基于硬件可编程逻辑的SAT求解算法研究与进展

布尔可满足性SAT问题作为第一个被证明的NP完全问题,是计算机理论与应用的核心问题,有着重要的应用价值,因此近年来涌现了各种各样SAT求解器。但是,SAT求解器的运算效率始终是影响其应用的关键因素,所以利用硬件的高性能与并行性来加速SAT求解过程已成为验证领域的一个研究热点。归纳总结了在SAT求解过程中,利用硬件现场可编程门逻辑FPGA的并行性和灵活性加速求解过程的各种算法研究,着重总结分析了应用型SAT求解器的加速策略。通过对各种方法的深入分析,指出它们的优缺点,为未来的研究提供了思路。     

基于Kinect的机器人辅助超声扫描系统研究

提出一种采用Kinect传感器作为视觉伺服的机器人辅助超声扫描系统,来规划引导机器人的扫描路线,以实现机器人辅助的超声扫描操作。系统由Kinect传感器、机器人和超声探头组成。采用Kinect实时获取超声探头的RGB图像和深度图像,并计算探头当前位姿,结合坐标系配准结果,得到机器人的位姿信息,再根据术前的机器人轨迹规划,引导机器人的超声扫描路径。开展腿部模型实验验证本系统的可行性,通过对Kinect传感器的相机标定实验,计算得到了RGB相机和深度相机的内外参数,通过对探头上标识物的定位,进而计算出探头当前位姿,结合Kinect与机器人坐标系的配准结果,得到了两者的转换矩阵,并对机器人的位置给出指令,引导机械臂夹持探头到达指定扫描位置。在机器人夹持超声探头扫描过程中,实时计算探头与腿部之间的距离,以保证所采集超声图像的质量及扫描操作的安全性。实验结果表明,在Kinect视觉系统的导航引导下,机器人可以夹持超声探头实现自主超声扫描,以减少超声医师的扫描时间,降低医师的劳动强度。     

机会网络中基于能量消耗的缓存管理策略

为了减少机会网络中节点的能量消耗,均衡各节点之间能量使用情况,延长网络寿命,提出基于能耗的缓存管理策略。在节点缓存空间有限的情况下,所提出的算法根据周围邻居节点能量的使用情况,动态调整节点用于缓存转发消息空间的大小,从而减少节点在存储-转发过程中的能量消耗。同时,为了避免传统休眠机制的能耗路由算法中由于目的节点休眠而导致消息投递失败的情况,引入了新的Inactive节点状态。实验仿真表明,与定时休眠机制的能耗算法比较,采用基于能量消耗的缓存管理策略能够使得机会网络中所有节点的整体能耗降低50%左右,并且节点之间能耗的标准差降低80%以上。     

一种基于EEMD的新型谐波误差分析策略

针对电力系统中严重的谐波干扰问题,为提高其运行的安全有效性,去除谐波干扰并提高系统稳定性能成为研究热点。电网中常存在频率强烈波动或者白噪声强烈干扰的现象,虽说三谱线插值的FFT算法(基于Kaiser窗)的抗干扰能力很强,谐波参数估计也可以有较高的精准度,但是远不及使其与平均经验模态的总体水平来分解谐波的检测算法(EEMD)与直线度误差分析相结合。应用直线度误差来分析信号的谐波成分,有机结合了三谱线插值的FFT(基于Kaiser窗的)谐波检测分析法。通过对整体谐波分量的在线监测,不仅能够提高稳态信号的检测精度,还能提高系统的动态性能。本分析策略大限度地提高了计算精度以及系统稳定性。通过仿真分析得知,所述方法可以使系统具有较强的抑制频谱泄露能力,并能够显著降低栅栏效应的发生概率,进而使电力谐波信号的幅值误差、初相位误差和频率误差分别低于0.004 1%、0.002 4%和0.003 9%。     

工业软件现场测试中的拆分及其测试数据设计

在工业软件的用户生产现场测试中,可能由于操作风险、用户生产限制等约束而导致测试不充分,针对实践中的难点提出新的现场测试过程及其测试数据生成方法。定义了测试拆分子集及相关属性概念,根据现场因素设计的测试拆分子集提高了现场测试可主动性;综合现场因素设计拆分方案,采用针对性的辅助管理程序引导每个测试拆分子集的现场测试的实施;通过对生产现场的历史数据的处理建立针对各测试拆分子集的测试准备数据库,以搜索测试准备数据库的结果为依据并结合现场因素设计现场主动测试的输入数据,并说明了实践中的综合实施过程。通过石化生产优化控制系统的现场测试的实际案例,说明了这种方法能够在预防风险的前提下显著提高现场测试的充分性和测试效率。     

基于粒子群蚁群算法的供应链合作伙伴选择研究

针对供应链合作伙伴选择的准确性和效率问题,提出一种基于粒子群和蚁群优化的合作伙伴选择算法。建立基于供应链链节体和连接弧的有向图路径模型,构造多目标规划模型。利用改进的离散型粒子群算法,求取伙伴选择问题的初始解集,构建初始信息素矩阵,通过改进蚁群算法的寻径规则,求取供应链合作伙伴选择问题的最优解。实验结果表明,所提算法有效提高了供应链合作伙伴选择的精度和效率,具有较好的性能。     

协同过滤技术的改进研究

协同过滤算法应用于个性化推荐系统中取得了巨大成功,它是通过用户项目评分数据,以用户之间或者项目之间相互协作的方式来产生推荐。然而,邻居用户的相似度计算不精确一直是阻碍推荐系统推荐精度进一步提高的主要因素。从提高用户间相似度计算精度出发,提出了一种改进算法,该算法通过考虑不同特征、加强平均值影响、惩罚热门项目的比重,对用户的相似度计算方法进行改进,以期生成更加合理的邻居用户集,最后,根据评分预测公式进行预测,最终产生推荐。在MovieLens数据集上的实验表明,改进算法计算用户间的相似度更加精确,推荐算法的预测精确度有了显著提高。     

一种基于倒排索引树的增量更新关联挖掘算法

增量更新关联规则挖掘主要解决事务数据库中交易记录不断更新和最小支持度发生变化时关联规则的维护问题。针对目前诸多增量更新关联规则挖掘算法存在效率低、计算成本高、规则难以维护等问题,提出一种基于倒排索引树的增量更新关联挖掘算法。该算法有效地将倒排索引技术与树型结构相结合,使得交易数据库中的数据不断更新和最小支持度随应用环境不同而不断改变时,以实现无需扫描原始交易数据库和不产生候选项集的情况下生成频繁项集。实验结果表明,该算法只需占用较小的存储空间、且检索项集的效率较高,能高效地解决增量更新关联规则难以维护的问题。     

CRF和词典相结合的蒙古文地名识别研究

蒙古语在命名实体识别方面开展过人名的识别,但在地名的识别方面还没有开展相应的研究。首次实现了基于条件随机场模型的蒙古文地名识别。首先从蒙古语黏着性特点分析入手,研究了蒙古语语料库中地名的存在形式以及各类地名的特点,针对蒙古语语料库中地名的特点,在词汇特征、指示词特征、特征词特征等特征基础上引入了词性特征。之后通过地名词典补召了未识别的地名。以内蒙古大学开发的100万词规模的标注语料库为训练数据,该模型的地名识别性能达到了94.68%的准确率、84.40%的召回率和89.24%的F值。     

基于人工蜂群的连续域蚁群优化算法

连续域蚁群优化算法是蚁群优化算法的一个重要研究方向,针对连续域蚁群优化算法(ACOR)计算时间较长、易陷入局部最优的问题,提出了一种基于人工蜂群的连续域蚁群优化算法(ABCACOR)。首先,引入一种替代机制来选择指导解,以替换原来的基于排序的选择方式,目的是节约计算时间和尽可能地保持搜索的多样性;其次,结合人工蜂群算法的搜索策略来提高算法的全局搜索能力,进一步减少计算时间和提高求解精度。通过对大量的测试函数进行仿真实验,结果表明,ABC-ACOR算法较现有的一些连续域蚁群算法具有更好的寻优能力。