基于共享与分布随机数的并行粒子发射算法

对高功率微波三维电磁PIC数值模拟中采用束流发射方式的粒子随机生成规律进行了研究.提出了一种基于共享与分布随机数的并行粒子发射算法,以满足多个处理机对单个随机数产生器产生的随机数序列的共享和分布需求,即共享部分随机数,而分别使用其他随机数.这些共享和分布需求在程序运行前是非确定性的.将该并行算法用于一典型高功率微波源器件中模拟,数值实验表明并行程序可以较好地吻合串行程序得到的粒子相空间物理图像.     

一种基于CUDA平台的随机数算法研究与实现*

目前,伪随机数算法在科学研究领域已取得广泛的应用,但也被证明存在均匀性较差的不足。新近的准随机数算法相对于伪随机数算法牺牲了随机性、提高了均匀性。首先结合两类算法各自的优缺点,提出一种基于Sobol序列随机数算法的改进方法,该方法能够获得具有良好统计性的随机数序列样本。其次,基于CUDA平台对该准随机数算法进行并行加速的改进,提高随机数序列的产生速度。最终通过统计和图表检验,验证了该方法的可行性;证明了当产生131072个随机数时,相对于传统的CPU串行运算,加速比已经达到上百。     

一种软件生成真随机数的算法研究

探讨了随机数的本质,就是要保证每一个bit位都是随机确定的,提出了一种基于软件实现的真随机数生成方法。首先根据计算机上的一些随机性事件作为源,来生成一个由0和1组成的随机序列,然后对其进行进一步的随机化处理,以进一步增强其随机性,最后根据这个二元序列来生成所需要的随机数。基于这种设计思想,提出了一种具体的实现,根据鼠标在计算机屏幕上的随机曲线来生成二元序列,然后使用线性同余法对其进行进一步处理。     

基本和混合元胞自动机的伪随机数发生器研究

针对基本元胞自动机（Cellular Automata,简称CA）、混合CA的伪随机数发生器进行了深入的研究,通过对比实验观察到混沌型基本CA输出的伪随机序列质量稳定并较优,而混合CA输出伪随机序列的相关性,尽管优于基本CA的平均表现,但远差于混沌型基本CA的表现。针对混合CA的伪随机数发生器,提出了一种基于混合CA与粒子群优化（Particle Swarm Optimization,简称PSO）算法融合的伪随机数产生算法。在该算法中,元胞对应于PSO的粒子,每个元胞按照各自不同的规则进行迭代演化,其对应粒子在迭代规则空间中飞行。该算法通过计算每个元胞产生伪随机序列的熵值作为粒子的适应度函数值,有效地实现每个元胞最佳规则的搜索,一定程度上提高了混合CA产生伪随机序列的质量。给出了基于小生境技术、构造出最优CA-PSO耦合伪随机数发生器的研究方向。     

一种改进的伪随机数算法研究

传统二维Logistic映射算法生成的伪随机数均匀性不高。为此,提出一种改进的伪随机数算法。对一维Logistic映射以及二维 Logistic映射进行分析,基于迭代参数优化技术,引入取模运算解决序列超界问题。实验结果表明,该改进算法产生伪随机数的均匀性较高,安全性较好。     

一种改进的伪随机数算法的研究

传统的二维Logistic映射因算法自身的缺陷,其生成的伪随机数的均匀性不高,从而影响由此所产生的伪随机数的安全性。文章在对一维和二维Logistic映射分析的基础上,利用迭代参数优化技术,提出一种改进的伪随机数生成算法,并通过引入取模运算来解决序列超界的问题。实验表明,改进算法所产生的伪随机数的随机性较好。     

信息隐藏中伪随机序列碰撞问题的算法改进

将秘密信息嵌入到有限大的载体图片的过程中,一般利用伪随机序列来选取要嵌入信息的像素点的位置。当秘密信息足够大时,伪随机数发生器产生的伪随机序列会重复出现,从而产生碰撞。如果选择跳过重复的位置,嵌入到有限大的载体图片中的秘密信息量将受限。因此,提出了一种改进算法,当伪随机数发生器产生的序列重复出现时,不跳过重复位置,正常进行嵌入操作,并将该重复位置上的操作过程以某种形式记录并保存;逆向提取时,通过密钥和该操作记录提取密文。该改进算法结合了密码学与信息隐藏技术,极大地扩展了嵌入到有限大的载体图片中的秘密信息的隐藏量,提高了信息隐藏过程的安全性。     

一类长周期的伪随机数序列

１．引 言 近年来,随着计算技术的迅猛发展,在计算机上利用 Ｍｏｎｔｅ－Ｃａｒｌｏ方法（亦称随机模拟）解决科学及工程实际问题已经成为现实．不过对此还要涉及到随机数ξ～（０,１）．然而生成真正的ξ～（０,１）却十分困难．一般都是依照一定的规则在计算机上生成伪随机数序列取代ξ（～０,１）,以用于随机模拟工作． 为获取品质优良的伪随机数序列以提高随机模拟结果的有效性,人们不断地提出多种伪随机数发生器即生成方法［１］．特别地,九十年代初由Ｍａｒｓａｇｌｉａ等［２］问提出的进位加法（ａｄｄ－ｗｉｔｈ－ｃａｒｒ…     

新的基于D-序列的随机数产生器

针对现有随机数产生器计算消耗大和占用空间多的问题,提出了一种新的基于D-序列的随机数序列产生器。通过在现有D-序列的产生过程中引入随机变量来产生更长的任意进制的新的随机D-序列。它不仅继承了原有D-序列结构简单,计算复杂度低,存储需求少和随机特性好的特点。还克服了原有D-序列长度有限的运用限制。通过自相关性、互相关性和概率分布分析证明了该新D-序列的随机特性比现有D-序列更优良。这些特性使它比现有的其他复杂随机数产生器(如混沌随机数产生器和硬件随机数产生器)更适合于具有节点计算能力有限,存储空间有限和能量有限的无线传感网络。     

PrefixSpan算法与CloSpan算法的分析与研究

数据挖掘领域的一个活跃分支就是序列模式的发现,即在序列数据库中找出所有的频繁子序列。介绍序列模式挖掘的基本概念,然后对序列模式中的经典算法PrefixSpan算法和基于PrefixSpan框架的闭合序列模式CloSpan算法进行了描述,并对它们的执行过程及其特点进行了分析与比较,总结了各自的优缺点,指出PrefixSpan算法适用于短序列方面挖掘,而CloSpan算法在长序列或者阈值较低时胜过PrefixSpan算法且CloSpan算法挖掘大型的数据库有更好的性能,得出的结果对序列模式挖掘的设计有重要的参考价值。