Mesh网络容错广播路由算法的概率分析

One-to-all or broadcast communication is one of the most important communication patterns and occurs in many important applications in parallel computing. This paper proposes a fault tolerant, local-irdormation-based, and distributed broadcast routing algorithm based on the concept of k-submesh-cormectivity in all-port mesh networks.The paper analyzes the fault tolerance of the algorithm in terms of node failure probability. Suppose that every nodehas independent failure probability, and deduce the success probability of the broadcast routing, which successfully routes a message from a source node to all non-faulty nodes in the networks. The paper strictly proves that the broadcast routing algorithm with the success probability of 99％ to route among all non-faulty nodes on mesh networks with forty thousand nodes, in case that the node failure probability is controlled within 0.12％ Simulation results show that the algorithm is practically efficient and effective, and the time steps of the algorithm are very closeto the optimum.     

进化算法研究进展

进化算法是一类借鉴生物界自然选择和自然遗传机制的随机搜索算法，主要包括遗传算法，（ｇｅｎｅｒｉｃａｌｇｏｒｉｔｈｍｓ，简记为ＧＡｓ）、进化规划（ｅｖｏｌｕｔｉｏｎａｒｙｐｒｏｇｒａｍｍｉｎｇ，简记为ＥＰ）和进化策略（ｅｖｏｌｕｔｉｏｎａｒｙｓｔｒａｔｅｇｉｅｓ，简记为ＥＳｓ），它们可以用解决优化和机器学习等问题，进化算法的两个主要特点中群体搜索策略及群体中个体之间的信息交换，进化算法不依赖于梯度信     

神经网络主动学习的进化算法

1 引言近年来,神经网络的研究取得了很大进展,特别是,为了克服传统的BP学习算法的缺陷,即学习速度慢和人为给定的拓扑结构对特定学习任务的不适应性,而发展的自适应神经网络的增长策略,它通过不断地增长隐节点或子网来满足给定学习任务的复杂性要求。这种神经网络的增长算法不仅克服了人为指定的拓扑结构的困难,而且由于其结构过程所固有的模块化训练特性,也缓解了传统的BP算法训练速度慢的突出问题。由于神经网络训练程度很难把握,许多算法往往过分强调训练结果而牺牲泛化结果,致使网络的过拟合问题严重。为了克服过拟合问题,研究者们采用了多网络合作模型,由于多个网络的平均效应,可以避免单个     

基于学习的进化规划算法

提出基于学习的进化规划算法，用以改进普通进化规划算法的性能，该算法－方面通过学习种群整体的进化信息用以改善种群整体性能，具有大范围快速搜索的特点，另一方面该算法强调学习种群中个体的进化信息，单一个体以当前代的最优化个体作为学习目标，用以加大当前最优解附近的搜索力度，具有局部“细搜”的特点，该进化规划算法不仅能够加快算法的收敛速度，而且能够有效地保证种群的多样性，用该方法可求解具有多个极值点的函数优化问题，计算要仿真实验结果表明该方法是非常有效的。     

局部子立方体连通的超立方体网络容错路由算法和概率分析研究

In this paper, first we analyze and give opinions of fault tolerant routing and probabilistic analysis. Then,on the basis of locally subcube-connected hypercube networks, we put forward some ideas to develop efficient fault tolerant routing algorithms and powerful probabilistic analysis techniques to study fault tolerant models and the corre-sponding routing algorithms, which is of great importance to the research of parallel computer interconnection net-works.     

进化神经网络研究进展

进化神经网络是将进化算法应用于神经网络的构造、学习而得到的神经网络，具有很强的鲁棒适应性。综述了进化神经网络方法及其应用研究新进展，对研究中出现的一些问题进行了讨论与展望。     

混合量子进化算法及其应用

文章将量子进化算法(QEA)和粒子群算法(PSO)互相结合,提出了两种混合量子进化算法。第一种算法叫做嵌入式粒子群量子进化算法,其主要思想是将简化的PSO进化方程嵌入QEA的进化操作中,简化了QEA算法的结构,增强了QEA跳出局部极值的能力。第二种算法叫做量子二进制粒子群算法,其主要思想是将QEA中的量子染色体的概念引入二进制粒子群算法(BPSO),提高了BPSO算法保持种群多样性的能力和运算速度。通过对0-1背包问题和多用户检测问题的求解表明,新的算法不仅操作更简单,而且全局搜索能力有了显著的提高。     

三维Mesh网络容错路由算法及其概率分析

基于三维Mesh网络中k-Mesh子网连通的概念提出一个简单的基于局部信息和分布式的容错路由算法，并对其容错性进行概率分析．假设每个结点具有独立的出错概率，推导出路由算法成功返回由正确结点组成的路径的概率,结果表明即使三维Mesh网络上非常简单的路由算法也有相当高的成功概率．算法的时间复杂性是线性的,所构造的路由路径长度非常接近两点间的最优路径长度．另外，基于k-Mesh子网容错模型提出的容错路由算法是基于局部信息的和分布式的，因而具有很好的实际意义．     

多因子进化算法研究进展

多因子优化是一类新的优化问题。多因子进化算法受到多因子遗传模型的启发,利用进化个体的单一种群,能够同时求解跨域的多个优化问题。它属于一种文化基因算法,是智能计算领域新近涌现的研究热点。介绍了多因子进化算法的生物学基础、算法流程,以及文化基因算法的基本概念。然后从工作机理、算法改进、典型应用领域等角度,系统总结了前人的理论和应用成果。最后,指出了将来研究所面临的若干挑战和机遇,以推动学科发展。     

二变量边缘分布算法及其性能研究

该文研究二变量边缘分布算法,着重讨论了算法的快速实现问题。在此基础上,利用测试函数分析了算法求解问题的能力。实验结果表明,算法具有较好的性能。     

进化算法在job-shop调度问题中的应用研究

研究了应用进化算法(遗传算法(GA)和进化规 划(EP))以及混合模拟退火进化算法(SAGA和SAEP)求解job-shop调度问题．仿真实验结果表 明这四种算法是可行的．文中最后对它们的优劣作了比较．     

基于生殖策略的多模式进化算法

本文借鉴生物在生态环境中的生死策略,提出了一种多模式生态进化算法,该算法主要体现了生物面对同一生态压力可采用不同生殖策略的思想,反映了生物在生态环境中进化的多样性和多层次性,本文同时将该算法应用于典型优化问题求解实验结果表明此算法具有良好的性能。     

基于演化算法的一类时间表问题的自动求解

本文给出了一种有效的基于演化算法的求解大学的时间表总理２（编排课程和考试）即在很强的资源约束条件下将一些事件（课程或考试）安排到时间段和空间位置的总理２的方法,此方法有杉直接的时间表编码表示和启发式深化算子,并通过惩罚函数保证对约束条件的满足,计算实验表明方法在求解大学考试时间表问题中是有效的。     

基于概率验证的可分电子现金系统

给出了一种概率验证方案,以决定匿名可分电子现金系统在支付时采用联机验还是脱机验证,从而减少,机电子现金系统由于用户的重复支付而产生的损失额,同时为消除由于加入概率证方案而增加的支付时间,采用并行处理的方法以提高效率。     

基于免疫原理的多目标进化算法群体多样性研究

在多目标进化系统中一个关键问题是必须采取某一措施来保持群体多样性.本文将自然生命的免疫机制引入多目标进化过程,提出一种基于免疫原理的多目标进化算法群体多样性保持策略,并给出了具体设计方法.最后以两个目标的流水车间作业调度问题为例进行计算机模拟求解,将本文方法与"多目标遗传算法"的计算结果进行了对比,实验表明该方法能有效保持群体多样性,多目标优化结果的性能较好.     

基于演化算法的纹理合成图像修复技术

针对Criminisi算法中计算待修复块优先级时存在的一些不足及搜索最佳匹配块效率低的问题,提出一种基于演化算法EA(Evolutionary Algorithm)的纹理合成图像修复技术。该算法首先从等照度线方向和梯度方向共同考虑待修复块的优先权,并根据梯度的变化来控制模板窗口的大小,然后提出用演化算法在待修复区域周围搜索最佳匹配块,最终达到快速准确修复图像的目的。仿真实验表明,提出的新算法与传统算法相比具有更快地收敛速度和更好地修复效果,其综合性能优于Criminisi算法。     

一种基于邻居支配关系的偏好多目标进化算法

传统多目标优化算法得到的解集是整个Pareto最优面,需要花费大量精力在Pareto最优解的搜索上,同时当问题目标个数较多时,决策者很难从大量的解中选出自己最满意的解。因此,针对上述问题,提出一种基于邻居关系的偏好多目标进化算法。该算法通过一个邻居支配关系对非支配个体集进行适应度分层,借助参考点引导个体种群向决策者感兴趣的区域靠近。通过与几种经典的偏好多目标进化算法进行比较实验,结果表明,所提出的算法能引导种群趋近于决策者最满意的区域。     

并行量子进化算法的研究与实现

分析讨论并行进化模型理论及性能,提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙.并给出了多宇宙的并行拓扑结构,提出了宇宙内采用免疫量子进化算法,宇宙之间采用基于学习的移民和模拟量子纠缠的交互策略进行信息交换.这样能提高种群多样性,有效克服早熟收敛现象.算法综合了量子计算的天然并行性和免疫算法的充分自适应性,它比传统的进化算法具有更好的种群多样性,更快的收敛速度.通过并行实验验证了该算法的优越性.     

基于交互式进化计算的虚拟表情建模

探讨如何训练虚拟人物表情这一新课题,提出了将TSK模糊神经网络应用于虚拟人物表情的建模研究,并用交互式进化计算对TSK模糊神经网络进行训练.实验结果表明,当该算法应用于虚拟人物表情建模时,比传统的进化计算具有更快的收敛速度,而且该算法融合了进化计算的全局优化和人的主观判断,使得表情输出更加符合用户的需要.从而使得不同的动画导演利用这个系统,能够根据自己的知识产生出符合自己要求的虚拟表情输出.