针对TI DM64X L1D缓存结构的算法优化

本文描述了TI DM642 L1D的硬件结构和运行规则,以及与L1D相关的阻塞发生的条件和避免这些阻塞的方法,并通过一个实例介绍了在算法优化中,内存布局与L1D运行调度之间的关系,以及由此引起的算法性能的差异.     

一种零参考样本的深度学习图像增强算法

为了对低照度图像进行增强，提出了一种基于深度学习的零参考样本图像增强算法。该算法只在Lab颜色空间中的L通道进行图像增强，避免了三通道算法带来的时间消耗和融合失真的情况。与其他非监督网络增强算法相比，在提高图像还原度的同时极大地减少了算法的参数数量，降低了算法的运行时间。该算法对L通道中图像的低光照部分、正常曝光部分以及过曝部分分别进行处理，进一步地避免了过曝的问题。经过实验验证，该算法与其他零参考样本图像增强算法相比拥有更高的运行效率以及亮度和色彩还原度。     

3D模型LOD算法的研究及其OpenGL实现

3D模型LOD技术是计算机图形学的一个重要研究课题，简述了3D模型LOD技术的基本原理并分析和探讨了各类LOD算法。为了克服LOD算法在使用中的局限性，提出了一种3D模型LOD算法，并通过OpenGL编程进行了实现，运行的结果表明此3D模型LOD算法是可行和高效的。     

基于博弈均衡的WDM光网络动态恢复策略

提出一种基于博弈论和D*思想的动态均衡启发式算法，求解波分复用(WDM)光网络中波长级恢复问题。算法将网络中的各边代价与当前波长使用情况综合考虑，运用博弈论原理动态构建估计函数，实现了WDM光网络的高效恢复。仿真结果表明，该算法能有效地降低光路阻塞，提高恢复率，其快速和智能特性能够满足恢复时间的要求。     

交通网络最短路径标号算法的实现与效率分析

标号算法是交通网络最短路径算法族中应用最广泛的算法,其中以各种D ijkstra算法为核心的标号设定算法是各种商用G IS平台网络分析算法的首选。然而,同样隶属于标号算法的标号改正算法在交通网络路径分析中却罕有应用。为了将标号改正算法应用于交通网络路径分析,首先讨论了标号算法的基本结构;然后分析了标号设定算法和标号改正算法的实现过程、复杂度、运行特点和适用性,进而选择了标号设定和标号改正算法中公认的几种优秀算法———基于逼近桶结构和改进四叉堆的D ijkstra算法(D IKBA与D IKQH)以及Pallottino算法(TWO-Q),并结合交通网络邻接链表结构予以实现;最后采用城市交通网络数据,对几种算法的实际运行效率进行了对比试验,试验结果表明,标号改正算法和标号设定算法优点各异;由于交通网络路径算法的应用越来越强调动态性和网络适用性,而且标号改正算法较之标号设定算法具有更大的适用范围,因此其在交通网络路径分析中具有极大的应用潜力。     

基于改进MOJAYA/D算法的图像分割

为处理多目标优化问题，提出一种基于分解的多目标JAYA (MOJAYA/D)算法。该算法在原始基于分解的多目标算法的基础上，将JAYA算法延伸至多目标优化领域；同时，引入Lévy飞行策略增强算法的扰动，并且增加一个反馈学习阶段来提高个体的学习能力，使得算法的多样性和全局寻优的水平得到提高。为了验证提出算法的性能，将该算法在ZDT和DTLZ测试函数上与几个经典的多目标算法进行对比。实验结果表明，MOJAYA/D在收敛性和多样性方面都优于其他比较算法。最后，将该算法应用于多个目标准则下的图像分割问题。分割结果表明，MOJAYA/D在处理图像分割问题上效果显著。     

三维直角坐标系下三环网络的超L型瓦仿真

传统的超L型瓦仿真算法主要采用穷举的方法,效率较低,且有一定的局限性。针对上述问题,将三维直角坐标系引入三环网络,在三维直角坐标系下,提出广义三环网络G(N;s1,s2,s3)的超L型瓦仿真算法,利用C++和OpenGL实现超L型仿真,并求得其相关参数l、m、n,以及三环网络的直径D。实验结果表明,该算法具有较高的执行效率和更强的通用性。     

简化并行编程

利用统计模型，计算机科学家已经证明，某些种类的并行算法并非像以前认为的那样困难。来自麻省理工学院、以色列理工学院以及微软的研究人员发现，对于非阻塞并行程序，采用无锁定算法可以达到和无等待算法同样的效果，却能使运算得以简化。非阻塞算法保证了一个共享资源被多线程征用时，不会因线程互斥性而被迟滞执行；从理论上讲，无等待算法在处理极端情况下更具有优势，但这种情况发生的概率实在太低，因此相比无等待算法，无锁定算法会在大部分情况下呈现简化优势。     

激光雷达SLAM算法综述

即时定位与地图构建（simultaneous localization and mapping,SLAM）是自主移动机器人和自动驾驶的关键技术之一，而激光雷达则是支撑SLAM算法运行的重要传感器。基于激光雷达的SLAM算法，对激光雷达SLAM总体框架进行介绍，详细阐述前端里程计、后端优化、回环检测、地图构建模块的作用并总结所使用的算法；按由2D到3D，单传感器到多传感器融合的顺序，对经典的具有代表性的开源算法进行描述和梳理归纳；介绍常用的开源数据集，以及精度评价指标和测评工具；从深度学习、多传感器融合、多机协同和鲁棒性研究四个维度对激光雷达SLAM技术的发展趋势进行展望。     

离散Fourier变换并行算法综述

本文详细介绍了1－D DFT精确计算的六步框架并行算法和按位并行计算法,以及按位计算法在2－D Mesh和Torus上的模拟实现,同时介绍了近似计算中的基于奇异值分解的算法和基于快速多极方法的算法。对于2－D DFT,本文介绍了并行行列算法和并行多项式变换算法,并分析了其优缺点。     

3D GIS的测量数据采集与处理

随着智慧城市建设的不断推进，3D GIS技术在多维城市数据采集、显示、管理和分析中得到了广泛应用，并逐渐向灾害防治等其他领域扩展。而对于该项技术的突破，测量数据的采集与处理尤为重要。研究利用无人机摄影技术采集3D GIS所需的数据信息，并通过建层分块、快速引导方法对影像信息进行预处理；再利用相似性系数和随机抽样一致算法改进SIFT算法，最后对改进后的SIFT算法及摄影系统进行了应用效果的验证。结果表明，改进后的SIFT算法在某区域内的影像匹配准确率最高为98.3%,并且所需时间仅为17 s。在进行3D GIS数据采集与处理的实际验证中，其准确率为97%,数据采集和处理时间分别为22 s和48 s,具有较高的运行效率和准确率，为3D GIS技术的进一步完善和推广提供了方法参考。     

BitTorrent系统中一种自适应阻塞算法

BitTorrent系统主要采用tit-for-tat阻塞算法作为节点选择算法,即节点选择当前向自己提供上传最快的一些节点作为上传服务对象。但是该阻塞算法导致新连接节点间过长的等待和节点在下载完成前夕过少的上传连接问题。提出了一种自适应阻塞的改进算法,当节点上传连接过少时自适应的增加上传连接。模拟实验表明,自适应阻塞算法在对系统公平性影响很小的前提下,有效地缩短节点等待时间、增加上传连接数量以及加快节点获取首块资源的速度,从而提高系统文件分发性能。     

快速L1范数最小化算法的性能分析和比较

随着新兴压缩传感(Compressive Sensing,CS)理论的出现,使用L1范数最小化(L1-min)算法进行信号处理和优化成为近几年的热门课题,由于传统的求解方法对于大规模数据的处理效率很低,例如内点法,越来越多的快速L1-min算法被提出,这些算法在速度和处理效果上都各有优势,该文首先介绍了L1-min算法以及影响算法效率的主要因素,然后通过实验数据对五种快速L1-min算法在处理大规模数据时的性能进行分析和客观评价。     

2D Mesh结构中一种新的自适应路由模式

针对2D Mesh拓扑结构中的损坏节点会导致静态XY路由算法无法有效传输的问题,提出了一种新的路由算法——FTXY路由算法。首先对网络拓扑结构中的平均延时、理想平均吞吐量和能量消耗进行了理论评估,然后在NIRGAM仿真软平台上采用FTXY路由算法对上述三个参数进行验证,并与XY路由算法进行比较。实验结果显示,新的路由算法可以有效地绕过损坏节点,并且不会造成阻塞,提高了网络的传输性能。     

最小分布优先Clos网路由算法

提出了一种新的Clos网无阻塞路由算法、最小分布优先算法，用该算法可以降低Clos路由算法的高时间复杂度。对于Clos网连接说明矩阵，提出并证明了矩阵中某一列的完全性问题是一个独立的问题，并据此提出了以最小分布优先的方式逐列计算Clos连接说明矩阵的策略，消除了产生在矩阵列之间的回溯以及列内元素之间的回溯，能够完全实现无阻塞路由，在最坏情况下的时间复杂度为O(N3/2)，可以应用于Clos网路由控制。     

基于PWM技术的A/D转换电路的设计

本文论述了利用MCU内部定时器结合PWM技术实现A／D转换的工作原理，转换算法，并较为详细的介绍了硬件电路的设计和改进的逐次逼近试探算法以及相应的程序设计思路，分析了采用PWM技术的A／D转换器的分辨率等。     

模板应用综述

阐述了STENCIL BUFFER技术的原理以及应用，介绍了D3D和OpenGL两大主要图形API，综合分析了STENCIL BUFFER的主要应用，并对每种应用给出了相应的算法流程。     

基于L1-范数距离的最小二乘对支持向量机

最小二乘对支持向量机(LSTSVM)是一种有效的分类技术。然而,该方法需计算点到平面的平方L2-范数距离,从而易受野值或噪声的影响。为了缓解此问题,提出了一种有效的鲁棒 LSTSVM方法,即基于L1-范数距离的LSTSVM(LSTSVML1D)。该方法由于使 用L1范数作为距离度量,因此不易受到野值或噪声数据的影响。此外,设计了一种有效的迭代算法,旨在求解目标问题,并从理论上证明了其收敛性。在人工数据集和UCI数据集上验证了LSTSVML1D 的有效性。     

基于Lévy飞行的差分乌鸦算法求解折扣{0-1}背包问题

针对大规模的折扣{0-1}背包问题（D{0-1}KP）难以用确定性算法求解的问题,提出了基于Lévy飞行的差分乌鸦算法（LDECSA）。首先,利用混合编码解决D{0-1}KP的第二数学模型的编码问题;其次,利用新的贪心修复与优化算法（NROA）处理求解过程中产生的不可行解;然后,针对乌鸦个体过早陷入局部最优和收敛较慢等缺陷,引入Lévy飞行和差分策略;最后,通过实验确定了感知概率和飞行长度的合理取值以及差分策略的选择。对四类大规模D{0-1}KP实例的计算结果表明：LDECSA非常适合求解大规模D{0-1}KP,能得到满意的近似解。