在输电网规划中的收敛性能。分别采用传统遗传算法、量子遗传算法和该方法对Garver-6节点系统进行规划仿真,实验结果表明,该方法全局寻优能力强并且收敛速度得到显著提高。     

基于量子粒子群算法的电力系统无功优化

量子粒子群算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解.首次将量子粒子群算法用于电力系统无功优化中,以网损最小为目标函数,在IEEE30节点系统上进行测试,通过仿真测试以及不同算法优化结果的对比,表明基于量子粒子群(QPSO)...     

基于IBA优化变权时间Petri网的3D NoC测试规划

为了提高三维片上网络(three dimensional network-on-chip,3D NoC)测试效率,结合3D NoC测试的特点建立了一种变权时间Petri网的测试模型,设置算法权值与变迁时延相关联,对Petri网变迁进行动态变权处理。在此基础上,将变迁激发序列作为IP核并行测试任务规划方案,采用简化蝙蝠位置更新方程的改进蝙蝠算法对其进行优化求解。将蝙蝠的位置更新规则融入到Petri网进化规则中,简化了推理过程,避免算法陷入早熟,提高了收敛速度。采用ITC’02测试基准作为实验对象,仿真结果表明,与其他算法相比,模型可以有效的描述3D NoC测试规划问题,最大时间优化率达到13.9%,提高了测试效率。     

电力市场中含分布式电源的配电网重构模型

电力市场体制中,分布式电源(DG)一般由用户所有,具有削峰、紧急功率支持等诸多作用。在电力市场的背景下,为了使得配电网在正常运行条件下最大程度的得到优化,将DG视为可调度设备,将DG注入功率作为优化变量,加入配电网重构综合优化的过程。提出把DG注入功率、网络损耗、效益分配按电价转换成综合费用,以综合费用最小为目标函数,采用提出的改进量子进化算法(IQEA)进行求解。该改进算法采用改良策略,提高了搜索效率,结合基于环路的量子坍塌策略避免了不可行解的产生,提高了重构效率。采用IEEE33节点测试系统进行仿真计算,结果表明了所提方法的正确性和有效性。     

基于芯核分层布图的3D芯片扫描链优化设计

随着3D堆叠技术的不断发展,芯片测试已成为一大研究热点。为了减少三维堆叠集成电路(three dimensional stacked integrated circuits,3D-SICs)绑定前和绑定中的总测试时间,提出了基于芯核分层布图的改进模拟退火算法和扫描链分配算法,通过将芯核均匀地分配到各层上实现对各层电路中芯核合理化地布图,再利用"绑定中测试"复用"绑定前测试"扫描链的方式,协同优化绑定前和绑定中的总测试时间和硬件开销。在ITC’02基准电路上的实验结果表明,本文方法在TSV数量的约束下,测试时间和硬件开销分别最高降低了27.26%和89.70%,且各层芯核布图更加均匀。     

电力系统经济负荷分配的量子粒子群算法

本文首次将量子粒子群算法用于电力系统经济负荷分配中。该算法是以粒子群中粒子的收敛特性为基础,依据量子物理理论提出的,改变了传统粒子群算法的搜索策略,可使粒子在整个可行解空间中搜索寻求全局最优解。同时该算法的进化方程中不需要速度向量,而且进化方程的形式更简单,参数较少且容易控制。对两个算例进行仿真测试,证实该算法可有效解决经济负荷分配问题;性能对比显示,该算法求得的解优于已有的改进粒子群算法及其它优化算法所求得的解。本文为量子粒子群算法用于经济负荷分配的实用化研究奠定了必要的理论基础。     

三维堆叠SoC测试规划研究

采用硬晶片的三维堆叠SoC测试规划是一个NP hard问题,针对该问题提出了一种采用GWO(grey wolf optimization)的三维堆叠SoC测试规划方法,使得在最大测试引脚数和最大可使用TSV(through silicon vias)数的约束条件下,从而达到三维堆叠SoC测试时间最小化目的。本算法基于群体智能,通过实施攻击等操作,更新Alpha、Beta和Delta进行寻优,从而实现三维堆叠SoC测试规划。本研究以ITC'02 Test benchmarks中的典型SoC为实验堆叠对象,实验结果表明本算法相比PSO(particle swarm optimization),能够获得更短的测试时间。     

求解多堆垛机协同调度优化问题的量子蝙蝠算法

针对肉鸡仓储式养殖给料调度优化问题,以多堆垛机协同给料完成时间最短为优化目标,建立多堆垛机协同给料模型,并基于蝙蝠算法(BA)对其进行求解。然而,该算法存在易早熟、收敛速度慢等缺点,为此,借用量子理论,引入启发式量子变异,提出量子蝙蝠算法(QBA),主要通过对非最优个体采用量子旋转门策略及自适应调整旋转角机制实现变异,从而增加了种群多样性,提高了全局寻优能力及求解效率。最后,通过仿真实例验证了该算法的有效性。     

一种改进型粒子群优化算法在电力系统经济负荷分配中的应用

针对机组数不同的电力系统设计优化方案,提出将基于有效群体利用策略的粒子群算法应用到经济负荷分配问题的解决中。该改进算法通过有效改变粒子数目,并改进了速度位移方程,加快了算法的收敛速度,同时提高其收敛精度。为验证该算法的有效性,针对机组数不同的电力系统经济负荷分配进行了测试,并与其他优化算法进行了比对测试。结果证明了该算法可高效准确地找到最优解,有效避免了陷入局部最优的问题,并保证了较快的运行速度。     

基于混沌自适应粒子群算法的冷热电联供系统优化

在研究冷热电联供系统优化运行的过程中,为了更好地优化调度冷热电联供系统中各设备的出力,提出了基于Tent映射的混沌搜索和非线性自适应粒子群算法相结合的优化算法。建立了一个包含风机、光伏、微燃机和燃气锅炉等主要设备的冷热电联供系统模型。以联供系统的运行成本、污染物排放量和能源利用率为目标,建立了多目标优化模型。在满足设备出力、功率平衡等约束条件下,利用Matlab进行了优化求解。仿真结果表明,所提出的冷热电联供系统优化方法,可以有效地提高经济效益,减少污染排放,提高能源利用率。     

基于拥塞感知的ASON路由算法

针对网络中瞬间涌现的大量并发数据流导致网络拥塞的问题,提出了一种改进的拥塞感知路由算法。该算法可实时根据节点和邻居节点到目的节点的路径长度及拥塞状况选择路径,以自动交换光网络(Automatically Switched Optical Network, ASON)网数据包拥塞指标为链路代价值,根据网络实际的信息包传输状况,对各节点链路进行加权计算。该算法能够动态感知网络拥塞状态,是一种可自适应调节的路由算法。仿真实验表明,相比传统最短路径路由算法,所提算法能够有效提高ASON网动态选路的合理性及传输网数据的传输效率,优化网络资源利用率。     

An effective algorithm for numerical Schrödinger solver of quantum well structures

An effective algorithm for a one dimensional Schrödinger solver is proposed. The algorithm is derived from Bohm’s form of Schrödinger equation, and can be interpreted as a generalization of the Numerov process for the computational solution to the Schrödinger equation with quantum well structures. The proposed algorithm averages the probability slope’s discontinuity to converge the given energy to the nearest eigenstate, and generate complete eigenstates in a general heterojunction potential well. The new algorithm is applied to double-well III–V nanoscale MOSFET and generates each of the quantized levels.     

基于压缩感知的低复杂度分数时延信道估计方法

基于压缩感知(compressed sensing,CS)技术的信道估计方法已被应用于正交频分复用(orthogonal frequency division multiplexing,OFDM)系统的信道估计中以提高频谱利用率。然而,传统的时域普通采样方法会导致信道测量矩阵不够精细,无法精确恢复信道状态信息。针对这一问题,提出利用分数时延信道模型模拟系统的无线多径信道,利用接收端时域过采样方法细化信道测量矩阵以提高信道估计精度。同时,为了克服由时域过采样导致的算法复杂度增加的问题,提出一种改进正交匹配追踪算法(modified orthogonal matching pursuit,MOMP)。仿真实验结果表明,在分数时延信道条件下,提出的接收端时域过采样方法能准确检测到信道的分数时延且提出的MOMP算法能显著降低估计算法的计算复杂度。     

基于自适应模拟退火遗传算法的多目标最优潮流

采用自适应遗传算法来确定基本遗传算法的交叉率和变异率,保证遗传算法的收敛性。同时引入模拟退火法思想,通过拉伸目标函数的适应度使优秀个体在产生后代时具有明显的优势,从而加速寻优的过程,形成一种新的算法:自适应模拟退火遗传算法。应用该算法进行电力系统多目标最优潮流计算,IEEE30试验系统计算结果表明了该算法的灵活性和有效性。     

基于Lambda算法的配电网故障定位方法研究

为了有效的提升配电网故障分析和定位的效率、降低经济成本等,本文对多种故障原因进行了深度的分析并提出了一种基于Lambda算法的配电网故障定位技术。该算法通过对出现故障的配电网络和馈线终端上传的数据进行分析,使用高效的模糊度搜索技术,快速的定位出故障所在位置。实验表明,使用本文所提出的基于Lambda配电网故障定位技术对故障网络进行分析,可以有效地降低不同模糊度之间的相关性,极大地减少迭代和搜索次数,提升配电网故障定位效率。     

逐次逼近动态规划法求解水电机组组合问题

水电站厂内机组间的发电流量分配是水电站经济运行中的一个重要混合非线性优化问题。文章设计了一种逐次逼近动态规划法,可用于求解水电机组的组合问题。该算法可有效地减少状态变量的个数,且能收敛到满意解。通过实例研究,验证了模型合理性和算法的可行性与有效性。     

基于遗传算法的电网故障行波定位装置的优化配置

为了提高电网故障行波定位系统的稳定性和经济性,提出了一种电网故障行波定位装置的优化配置方法。该方法首先根据配置规则建立的约束关系进行故障行波定位装置的初始配置,然后运用遗传算法对得到的初始配置方案进行优化,最后对于行波定位装置配置数目相同的方案根据配置冗余度进行方案优选。该方法将优化过程与配置过程有效结合,可缩小遗传算法的寻优范围,从而提高遗传算法的求解速度。最后对某系统进行仿真验证表明,经过优化后的配置方案可以在不影响电网故障定位鲁棒性和准确性的基础上适当减少故障行波定位装置的配置,有利于节约投资。     

基于多种群遗传算法的D2D通信终端数量的优化

端到端的直连通信(device to device,D2D)能有效提高网络容量.针对D2D通信所能容纳的终端数量问题,提出一种基于多种群遗传算法的容量优化方法.由于传统蜂窝网移动终端对D2D用户的干扰,以及复用同一频率的D2D终端之间的同频干扰,严重影响了可接入D2D终端的数量.本文提出的基于多种群遗传算法能快速调整资源分配方案,有效减少同频干扰,显著提高网络所能容纳的终端数量.仿真结果表明,相比于标准遗传算法和随机分配算法,基于多种群遗传算法的资源分配方案能通过快速分配合理信道资源降低系统中总的干扰,有效提高终端的接入数量,显著提升了系统的总吞吐量.     

改进量子粒子群算法及其在系统辨识中的应用

针对量子粒子群算法(quantttm particle swarm optimization,QPSO)的收敛速度和寻优精度问题,提出了一种改进的QPSO算法。采用混沌序列初始化量子的初始角位置;在算法中加入变异处理,有效地增加了种群的多样性,避免早熟收敛。函数优化测试结果表明：该文提出的算法具有良好的优化效果。同时利用该文提出的算法对经典的具有无限冲激响应(infinite impulse response,IIR)的自适应递归滤波器模型进行了辨识,辨识结果证明了这种算法的有效性。利用此算法,在结合某分散控制系统的基础上,编制出了一种通用的热工对象模型辨识算法模块,并应用于某循环流化床电厂的辨识,取得了令人满意的辨识结果。