一般正交曲线坐标系中的WEFDTD

相对于时域有限差分法,波动方程时域有限差分法(WEFDTD)具有程序简单、节约内存和机时等优势,但目前WEFDTD的应用还局限于直角坐标系,计算精度也只有二阶.为了把WEFDTD推广到一般正交曲线坐标系(GOC),在GOC中用中心差分离散波动方程,得到了GOC中具有二阶精度的WEFDTD迭代公式.为了提高计算精度,用泰勒公式和波动方程把对时间的导数转化为对空间的导数,用具有高阶精度的导数近似公式替代泰勒公式和波动方程中对空间的导数,实现了GOC中的WEFDTD的高阶算法.相对于具有二阶精度的算法,高阶算法没有增加存储量.数值实验证实了方法的有效性.     

三维叠前偏移系统的分析和并行

三维叠前偏移是石油勘探中的一种新型方法，在国际上有诸多研究，并已 在实际地震资料处理中得到了充分验证。但是该方法的计算量和Ｉ／Ｏ量很大，难以在常规的计算机平台上进行实际生产应用。本文主要阐述三维叠前偏移系统的分析结果，以及在巨型计算机上并行实现所采用的系列算法和软件结构。该系统已经在巨型计算机上成功实现，并可以投入生主运行。     

大尺度图像编辑的泊松方程并行多重网格求解算法

随着获取设备的发展,大尺度、高分辫率数字图像已逐步进入人们的生活,大尺度图像的梯度域编辑显得更为重要,求解大规模未知数的泊松方程是大尺度图像梯度域编辑的关键。传统多重网格算法的迭代、约束和插值操作单独进行,内存和外存间通讯量大,算法效率低,为此提出了一种面向大尺度图像梯度域编辑的并行多重网格求解泊松方程的算法。该算法利用多重网格的迭代、约束和插值过程的内存数据访问局部性和更新相关性,构造滑动工作窗口,使迭代、约束和插值操作并行运行,提高了多重网格算法求解泊松方程的计算效率。全景图拼接实验表明,所提算法的运行效率高于超松弛迭代、高斯塞德尔迭代和传统多重网格算法。     

使用GPU加速渲染真实感水波效果的研究

为了提高水面波动效果模拟的实时性并保持真实感,提出一种基于可编程图形处理器(GPU)的向量代数运算模型,并使用该模型求解水波动方程以加速水波仿真过程.给出了模型的数据结构定义和数据操作设计,对二维水波微分方程进行离散化处理,将其表达为矩阵矢量相乘的形式,再采取共轭梯度法进行求解,以获得代表水面的高度图.通过高度图信息来生成法线,从而获得水面反射和折射效果.实验结果表明,该算法充分发挥了GPU的高速性能优势来求解复杂的水面波动方程,能有效提高真实感水波纹模拟的效率.     

FFD算法的研究与应用

排课问题是一个有约束的、多目标的组合优化问题,而FFD(First Fit Decreasing)算法是计算机数学组合优化的近似算法。文中针对排课中教室分配问题,引入FFD算法,采用首次适应贪婪思想,先将教室和课程按容量和上课人数从大到小排序,然后依次从前往后选择最先适合教室分配给课程。以国际自动排课问题研究团队(WATT)组织的第二次国际竞赛数据和规则为基准,通过与二部匹配算法、NFD(Next Fit Decreasing)和NF(Next Fit)策略进行比较,FFD算法能在最优安排全部课程的上课教室前提下,对于竞赛给定的惩罚函数,所得惩罚值最小,并且教室利用率最高。     

FFD算法的研究与应用

排课问题是一个有约束的、多目标的组合优化问题,而FFD（First Fit Decreasing）算法是计算机数学组合优化的近似算法。文中针对排课中教室分配问题,引入FFD算法,采用首次适应贪婪思想,先将教室和课程按容量和上课人数从大到小排序,然后依次从前往后选择最先适合教室分配给课程。以国际自动排课问题研究团队（WATT）组织的第二次国际竞赛数据和规则为基准,通过与二部匹配算法、NFD（Next Fit Decreasing）和NF（NextFit）策略进行比较,FFD算法能在最优安排全部课程的上课教室前提下,对于竞赛给定的惩罚函数,所得惩罚值最小,并且教室利用率最高。     

PC Cluster实现三维叠前深度偏移并行计算的负载平衡策略

运用用集群式并行机结构的软硬件特点,进行波动方程三维叠前深度偏移,已成为加速其庞大计算的有效工具。而集群式并行机节点之间的负载平衡,则是制约并行计算算法加速比的关键问题。文中提出运用堆排充算法以动态分配各节点计算任务,并以频率域共炮集波动方程三维叠前深度偏移并行算法为例,展示负载平衡的实现过程,测试结果表明,文中提出的负载平衡并行算法具有良好的加速比及并行效率。     

不确定工业过程运行指标异步更新强化学习决策算法

运行指标决策问题是实现工业过程运行安全和生产指标优化的关键.考虑到多运行指标决策问题求解的复杂性和工业过程生产条件动态波动引发生产指标状态的不确定性,提出了一种策略异步更新强化学习算法自学习决策运行指标,并给出算法收敛性的理论证明.该算法在随机自适应动态规划框架下,利用样本均值代替计算生产指标状态转移概率矩阵,因此无需要求生产指标状态转移概率矩阵已知.并且通过引入时钟和定义其阈值,采用集中式策略评估、多策略异步更新方式用以简化求解多运行指标决策问题,提高强化学习的学习效率.利用可测量数据,自学习得到的运行指标能够保证生产指标优化,并且限制在规定范围之内.最后,采用中国西部某大型选矿厂的实际数据进行仿真验证,表明该方法的有效性.     

一种基于GPU的逆时偏移并行算法

逆时偏移可以对来自大角度甚至超过90°反射界面的反射波精确成像,是解决地下复杂构造成像的有力工具,但是由于传统PC集群和基于该架构的逆时偏移应用软件无法满足其对计算能力的需求,因而阻碍了该方法的应用和推广。提出一种基于GPU的逆时偏移并行加速算法,从而极大提高逆时偏移的并行度和运算效率,使逆时偏移的运行效率相对于PC集群达到数十倍的提高。将逆时偏移和单程波动方程成像结果进行比较,结果表明:基于GPU的逆时偏移的并行算法不仅能满足巨大的运算量需求,同时其成像效果更精确。     

声波数值模拟中的多核并行方法研究

波动方程数值模拟普遍存在计算量大的问题,如何根据波动方程有限差分方法的特点开展并行化方法研究是适应微机多核发展的必然趋势。结合波动方程数值模拟中的多层循环嵌套问题和OpenMP的特点,通过确定循环体并行顺序、减少串行环节、合并循环体、准确设置制导语句以及线程绑定优化等方法有助于实现微机多核的高效并行。针对波动方程特点的多核并行不仅有助于提高单机计算效率,对于提高计算机集群上常用的MPI+OpenMP混合并行效率也具有重要意义。