基于超节点LDL分解的大规模结构计算

采用列压缩稀疏(Compressed Sparse Column,CSC)矩阵存储策略对矩阵LDL分解前进行填充元优化排序;基于消去树进行LDL符号分解,使之独立于数值分解,避免多余的内存消耗,减少不必要的数值运算.利用矩阵非零元的分布特性分析并实现超节点LDL分解算法,将稀疏矩阵的分解运算变为一系列稠密矩阵运算,并使用优化的BLAS函数库加速分解.测试表明:算法在成倍地提高计算速度的同时进一步降低内存消耗,适用于大规模的结构计算.     

一种基于XML的One to One营销优化建模方法

针对一种One to One营销优化过程,提出一种基于XML的OnetoOne营销优化自定义建模方法,利用DOMAPI技术设计实现了XML文件接口。通过该接口可提取记录模型信息的XML文档用于建模,也可将模型信息自动生成XML文档,并给出了具体建模流程和方法。     

一类One to One营销优化模型及其解决方案

针对OnetoOne营销问题进行简单的案例分析,得出了在一般情况下的优化模型。通过把OnetoOne营销优化问题转换成线性规划问题,应用改进的单纯形法、基于Bartels-GolubLU分解的单纯形法和原始-对偶内点法等三种典型的线性规划算法,在MATLAB环境下进行仿真和分析。     

One to One营销优化算法的BenchMark验证方法

该文针对OnetoOne营销优化问题,提出了一种BenchMark验证方法。基于这一BenchMark验证方法,对原始Simplex法、DFS法和LIPSOL法进行了基于理论的BenchMark验证和基于MATLAB的BenchMark验证,给出了仿真结论,证明了提出的BenchMark验证方法的有效性。     

一种基于树分解的图上点区间编码方法及应用

根据图上节点所在位置与邻居节点特征,可以使用不同策略为每个图上节点进行区间编码,基于区间编码,许多在大型图上的应用如知识图谱查询、智能问答等的处理可以加速或得到准确性上的提升。针对此种情况,提出一种基于树分解算法的图上点区间编码方法,并在大型知识图谱上通过智能问答歧义消除的应用验证该方法的有效性。实验结果表明,该方法能够有效地表达出图上节点的位置特征,并帮助智能问答中的实体消除歧义。     

图的树分解算法及其应用

一个图G=(V,E)的树分解是将结点集V的子集作为树T的节点,使得在T上任意一条路径上的两个端节点的交集包含于该路径上的任意一个节点中.将T上最小(节点)对应子集的元素个数减1定义为分解树T的宽度,用宽度最小的分解树T的树宽度定义图G的树宽度.一个合取范式(Conj unctive Normal Form,CNF)公式...     

一种基于QR分解的观测矩阵优化方法

在压缩感知理论中,最为关键的问题是观测矩阵的构造.影响图像重建质量的因素包括观测矩阵列向量间的独立性以及观测矩阵与稀疏基间的互相关性.基于此提出了一种优化算法.该算法采用QR分解以增大观测矩阵列独立性,同时对利用等角紧框架(Equiangular Tight Frame,ETF)收缩的Gram矩阵进行优化,通过更新每次...     

一种基于有序二叉树的高效优化索引树

在编制汉字输入法的过程中遇到了字符串的存储和检索问题，对此提出了一种基于有序二叉树的高效优化索引树，给出了优化索引树的生成算法和搜索算法。在该高效优化索引树中，采用特定的非定长结构存储树节点，并把索引树存放在一个字节型逻辑数组中，从而大大减少了索引树中儿子指针和兄弟指针的个数，使得索引树中不存在空指针。优化后的索引树不仅占用存储空间少，而且检索速度极快，非常适合存储编码信息。     

一种基于有序二叉树的高效优化索引树

在编制汉字输入法的过程中遇到了字符串的存储和检索问题,对此提出了一种基于有序二叉树的高效优化索引树,给出了优化索引树的生成算法和搜索算法.在该高效优化索引树中,采用特定的非定长结构存储树节点,并把索引树存放在一个字节型逻辑数组中,从而大大减少了索引树中儿子指针和兄弟指针的个数,使得索引树中不存在空指针.优化后的索引树不仅占用存储空间少,而且检索速度极快,非常适合存储编码信息.     

基于奇异值分解及PRESS 统计的模型结构优化方法

针对线性参数模型的基函数选择问题,结合奇异值分解和PRESS统计提出一种模型结构优化算法.通过预先对候选基函数矩阵进行分块操作,减少非最优列间的重复比较.在此基础上,对各子块采用奇异值分解与PRESS统计相结合的方法进行选择,直接以模型的泛化能力作为目标,自适应地选择基函数.通过奇异值分解,在降低候选基函数数量的同时,使其彼此之间相互正交,有效地简化了PRESS统计的计算复杂度.仿真结果表明,所提出的方法能够有效简化模型结构,并保持较高的预测精度.     

Improving Parallel Ordering of Sparse Matrices Using Genetic Algorithms

In the direct solution of sparse symmetric and positive definite linear systems, finding an ordering of the matrix to minimize the height of the elimination tree (an indication of the number of parallel elimination steps) is crucial for effectively computing the Cholesky factor in parallel. This problem is known to be NP-hard. Though many effective heuristics have been proposed, the problems of how good these heuristics are near optimal and how to further reduce the height of the elimination tree remain unanswered. This paper is an effort for this investigation. We introduce a genetic algorithm tailored to this parallel ordering problem, which is characterized by two novel genetic operators, adaptive merge crossover and tree rotate mutation. Experiments showed that our approach is cost effective in the number of generations evolved to reach a better solution in reducing the height of the elimination tree.     

Finding Optimal Ordering of Sparse Matrices for Column-Oriented Parallel Cholesky Factorization

In this paper, we consider the problem of finding fill-preserving sparse matrix orderings for parallel factorization. That is, given a large sparse symmetric and positive definite matrix A that has been ordered by some fill-reducing ordering, we want to determine a reordering that is appropriate in terms of preserving the sparsity and minimizing the cost to perform the Cholesky factorization in parallel. Past researches on this problem all are based on the elimination tree model, in which each node represents the task for factoring a column, and thus, can be seen as a coarse-grained task dependence model. To exploit more parallelism, Joseph Liu proposed a medium-grained task model, called the column task graph, and showed that it is amenable to the shared-memory supercomputers. Based on the column task graph, we devise a greedy reordering algorithm, and show that our algorithm can find the optimal ordering among the class of all fill-preserving orderings of the given sparse matrix A.     

销售优化决策与控制系统的应用研究

在激烈的市场竞争中，经营战略和销售策略的正确制定关系到企业的生存和发展。本文运用现代管理理论，对企业营销过程中价格和非价格促销手段的优化决策与控制、促销手段的组合优化决策与控制及竞争条件下的企业决策与控制等基本原理和方法进行了较为详尽的论述。在此基础上，结合计算机应用技术，提出了销售优化决策与控制系统开发的设计思路和原理，这对提高企业科学决策水平，推动信息化带动工业化有着重要的借鉴作用。     

基于MPI的并行计算集群通信及应用

对能有效解大型稀疏矩阵方程的LSQR串行算法进行了并行化分析,并应用可移植消息传递标准MPI的集群通信机制在分布式存储并行系统上设计和实现了LSQR并行算法,该并行算法和程序在地震表层模型层析反演中得到了有效的应用。     

粒子群算法及其在布局优化中的应用

复杂工程布局(如卫星舱布局)方案设计问题,在理论上属带性能约束的布局优化问题(NPC问题),很难求解。论文以卫星舱布局为例,将粒子群算法(PSO)应用于布局问题,构造此类问题的粒子表达方法,建立了此类问题的粒子群算法。文中通过3个算例(其中一个为已知最优解的算例)的数值计算,验证了该算法的可行性和有效性。     

一种改进的谱聚类方法及其在文本分析中的应用

随着文本资源的激增,特别是网页文本的迅速增加,针对文本的挖掘分析日益受到重视。谱聚类是文本聚类分析较常用的一种新型方法。该文将非负约束引入到传统的谱聚类算法中,提出了一种基于非负约束的谱聚类方法。文中实验验证了所提出方法在中文文本聚类分析应用中的有效性。