基于思维进化与空间分解并行演化算法研究

在分析已有的演化计算并行化实现策略的基础上,构造一种基于思维进化与空间分解并行策略的演化算法(MLSP-PEA).将思维进化与空间分解技术相结合,采用趋同与异化操作,获得了较好的解精度以及可扩展性.自强3000上的实验结果表明,在处理多维函数优化问题时,MLSP-PEA与基于空间分解并行策略的演化算法(SP-PEA)相比具有更好的解精度以及更快的收敛速度.     

基于空间分解的三角网格模型求交方法

三角网格模型间的求交问题是计算机辅助设计与制造领域的关键问题之一.分析了已有空间分解技术和包围盒方法等的优缺点,并在此基础上提出了改进的空间分解求交方法. 该算法能够精确定位三角形所占的空间网格,一定程度上减少了需要求交的三角形的数量.实验的结果表明,改进的算法提高了采用空间分解进行三角网格求交的计算效率.     

基于混合思维进化计算的网格资源分配算法

分布式、异构的网格环境中独立计算任务的有效调度是一个关键问题。由于在这样的环境中找到一个最优的调度是一个NP难问题,通常运用各种启发式算法来找到近似最优解。本文将思维进化计算和禁忌搜索算法结合起来,充分发挥各自的优势,并用实验证明了运用混合思维进化计算进行网格资源分配的有效性。     

基于思维进化计算和蚂蚁算法的网格资源分配

网格环境中的资源调度是网格技术的核心问题之一,启发式方法在解决复杂困难的系统优化问题方面具有优越性,成为最通用的解决方案。将思维进化计算和蚂蚁算法2种新型的启发式优化算法融合,利用思维进化计算的快速寻优能力产生信息素的初始分布,再利用蚂蚁算法的正反馈机制求得最终优化解,并将该融合算法用于网格资源的动态分配研究。实验验证了该分配方案的有效性。     

基于容错机制的精细药物分子对接网格

针对药物分子对接的搜索空间大、耗费时间长、对计算环境要求高等问题,给出一种将网格技术应用于药物分子对接的方案。基于遗传算法多种群竞争机制的对接演化模型GasDock,以信息熵控制空间的收缩,增强进化的目的性,提高对接效率。提出局部类树型结构及结点失效的容错机制,提高了精细药物分子对接任务的效率及容错性。测试结果证明了精细药物分子对接与网格技术相结合的合理性和有效性。     

基于移动代理的网格作业管理模型的研究

网格作业管理是网格的最主要的功能之一,主要涉及到网格计算环境下作业调度和分配、作业分解和迁移、负载平衡等问题.介绍了一种引用移动代理Agent技术的网格作业管理模型,并针对该系统依次详细地描述了其中的作业提交与发布、作业调度以及作业的分解和迁移,最后给出基于移动代理的网格作业管理模型的原型系统,并对该系统作单机与联机的性能进行分析和比较.     

基于空间矢量变换的模型约束变形

基于空间矢量线性变换知识,提出了一种新的多边形网格模型变形方法。在三维模型空间选择一点作为约束源,并设置此约束源的影响半径。通过计算约束源与三维模型网格面片顶点之间的距离来确定待变形局部顶点区域。把空间矢量的线性变换应用到网格面片顶点变形所需的向量函数,依此函数直接精确地计算出网格面片顶点的新位置,从而实现模型的变形。通过对算法原理的进一步分析扩展了该变形方法的应用范围。     

基于融合进化计算的网格任务调度算法

在网格计算中,任务调度是一个重要的组成部分。针对网格环境异构、分布等特点,该文结合遗传算法与蚂蚁算法的优点,在双层进化结构基础上,提出了一种基于融合进化计算的网格任务调度算法。模拟实验结果表明：在网格环境下,调度算法具有明显的优势。     

基于遗传算法与思维进化计算的一种广义进化模型

本文在遗传算法(Genetic Algorithm，简记GA)与思维进化计算(Mind Evolutionary Computation，简记MEC)的基础上，提出了一种广义进化模型(Generalized Evolutionary Model，简记GEM)、该模型用微演化与宏演化两个过程，分别模拟人类的思维学习方式与自然进化，并通过概率趋同、信息迁移、自适应变异算子将两个过程有机的结合起来，从完全意义上模仿了人类的进化．该模型既能有效的克服遗传算法的本质缺陷，又能拓展思维进化计算的理论基础及应用范围．数值优化的仿真结果证明了该模型的有效性。     

基于分解的多目标花朵授粉算法

在过去几十年里，许多多目标进化算法被广泛应用于解决多目标优化问题，其中一种比较流行的多目标进化算法是基于分解的多目标进化算法(MOEA/D)。花朵授粉算法是一种启发式优化算法，但迄今为止，花朵授粉算法在基于分解的多目标进化算法领域的研究还非常少。本文在基于分解的多目标进化算法的框架下，将花朵授粉算法拓展至多目标优化领域，提出一种基于分解的多目标花朵授粉算法(MOFPA/D)。此外，为了保证非支配解的多样性，本文提出一种基于网格的目标空间分割法，该方法从找到的Pareto最优解集中筛选出一定数量且分布均匀的Pareto最优解。实验结果表明，基于分解的多目标花朵授粉算法在收敛性与多样性方面均优于基于分解的多目标进化算法。     

基于图的分布式并行基因编程模型

基因编程(GP)算法具有天然的并行性,因此出现了并行分布式GP模型,如主从模型、岛屿模型和网格模型等。但是实现这些分布式模型的算法过程复杂,不具有可重用性,很难依据不同拓扑结构来快速实现大规模的GP计算。针对这些缺点,提出了基于图的并行分布式GP模型,形式化地描述了图中的各种GP操作,使其能够支持不同拓扑结构的GP分布式并行计算。经过实验测试,该模型能够实现上述三种GP模型,并具有稳定、高效、易实现的特点。     

基于资源预测的网格任务调度模型

跨越虚拟组织中多个域(或集群)的网格任务调度由于资源的不确定性（如动态性和异构性）而成为网格应用中亟待解决的问题。提出了一种有效的基于资源预测的网格任务调度模型——RPTS,该模型利用加权最小二乘方法进行参数估计的自回归滑动平均(ARMA)预测方法对网格环境下的主机负载进行预测。利用上述资源预测结果和一类数据并行性网格任务的建模结果,对它们进行预处理、匹配并调度执行。RPTS充分考虑了网格环境下资源的动态性和异构性,为解决网格环境下任务调度问题提供了一种较好的方法。与其他一些网格任务调度方法进行了一系列的仿真实验,结果表明RPTS模型具有任务执行时间最短和稳定性较好的特点。     

网格计算池模型实现的一些关键技术研究

网格计算池是近年来针对传统“累加”式网格计算模型中网络带宽受限制、通信延迟、通用性不强等缺陷提出的一种新型网格模型。并行计算环境与任务调度管理作为超级计算资源中的重要组成部分,由于其专业性与普及度的影响,长期以来应用的侧重点都更多地在于计算的速度与效率上,在系统开放性上并不注重,对于其二次开发如在网格计算池中的应用更是不多见。就并行计算环境的优化、针对于网格计算池模型应用中的配置和任务调度管理软件以及利用IFL实现网格计算池模型接口中的一些关键问题进行了研究。     

混合重叠网格通信优化算法

重叠网格技术广泛应用在复杂外型和运动边界问题的流场数值模拟中.本文在并行重叠网格隐式挖洞算法实现的基础上,提出了笛卡尔辅助网格和多块结构网格的混合重叠网格方法.通过笛卡尔辅助网格实现重叠网格洞边界和网格插值关系的快速建立.通过定义重叠区域网格权重、部件网格与背景网格绑定的方法,建立了混合网格的并行分配模式,有效减少重叠插值信息在各进程间的通信,实现计算负载和通信负载在各个进程的均匀分配.测试表明该方法可应用于数千万量级的重叠网格系统,可扩展至千核规模,高效的实现多个物体构成的复杂网格系统的重叠关系建立.     

An efficient path computation model for hierarchically structured topographical road maps

In this paper, we have developed a HiTi (Hierarchical MulTi) graph model for structuring large topographical road maps to speed up the minimum cost route computation. The HiTi graph model provides a novel approach to abstracting and structuring a topographical road map in a hierarchical fashion. We propose a new shortest path algorithm named SPAH, which utilizes HiTi graph model of a topographical road map for its computation. We give the proof for the optimality of SPAH. Our performance analysis of SPAH on grid graphs showed that it significantly reduces the search space over existing methods. We also present an in-depth experimental analysis of HiTi graph method by comparing it with other similar works on grid graphs. Within the HiTi graph framework, we also propose a parallel shortest path algorithm named ISPAH. Experimental results show that inter query shortest path problem provides more opportunity for scalable parallelism than the intra query shortest path problem.     

MG方法,FMG方法的自适应并行算法

本文给出多重网格(Multigrid,简称MG)法和完全多重网格(Full Multigrid,简称FMG)法的自适应并行算法。细网到粗网的插值转换均采用同步并行计算,且网格层间迭代转换是自适应的。实际计算表明:自适应同步并行MG、FMG算法可以实现,且后者比前者效率高。对于算法实现中的一些问题,本文亦做了讨论。     

非结构网格粒子输运Sn并行算法

本文基于网格区域剖分,提出了一种新的非结构网格粒子输运Sn并行算法,实现了多个角方向和多个能群的同时计算,在计算的过程中不用进行优先级计算和优先级队列维护,只需要按照计算队列的次序组织并行计算。综合考虑所有方向和所有网格点的数据依赖关系,结合B-level优先级,提出了一种优先级计算方法,优先计算需要数据发送的任务,延迟需要接收数据的任务,达到减少处理器等待时间和计算与通信重叠的目的。使用本文的Sn并行算法和优先级队列针对二维粒子输运问题进行的数值实验表明,并行算法具有良好的并行计算加速效果,扩展到1 024个处理机时,相对64个处理机的并行效率达到52%。     

Efficient mapping and implementation of matrix algorithms on a hypercube

It is well known that parallelism by itself does not lead to higher speeds. This study shows how to put parallelism to best use, that is, how to find an optimal balance between communication and computation overheads for two parallel matrix algorithms. The problem graph for matrix algorithms analyzed in this paper is a two-dimensional grid (toroidal mesh) which is mapped onto a hypercube topology. To perform matrix operations on a hypercube, a matrix is partitioned into several submatrices which are stored and manipulated in the nodes. We seek to find an optimal matrix partitioning to minimize overall execution time. The NCUBE parallel machine is used for experimental performance evaluation. For matrix multiplication, we derive an exact analytical model to determine the optimal partitioning size and perform its experimental verification on the NCUBE parallel processor. For a parallel Gaussian elimination known as the balanced algorithm, we present performance measurements and an approximate analytical model for performance evaluation. Our analyses show that the optimal submatrix size is typically small and does not depend on the original matrix size.     

Performance analysis of the CM-2, a massively parallel SIMD computer

The performance evaluation process for a massively parallel distributed-memory SIMD computer is described generally. The performance in basic computation, grid communication, and computation with grid communication is analysed. A practical performance evaluation and analysis study is done for the Connection Machine 2, and conclusions about its performance are drawn.     

Surface orientation from a projected grid

Two simple methods are given for obtaining the surface shape using a projected grid. After the camera is calibrated to the 3-D workspace, the only input date needed for the computation of surface normals are grid intersect points in a single 2-D image. The first method performs nonlinear computations based on the distortion of the lengths of the grid edges and does not require a full calibration matrix. The second method requires that a full parallel projection model of the imaging is available, which enables it to compute 3-D normals using simple linear computations. The linear method performed better overall in the experiments, but both methods produced normals within 4-8° of known 3-D directions. These methods appear to be superior to methods based on shape-from-shading because the results are comparable, yet the equipment setup is simpler and the processing is not very sensitive to object reflectance