基于堆栈解码的元胞基因表达式编程算法

基因表达式编程(GEP)算法在评价个体适应度时需要将染色体转换为表达式树,并且在求解复杂问题过程中,由于多样性不足仍出现早熟收敛.针对以上问题,提出一种基于堆栈解码的元胞基因表达式编程算法(SD-CGEP).利用堆栈直接对染色体进行解码和适应度评价,可以提高算法的运行速度;通过引入元胞自动机模型,从而提高算法跳出局部最优的能力. 符号回归实验表明, SD-CGEP算法在演化效率和预测精度上均超过传统GP、GEP算法.     

一种改进的SVPWM算法研究

针对二极管箝位三电平逆变器的研究,传统的基于直角坐标系下的空间矢量脉宽调制算法(SVPWM)需要大量的三角函数运算,增大了运算量,难以进行数字实现.为了提高实时性,改进算法,研究了一种基于斜角坐标系下的SVPWM改进算法,核心是通过Clarke-Park联合变换将基于三相静止坐标系下的三相电压转换为基于非正交60°斜角坐标系下的两相电压,使得电压参考矢量在进行扇区判断和开关矢量作用时间的计算上都避免了三角函数计算,只有普通的四则运算,降低了运算量.经过仿真,结果表明改进算法的有效,并且在运算时间上优于传统算法,易于实现.     

深度广度联合解码的基因表达式程序设计

基因表达式程序设计(GEP)在时间序列分析、分类、自动程序设计、多目标优化、海量数据分析等领域中有着广泛的应用。在GEP解码过程中,将深度优先和广度优先技术的优点相结合,提出了基于深度广度联合解码的GEP算法,从而既能适量地增加种群中个体的多样性,又能适当地保留较优的子树信息(sub_ET)。实验表明,相比标准GEP算法,新算法在进化时间增加不多的情况下提高了平均适应度,获得了更高的成功率。     

基于混合选择和动态变异的基因表达式编程

基因表达式编程（GEP）是一种基于基因型和表现型的新型遗传算法,目前被广泛应用在函数发现、时间序列预测和分类等领域。传统GEP算法采用轮盘赌方式来选择种群个体,其择优强度过大,易导致个体多样性减弱,产生“近亲繁殖”;种群个体的变异概率固定,变异幅度不能动态地适应每代的进化结果,影响进化效率。针对上述两个缺陷,本文对传统GEP做出两点改进：作者采用混合选择策略,以维持进化过程中个体的多样性,避免“近亲繁殖”;引入动态变异思想,使种群在进化过程中能根据自身适应性的高低来动态调整个体的变异概率,以最大限度地保留高适应度基因片段,消除低适应度基因片段。通过实验,本文验证了两项改进的有效性。     

公钥密码中指数运算乘积的快速实现算法

多个指数运算的乘积是公钥密码学中的一种重要运算。针对求逆元素的运算量较大的情形,提出了两种有效实现该运算的算法:在基固定和基不固定两种情况下,分别将多个指数表示成联合稀疏形和串代换形式,然后利用快速Shamir算法进行计算。分析表明,算法有效降低了快速Shamir算法的运算次数。     

一种新型GEP解码方法

基因表达式编程（Gene Expression Programming）是进化算法的最新成果。它继承了遗传算法（GA）编码简单与遗传程序设计（GP）有巨大空间搜索能力的优点。提出一种新的GEP解码方法：GEP的非物理树解码算法。其在不影响原算法其他性质的情况下极大地提高了传统解码算法的运行速度,在一定程度上解决了GEP进化过程中表达式树（Expression Tree,ET）建立和释放消耗巨大时空资源的瓶颈。     

采用混合策略的改进基因表达式编程

基因表达式编程(gene expression programming,GEP)是一种新型的进化算法,在函数发现领域具有很好的应用。针对传统GEP存在的不足,提出了一种采用混合策略的改进基因表达式编程算法(improved gene expression programming algorithm used by hybrid strategy,HSI-GEP)。主要有两点改进:(1)采用镜像和重启机制对种群中的较差个体进行替换,以提高种群的质量和多样性;(2)在原有锦标赛选择之前引入克隆选择,以提高算法对优质解的开采能力。与权威文献中改进的GEP算法关于函数发现问题的大量对比实验表明,HSIGEP算法求解质量高,收敛速度快,具有明显的竞争力。     

基于改进GEP和资源改变量的局部云任务调度算法

针对云计算中一些现有的基于批量调度模式和进化算法的动态云任务调度算法计算量较大,计算时间成本较高的现象,提出了一种基于改进基因表达式编程(GEP)和资源改变量的局部云任务调度算法.首先结合云任务调度的特点对普通GEP算法做出了相应的改进,然后采用加权求和的方式构造了一个基于综合利用率和能耗的适应度函数,最后依据物理机综合利用率的差异给出了基于改进GEP和资源改变量的局部云任务调度算法.基于资源改变量的局部云任务调度算法,通过对任务运行情况和物理资源使用情况进行监控,合理设定阈值,以减少参与调度物理机的个数,从而降低任务调度算法的时间成本.基于RH(rolling horizon)模型,通过实验将所提出的算法与普通遗传算法、全局GEP算法进行了比较,可知该算法不仅可以降低寻优时间,不易陷入局部最优解,且具有较快的收敛速度.     

基于基因表达式编程的推进学习算法

为进一步改善传统遗传算法在函数发现应用上的搜索能力,提高算法的收敛速度和精度,文中提出了GEPAda-Boost算法。该算法在推进学习AdaBoost算法框架下,利用具有强大函数发现能力的基因表达式编程GEP作为每次迭代过程中的弱学习器,同时引入含分布因子的适应度函数在迭代中筛选出最优假设,最后通过投票策略组合多轮最优假设产生算法结果。丰富的实验结果表明新算法对权重计算和概率分布产生了积极的影响,与朴素GEP算法和GPBoosting算法对比分析发现该算法能分别提升16.7%和40.8%的精度。     

一种染色体自适应GEP算法

GEP是一种源于遗传算法(GA)和遗传编程(GP)的进化算法,结合了GA的定长线性编码和GP的树形解码,发现公式的能力很强。传统GEP在迭代过程中采用固定交叉率和变异率,对寻优过程造成巨大局限性。通过GEP种群染色体自适应,调整交叉率和变异率,有利于个体的个性化发展。4个benchmark函数的符号回归实验表明,改进后的GEP比传统GEP寻优效果更优。     

分形图像编码的快速细粒度迭代解码

该文基分形图像编码的固有特征，阐述和研究了分形图像编码的迭代解码方法的“可分级性”概念，在这一思想指导下，在迭代解码过程中用单缓冲算法取代传统分形编码中的双缓冲算法，在节省了内存空间开销的同时有交地实现了更细粒度上的质量可分级性解码，继而提出了一种块排序解码算法用于基于尺寸自适应块分割的分形编解码方案中，获得了更快的解码收敛速度，通过以上一系列算法深入地阐述了分形偏解码中“质量连续可分级性”的思想，给出了一个初步的实现模型并对结果作了详尽的分析。     

基于EDA的并行基因表达式程序设计方法

将分布评估算法(EDA)引入基因表达式程序设计方法中,以提高其收敛速度。为减少计算时间,提高解质量,在加入EDA的基因表达式程序设计方法的基础上设计了同步和异步分布式并行算法,同时比较了同步和异步并行算法。实验结果表明,并行算法提高了运行速度和解质量。最后通过实验分析了迁移代频对并行算法的影响。     

Scalable processing and autocovariance computation of big functional data

This paper presents 2 main contributions. The first is a compact representation of huge sets of functional data or trajectories of continuous‐time stochastic processes, which allows keeping the data always compressed even during the processing in main memory. It is oriented to facilitate the efficient computation of the sample autocovariance function without a previous decompression of the data set, by using only partial local decoding. The second contribution is a new memory‐efficient algorithm to compute the sample autocovariance function. The combination of the compact representation and the new memory‐efficient algorithm obtained in our experiments the following benefits. The compressed data occupy in the disk 75% of the space needed by the original data. The computation of the autocovariance function used up to 13 times less main memory, and run 65% faster than the classical method implemented, for example, in the R package.     

低码率下图像压缩SPIHT编码的改进方法

针对SPIHT算法的不足,为了兼顾图像编解码时间与解码图像质量,提出了一种改进的SPIHT图像压缩算法。采用LS9/7提升格式小波变换,结合人眼视觉系统的特点,对原算法高低频子带的扫描方式和阈值的确定方法进行了改进;针对SPIHT算法重复扫描的问题,在编码时使用最大值链表的思想,大大减少了计算量,节省了运行时间。实验结果表明,本文提出的改进算法在图像编解码时间和重构图像质量两方面均优于原算法,尤其在低码率情况下提高了解码图像的质量。     

基于开放读码框架的GEP遗传算子

基因表达式编程（GEP）采用的已有单点重组、两点重组、插串等遗传操作有很大概率发生在基因的非编码区,导致搜索过程中遗传操作前后的基因解码成相同的表达式树,这在一定程度上影响了GEP的搜索性能。为解决这一问题,提出了一类基于开放读码框架的遗传算子,这类算子从基因的编码区中选取作用点,以保证遗传操作将改变编码区中的基因片段,从而使遗传操作后的基因能解码成不同的表达式树。实验结果表明,与已有的同类遗传算子相比,提出的遗传算子缩短了GEP算法进化代数,提高了算法的成功率。     

A Highly Efficient VLSI Architecture for H.264/AVC CAVLC Decoder

In this paper, an efficient algorithm is proposed to improve the decoding efficiency of the context-based adaptive variable length coding (CAVLC) procedure. Due to the data dependency among symbols in the decoding flow, the CAVLC decoder requires large computation time, which dominates the overall decoder system performance. To expedite its decoding speed, the critical path in the CAVLC decoder is first analyzed and then reduced by forwarding the adaptive detection for succeeding symbols. With a shortened critical path, the CAVLC architecture is further divided into two segments, which can be easily implemented by a pipeline structure. Consequently, the overall performance is effectively improved. In the hardware implementation, a low power combined LUT and single output buffer have been adopted to reduce the area as well as power consumption without affecting the decoding performance. Experimental results show that the proposed architecture surpassing other recent designs can approximately reduce power consumption by 40% and achieve three times decoding speed in comparison to the original decoding procedure suggested in the H.264 standard. The maximum frequency can be larger than 210 MHz, which can easily support the real-time requirement for resolutions higher than the HD1080 format.     

开放尾部的基因表达式程序设计

基因表达式程序设计（GEP）的染色体由具有特殊限制的头、尾组成,并要求尾部符号严格取自基本的终端集。这一做法作用明了、易于表述,基本为现有GEP所采纳,但不利于语义计算的重用。谋求突破尾部限制条件,探究一种开放尾部的新型GEP算法。该算法将运行过程产生的优良个体动态地引入种群个体的基因,从而实现运算精度的提升。符号回归实验表明,开放尾部的GEP算法在平均精度性能上要优于主流GEP方法。     

基于IFS理论的快速图象编码和解码算法

分形图象编码法具有高压缩比、高图象品质等显著优点，但其编码时间太长。文中提出的快速编码算法，用偏差图导出距离度量，用二叉树和链表结构进行搜索匹配，可使编码速度提高几十倍乃至百倍。同时，用偏差图进行解码迭代，可使解码过程加速，而还原图象质量不变。