基于并行遗传算法的场地浅层剪切波速度结构反演

目的针对传统遗传算法容易陷于极值,计算时间长的问题,设计基于计算机集群的一种新的粗粒度并行遗传算法反演场地浅层剪切波速度结构．方法采用遗传模拟退火算法和MPI并行计算技术,实现多进程的粗粒度集群计算,通过个体迁移策略协调优化子种群,运用计算效率判断计算负载状态,采用动态种群进行负载平衡,构建了4节点的PC集群,对算例和实际场地的浅层剪切波速度结构进行了反演计算．结果简单模型收敛于最优解,实际场地的反演结果与钻孔资料的平均误差均在20％以内,计算速度明显提高,并行遗传算法的反演结果好于串行遗传算法反演的结果．结论笔者设计的粗粒度并行遗传算法有效地加快了进化速度,并行效率高,加强了局部搜索能力,反演结果较好,适合应用于反演实际工程场地的浅层剪切波速度结构．     

匹配场目标定位的并行遗传算法实现

针对匹配场声源定位算法中存在的固有并行性,构建了匹配场声源定位的并行计算算法框架,并引入并行遗传算法作为匹配场处理的寻优工具.根据匹配场处理的实际特性,对并行遗传算法的操作算子及评估标准进行了合理设计,使其快速收敛.以网络互联的双核PC机作为并行计算硬件平台,在Windows XP操作系统和MPI并行环境中对匹配场定位的并行算法进行了测试和分析.研究表明:采用并行遗传算法实现匹配场声源定位方法优于传统网格法,可有效节省算法运行时间,快速实现声源定位.     

并行遗传算法在粗糙集属性约简中的应用

遗传算法是一种全局优化的数值计算方法，它存在自然并行性．给出一种求解粗糙集属性约简问题的并行遗传算法，并在普通网络环境下实现．结果表明，并行遗传算法适合于求解问题规模较大及大数据样本点的数据约简问题．     

基于网络并行计算的结构损伤动力有限元分析

网络并行计算是当今并行计算发展的新方向。用网络并行思路探讨了结构损伤动力有限元并行分析算法的实现方法,并在曙光－1000A分布式并行计算机上进行了测试。通过对实验数据的分析,讨论了该算法的并行效率。     

基于网络并行计算的结构损伤动力有限元分析

网络并行计算是当今并行计算发展的新方向。用网络并行思路探讨了结构损伤动力有限元并行分析算法的实现方法,并在曙光－1000A分布式并行计算机进行了测试。通过对实验数据的分析,讨论了该算法的并行效率。     

大规模矩阵乘积的几个并行算法

给出了微机网络并行计算环境和拥有共享内存的并行计算环境下大规模矩阵相乘的几种并行算法,分析了这些算法的计算和通讯时间复杂性,在多台微机上安装并行消息传递机制MPI(message passing interface),构成微机网络并行计算环境,在该环境下对所给算法作了数值试验,结果表明所给出的算法非常有效,同时在程序没有改动的条件下,将微机网络并行环境下的程序移植到具有共享内存的并行计算机IBMP650上,结果表明,所给算法具有更高的加速比和并行效率。     

某型号飞机机翼动力特性的并行计算

给出了基于MPP编程环境的杆-板组合结构问题动力分析并行算法．包括杆-板组合结构问题单元刚度矩阵的并行计算和广义特征值问题的并行计算．并将该算法用于某型号飞机机翼动力特性的并行计算,在并行计算机PAR95上的数值试验表明所结算法是非常有效的．     

基于并行遗传算法的电力系统无功优化

为了快速有效地求解大型电力系统无功优化的问题,提出了一种基于局域网的分布式并行遗传算法,采用主从式模型来组织局域网内的多台计算机进行并行计算,整个并行系统由一个主处理器和若干个从处理器组成。根据无功优化的特点,为了找到全局最优解,就目标函数及相关参数值的选取和遗传操作进行了改进。算例表明,该方法不仅有效地减少了系统的网络损耗,而且显著地提高了计算速度。     

结构高性能计算中的并行有限元方法

综述了在结构高性能计算中的并行有限元方法的研究现状,其中包括利用普通微机构建的并行计算集群(通常称为Beowulf系统),对该领域的未来发展趋势作了展望;指出了在未来结构高性能计算中,网络并行计算集群环境下的并行有限元方法必定成为一种重要的必不可少的方法。     

基于MPI的网络并行计算系统构建及分析

从硬件、网络配置及姗的使用3个角度详细阐述网络并行计算系统的构建方法和配置过程．在此基础上,采用基于IVIPI的并行程序设计方法进行并行计算的实验和测试,并结合加速比和效率的结果对系绞进行性能分析．实验证明,用局域网搭建的网络并行计算系统更适合于粗粒度的并行计算任务     

并行模拟退火算法在拱坝体形优化中的应用

介绍了近年发展起来的模拟退火算法,探讨了模拟退火算法的并行化。在4台PC机搭建的并行环境下,用一个简单的数值计算例子对并行模拟退火算法进行TN试,测试结果表明并行计算明显提高了模拟退火算法的运算速度。最后,把并行模拟退火算法应用于拱坝的体形优化。     

动态并行路径流量工程的可实现性研究

利用遗传算法研究动态并行路径流量工程的实现方法和可实现性。首先给出了并行路径流量工程理论最优解的求解方法,并对其运算成本和运算结果在工程上的不可实现性进行了分析和验证;进而采用简洁、典型的分流方案,对已有的理论最优解进行局部近似,并基于这些分流方案从全局的角度设计遗传算法,达到了与理论最优解近似的优化效果,且运算量大为减小。通过仿真分析得出了在优化过程中需要对并行路径间的分流误差进行有效控制的结论。     

广域电力系统整体建模的并行计算技术

在分析广域电力系统整体建模需求的基础上,提出广域电力系统整体建模并行化的方案,设计基于粒子群算法的并行优化算法,开发相关软硬件系统.通过算例系统进行测试,结果证明了广域电力系统整体建模的可行性与有效性,显示了并行化方法在整体建模计算时间上的优越性.表明该电力整体建模的并行计算技术具有较强的工程实用价值.     

基于Matlab机群的分布式并行图像匹配算法

分析了Matlab并行计算工具箱中各部件的关系,对分布式并行计算环境中的关键参数进行了设置,构建了并行计算机群。将基于Matlab机群的分布式并行处理引入到图像匹配中。以灰度相关匹配算法为例,结合并行处理对图像灰度匹配进行并行实现。实验结果表明：并行化处理能有效缩短匹配时间,对进一步研究并行图像处理有一定的指导意义。     

一种新的并行分类算法

提出一种建立在由独立的处理器构成的计算机网络（例如由Ｔｒａｎｓ－ｐｕｔｅｒ构成的计算机网络）上的并行分类算法，用以解决分布式数据库的分类计算问题。本文基于并行算法应与并行计算的拓扑结构相匹配的思想，设计了一种旨在减小处理器之间通讯开销的网络结构。在这样一种并行计算环境中，每个处理器运行同样的程序，计算负载均匀分布在每个处理器中，因而算法具有高度的并行性。同时这种基本结构还可以灵活地不断扩展，且随着网络的不断扩大，该并行算法的并行加速性更高。     

数据挖掘网格中决策树并行算法设计及性能分析

提出了C4.5决策树算法的一种并行算法,使传统的串行分类算法能在多台PC机和服务器组成的数据挖掘网格上并行数据挖掘. 采用数据纵横剖分,结合递归过程的并行化,实现了可扩展的高性能并行计算,解决了处理海量数据时没有较好并行分类算法的问题. 并给出了指导该并行算法高效计算的方法. 数据运行试验和算法分析表明,该并行算法的性能受多个因素影响,并具有高效的并行效率计算加速比.     

基于MPI的并行蚁群算法的研究与实现

在消息传递接口(message passing interface,MPI)的基础上,采用划分蚁群的策略,实现了基于MPI的并行蚁群算法,并对该算法采用旅行商问题进行了实验.实验结果表明,使用并行计算技术,可以很好地提高运行速度.     

基于属性相关分析的离群数据并行挖掘算法

针对高维海量数据集中的局部离群数据,利用并行计算和属性相关性分析思想,给出了一种离群数据并行挖掘算法。该算法首先由主节点分配属性相关分析任务,各个子节点并行查找数据集中的冗余属性,将其冗余属性传回主节点,并由主节点删除;其次,主节点分配搜索任务,各子节点采用微粒群算法,并行搜索局部离群子空间;再次,由主节点对局部离群子空间合并计算后,确定全局离群数据;最后,在MPICH2-1.0.3的并行计算环境下,采用恒星光谱数据作为数据集,实验结果验证了算法的正确性和有效性。     

块三对角方程组的一种并行迭代解法

给出了一种适合于分布式并行计算机的，解块三对角线性方程组的并行算法。该算法是通过给出分裂系数矩阵A的方式，再利用BAOR算法的迭代格式构造的，并从理论上证明了该算法的收敛速度和BAOR算法相同；通过给出的算例表明，实算与理论是一致的，同时该算法又具有BAOR算法所没有的良好的并行性。