高性能通用并行信号处理模块的设计与实现

为满足信号处理领域不断增长的任务需求并适应不同的应用场合，设计高性能通用并行信号处理模块，进而构建各类信号处理系统是一种趋势。基于对共享总线和分布式两种并行结构的理论分析，结合信号处理系统的特点，设计了一种高性能通用并行信号处理模块，它具有标准化、模块化、可扩展、可重构、混合并行模式、多层次互联的特性，通过构建典型信号处理系统验证了这些特性。     

高性能并行PIM系统中Parcels通信机制研究

基于Processor-in-Memory（PIM）技术的高性能并行系统具有可扩展性、自适应性、鲁棒性和低功耗等特性．借助于Parcels通信机制，并行PIM系统可以实现消息驱动的计算，重叠计算与通信，降低通信系统对细粒度并行应用的影响，可充分利用PIM的内部带宽和应用局部性．文章对并行PIM系统中采用的Parcels通信机制及其特点、Parcels通信模型，以及Parcels的典型应用系统进行了着重介绍，对存在的问题进行了分析并指出了进一步的研究方向．     

基于PVM的动态可伸缩并行调试器设计

ＰＶＭ（ｐａｒａｌｌｅｌ ｖｉｒｔｕａｌ ｍａｃｈｉｎｅ）正在被越来越广泛地使用，但ＰＶＭ应用程序的并行调试还是一个有待解决的难题。文中介绍了自行设计的基于ＰＶＭ的动态可伸缩并行调试器ｄｄｂｇ，主要内容包括并行调试界面、总体设计和一些关键的实现技术。ｄｄｂｇ与其它已有的消息传递并行调试器相比，最大特点是其动态可伸缩结构，它能根据应用的需要自动分布调试服务。     

一个面向神经计算的并行计算机系统的性能分析与测试

文中主要以一个面向神经计算的并行计算机系统ＮｅｕｒｏＣ为背景，讨论一种并行计算机性能分析模型，并对ＮｅｕｒｏＣ进行性能分析．根据实际并行神经计算模型、ＮｅｕｒｏＣ的结构和计算特点，给出了并行神经计算中一些与性能相关的结论，最后给出了一些系统实际测试结果．     

三维图像重建算法的并行化设计和分析

利用类体素法进行三维图像重建，速度快，精度高，本文主要从片间并行着手讨论了它的并行化设计技术，分析了在不同的数据存储情况下的计算时间和通信开锁。并在曙光一号并行上实现了基于片间并行的多线程化算法，对算法的性能进行了测试分析。     

并行视频服务器体系结构研究

分析了目前流行的并行视频服务器体系结构：分布式结构、集群式结构、并行通用计算机结构和并行专用视频服务器结构。综合其优点，针对视频应用的特点，提出了可扩展并行视频服务器体系结构，并研制了基于该结构的并行服务系统。     

遗传算法研究综述

遗传算法是一种基于生物自然选择与遗传机理的随机搜索与优化方法。近年来，由于遗传算法求解复杂优化问题的巨大潜力及其在工业工程领域的成功应用，这种算法受到了国内外学者的广泛关注。本文介绍了遗传算法的研究现状，描述了它的主要特点和基本原理，概述了它的理论、技术和应用领域，讨论了混合遗传算法和并行遗传算法，指出了遗传算法的研究方向，并对遗传算法的性能作了分析。     

网络并行程序开发环境——PVM

本文介绍了“并行虚拟机ＰＶＭ”的功能和特点，对它拉结构和程序开发方法进行了讨论，还介绍了ＰＶＭ的应用情况。把它与我们自己开发的分布图形处理支撑环境ＤＧＰＳＥ进行了比较，最后讨论ＰＶＭ获得成功的原因。     

一种改进多亲遗传算法的并行模型研究

通过分析传统遗传算法和多亲遗传算法的不足，提出了一种多亲遗传算法的改进算法：基于共享存储器的多亲遗传算法，并对其进行了理论分析，讨论了GA的并行模型特点后，结合粗粒度并行模型和群体分组的并行方式，提出了一种MGASM的并行模型，该模型有利于改进MGASM的性能，提高其搜索效率。将MGASM-PPGA应用到了数据聚类问题中，进行了仿真实验，获得了理想的实验结果。     

高性能计算机系统的研究和发展

本文先介绍构造高性能计算机系统的几种主要方法：向量巨型机、大规模并行处理机系统和工作站群机系统，对这些方法各自的特点、优势和不足进行了分析；接着对一种新型的工作站网络并行系统的研究进行了探讨；最后就当前高性能计算机系统的研究、开发和应用中的几个热点问题进行了讨论     

Simultaneous design of membership functions and rule sets for fuzzycontrollers using genetic algorithms

This paper examines the applicability of genetic algorithms (GA's) in the simultaneous design of membership functions and rule sets for fuzzy logic controllers. Previous work using genetic algorithms has focused on the development of rule sets or high performance membership functions; however, the interdependence between these two components suggests a simultaneous design procedure would be a more appropriate methodology. When GA's have been used to develop both, it has been done serially, e.g., design the membership functions and then use them in the design of the rule set. This, however, means that the membership functions were optimized for the initial rule set and not the rule set designed subsequently. GA's are fully capable of creating complete fuzzy controllers given the equations of motion of the system, eliminating the need for human input in the design loop. This new method has been applied to two problems, a cart controller and a truck controller. Beyond the development of these controllers, we also examine the design of a robust controller for the cart problem and its ability to overcome faulty rules     

基于整体轮换杂交的改进遗传算法

针对遗传算法的过早收敛问题,提出了一种新的解决方法———整体轮换杂交法,对其作用进行了讨论。对基于该法的改进遗传算法进行了实验并与其它算法进行了比较。结果表明整体轮换杂交法可以更有效地防止遗传算法过早收敛。     

The compact genetic algorithm

Introduces the compact genetic algorithm (cGA) which represents the population as a probability distribution over the set of solutions and is operationally equivalent to the order-one behavior of the simple GA with uniform crossover. It processes each gene independently and requires less memory than the simple GA. The development of the compact GA is guided by a proper understanding of the role of the GA's parameters and operators. The paper clearly illustrates the mapping of the simple GA's parameters into those of an equivalent compact GA. Computer simulations compare both algorithms in terms of solution quality and speed. Finally, this work raises important questions about the use of information in a genetic algorithm, and its ramifications show us a direction that can lead to the design of more efficient GAs     

遗传算法中遗传算子的启发式构造策略

遗传算法是影响遗传算法搜索性能的重要因素，本文研究交配算子与其搜索子空间的关系，提出了设计良好算子的指导性原则，并构造出一种启发式交配算子。     

遗传算法的全局动力学形态分析

目前，对遗传算法的运行机理分析大都集中在算法的极限收敛性等问题，对算法的全局动力学形态研究较少．从一个具有代表性的、简化的2—bit问题入手，可以对遗传算法中常用的各种进化算子及其组合进行形式化描述，从而全面分析GA的全局动力学形态．针对各种参数的选取，分别建立了4个数学模型．通过分析这些模型中各个不动点的吸引性，揭示出不同进化算子对动力学形态的影响．对于这个问题，证明了算法的全局收敛性．并指出，当存在两个被此竞争的局部极值点时，模型中只有两个吸引点和一个鞍点(或排斥点)，不存在其他的不动点或周期点．算法的收敛结果完全由初始条件处于状态空间中的位置所决定，相应的收敛区域的比例完全由模型的参数决定．     

蚁群遗传混合算法

提出了一种蚁群系统与遗传算法融合的算法。将遗传算法加入到蚁群系统的每一次迭代过程中，利用遗传算法全局快速收敛的优点，来加快蚁群系统的收敛速度。并且遗传算法中的变异机制，帮助提高了蚁群系统跳出局部最优的能力。不仅阐述了新算法的原理，而且以旅行商问题为例进行了仿真实验，实验结果表明新算法在求解时间和求解质量上都取得了很好的效果     

遗传算法染色体模式的收敛性和熵判据

该文对遗传算法迭代过程染色体模式和信息结构作了研究。提出了基于种群染色体模式与最优染色体模式距离状态空间的概念，并给出其概率分布定义和状态信息熵。证明了算法迭代过程的收敛性与模式距离状态熵的关系，得到算法收敛性的熵判据。熵判据基于统计特征值，在实际应用上具有可操作性，最后对算例进行了验证。     

基于单纯形算子的混合遗传算法

通过遗传算法（GA）与传统单纯形搜索法相结 合,并基于对遗传算法算子计算结构的调整,提出一种针对非线性规划问题的新算法——基 于单纯形算子的混合遗传算法（HGA）,仿真结果验证了这种新算法的有效性和合理性．     

遗传算法收敛性的动力学分析及其应用

遗传算法的收敛性，特别是交叉算子的作用，一直缺乏深入的理论分析，当系统动力学的方法被应用于遗传算法的运行机理分析时，可以探讨在没有变异算子情况下遗传算法的收敛性问题，从而，明确了局部极值点的含义，指出了局部极值点的存在性和存在条件，证明了遗传算法在局部极值点附近的收敛性，并针对遗传算法的各种改进给出了理论上的依据，提出了遗传算法改进的方向。     

基于WIN32并行虚拟机在演化硬件中的应用研究

利用遗传算法(GA)的群体搜索模式,在演化硬件(EHW)应用中根据其本身具有的并行性,采用并行算法提高演化速度。以Messy门模型为例,介绍了利用PVM(并行虚拟机)在演化硬件问题中提高计算速度的应用,并通过与串行算法的比较,得出了在演化硬件研究中采用并行处理的优势。