创业，更要创新

伴随Python 3．1．1正式版本发布,更多新的特性被引入到Python语言中。在这个向后兼容的版本里,对开发者来说,最大的改进无疑是以C语言实现的I／O模块对3．0版本中Python代码实现的I／O模块进行了替换。更新之后的I/O模块,在打印输出和二进制文件读写方面的效率有了不同程度的进步,特别是在文本文件读取上,性能获得大幅度提升。除此之外,Python 3．1．1版本对int类型进行了优化,并添加新的单元测试特性。     

DES算法IP核的流水线设计

介绍了DES算法的原理,并根据DES算法自身的特点和VHDL语言的特点,解开DES算法的16次循环迭代。以流水线式的方法代替传统的DES器件,由单一的编码模块和一个控制单元的设计方法,实现了高速DES算法的方法。     

基于Python的sigmoid函数FPGA实现

sigmoid函数是人工神经网络中通常采用的传递函数,采用基于Python的软硬件协同设计方法,在FPGA上实现了定点sigmoid函数。实验结果表明采用基于Python的软硬件协同设计方法,可以利用Python上大量的包和模块从而大幅度提高系统设计、仿真和校验的效率,并且能将软件算法快速有效地转换为硬件实现,在整个软硬件设计过程中仅采用Python语言,解决了当前系统设计中软硬件设计者分别采用不同设计语言存在的沟通问题。     

一种利用部分重构技术实现DES算法的方法

针对当前利用可重构计算技术实现DES算法的方法中存在重构性能低和资源占用量大等缺陷,提出了一种利用基于模块的部分重构技术实现DES算法的方法.该方法利用DES具有的对合结构特性进行算法的模块划分,解决了算法部分重构时的模块间通讯和时序调整等关键问题.通过对DES算法的不同实现方案进行对比,验证了该方法的可行性和有效性.     

基于FPGA的DES加密算法的实现

介绍了DES算法的基本原理与加密过程,给出了基于FPGA的DES算法的硬件实现,并且用Quanus Ⅱ实现了模块仿真,验证了DES加密算法。     

基于FPGA的DES加密芯片的设计

通过对DES加密原理的分析,推导出了DES的算法公式,通过对算法中核心部分的数学分析和化简,借助Verilog语言与C语言编程以及EDA设计软件的帮助,实现了DES算法的FPGA条件下的重构设计,同时对密钥的动态管理提出了新的设计方案。最后,通过对设计结果的功能仿真和测试分析,论证了整个设计过程的正确性。     

基于SiPESC平台的Python扩展模块开发

基于Python的可扩展性,针对Si PESC平台对于动态解释型脚本语言环境的需求,设计并开发可动态集成Si PESC平台上系统管理、算法调用、分析计算等功能的Python扩展模块.讨论扩展模块开发过程中的用户需求、程序设计以及相关技术.Si PESC.OPT与Python第三方库的集成优化算例表明,该扩展模块能顺利驱动Si PESC平台上复杂工作流程,具有较强的实用性和灵活性.     

基于Python的三维建模可视化系统研究

Python是不同语言模块的连接语言,而wxPython则是Python语言中的GUI图形库,其能够完成计算各个语言模块的调用与联结.主要使用免费软件系统、OpenGL开放图形库两种图形语言系统构建了基于四边数据结构的三维可视化建模系统.四边数据结构属于一种三角网格拓扑结构,其结构的连接性更加紧密,在数据查找和算法操作方面的效率也较高.主要对基于Python的三维建模可视化系统进行了研究,通过空间离散投影的德洛内三角网络,来完成建模可视化系统的边、角和顶点的插入与切割活动.     

Python与Matlab语言在测绘程序设计中的对比研究

测绘科学近年伴随着“3S”技术设备的快速发展衍生,不断与前沿科技相接轨。文章以不同坐标系统之间的坐标数据转换为研究内容,利用伪代码并结合布尔莎七参数模型经程序设计。针对两种语言对于测绘数据处理的不同能力和各自的优缺点,将其进行对比与优化。其结果表明：（1）对于大量的矢量数据,Matlab相较于没有自带数据处理模块的Python而言,运算能力与稳定性更强。（2）前者数据转换的精度与算法、代码编辑息息相关。反观Python对第三方库有较强依赖性,处理结果精度可能因此而异。（3）对于数据文件操作,Python语言具有明显优势。可通过代码直接针对不同格式文件进行操作,极大的提升了操作工作效率。（4）良好的第三方软件兼容性,使Python语言具有很强的灵活性。结合其丰富的第三方模块库,更适合用于脚本开发及程序设计。     

Python语言在科学算法中的优势

Python是一种很有吸引力的语言,是一种面向对象且呈现动态化的通用程序语言,可用于快速开发小脚本、代码原型、大型应用程序、高度可移植和可重用的模块、库。这种语言更接近人的自然语言,并且易于理解。目前,Pyhthon语言已经广泛应用于网络通信和Web编程等领域。基于此,简单介绍了Python语言,分析了其特点和主要应用领域,详细探讨了Python语言在科学算法上的优点。     

基于一次密钥的数据加密算法优化

介绍了关于DES算法的一些研究情况, 分析了DES了算法的加密原理以及实现过程, 通过内容分析, 简单介绍了DES算法的几种改进方案, 通过分析它的加密过程以及几种改进方案, 进而提出了自己的一个改进思想即一次密钥的加密方案, 通过这个方案为DES算法的优化作一个参考.     

一种高效的经验回放模块设计

针对深度Q网络（DQN）应用中基于python数据结构直接实现的经验回放过程时常成为性能瓶颈，提出一种具有高性能及通用性的经验回放模块设计方案。该设计方案具有两层软件结构：底层的功能内核由C++语言实现，以提供较高的执行效率；上层则由python语言编写，以面向对象的方式封装模块功能并提供调用接口，使模块具有较高易用性。针对经验回放所涉及的关键操作，一些技术细节被充分研究和精心设计，例如，将优先级回放机制作为附属组件与模块的主体运行逻辑分离，将样本的可抽取性验证提前到样本记录操作中进行，使用高效的样本淘汰策略与算法等。这些措施使模块具有较高的通用性和可扩展性。实验结果表明，按照该模块实现的经验回放过程，整体执行效率得到了充分优化，两个关键操作——样本记录与样本抽取，皆可高效执行。与基于python数据结构的直接实现方式相比，所提模块在样本抽取操作上的性能提升了约100倍，从而避免了经验回放过程成为整个系统的性能瓶颈，满足了各类DQN相关应用项目的需要。     

从DES算法论分组密码的设计原则

分组密码一直是解决信息系统安全问题的常用技术方法。尽管作为分组密码典型代表的DES算法目前已被更为安全的Rijndael算法取代,但其中所体现的设计思想和设计原则依然值得研究和借鉴。文中以DES加密算法为例,在分析DES加密过程、密钥计算、加密函数和解密过程的基础上,探讨分组密码的设计原则。指出组件结构标准化原则、算法和密钥分离原则、扩散和混淆原则以及均匀性和随机性原则是现代分组密码设计的基本原则。这些原则是现代分组密码设计的出发点。     

基于机器学习的软件模块访存压力优化仿真

采用当前方法对软件模块访存压力进行优化时,优化后的软件模块带宽较高、数据传输延时高,存在有效性差的问题。将机器学习应用在软件模块的访存压力优化过程中,提出基于机器学习的软件模块访存压力优化方法。计算链路的使用率,并将计算结果传送到每条流对应的发送端中,发送端根据接收到的信息对发送速率进行调整,实现拥塞控制。采用多目标规划方法,根据预算值和实际值之间存在的偏差,构建软件模块访存压力优化模型,通过二进制粒子群算法对软件模块访存压力优化模型进行求解,实现软件模块访存压力的优化。仿真结果表明,所提方法的带宽高、数据传输延时小,验证了基于机器学习的软件模块访存压力优化方法的有效性。     

Appropriate allocation of workloads on performance asymmetric multicore architectures via deep learning algorithms

Asymmetric multicore processors (AMP) have become popular in both high-end and low-end computing systems due to its flexibility and high performance. A performance asymmetric multicore architecture (P-AMP) is the subcategory of AMP, which integrates the different micro-architecture cores in the same chip. Due to the heterogeneity nature of cores and applications, recognizing an optimal hardware configuration in terms of core, voltage-frequency pair for each application is still an NP-hard problem. Optimization of energy-delay product (EDP) is an additional challenging task in such architectures.To address these challenges, we developed a novel core prediction model called lightweight-deep neural network (LW-DNN) for asymmetric multicore processors. The proposed LW-DNN includes three phases, feature selection, feature optimization, and core prediction module. In the first and second phases, workload characteristics are extracted and optimized using the pre-processing algorithm and in the third phase, it predicts the appropriate cores for each workload at runtime to enhance the energy-efficiency and performance.We modeled a deep learning neural network using scikit-learn python library and evaluated in ODROID XU3 ARM big-Little performance asymmetric multicore platform. The embedded benchmarks we considered are MiBench, IoMT, Core-Mark workloads. The proposed LW-DNN prediction module compared with other traditional algorithms in terms of accuracy, execution time, energy consumption, and energy-delay product. The experimental results illustrate that accuracy achieved up to 97% in core prediction, and the average improvement in minimization of energy consumption is 33%, 35% in energy-delay product, 33% minimized in execution time correspondingly.     

An operator allocation optimization model for balancing control of the hybrid assembly lines using Pareto utility discrete differential evolution algorithm

This paper investigates the operator allocation problems (OAP) with jobs sharing and operator revisiting for balance control of a complicated hybrid assembly line which appears in the apparel sewing manufacturing system. Multiple objectives and constraints for the problem are formulated. The utility function is employed to deal with the difficulty of combining several conflicting and incommensurable objectives into one overall measure. An optimization model combining the Pareto utility discrete differential evolution (PUDDE) algorithm and the embedded discrete event simulation (DES) model is proposed to solve the OAPs. The PUDDE algorithm is an improved discrete differential evolution approach used with the Pareto utility selection strategy, which extends the real-value differential evolution to handle the discrete-value vector by introducing two modified operators, namely the subtraction and addition operators. During the optimization process, the embedded DES model is used to evaluate the performance objectives by analyzing the dynamic behaviors of the hybrid assembly lines, which tackles the problem of having no closed-form mathematical expressions for the evaluation of performance objectives owing to the existence of jobs sharing and operator revisiting. Extensive experiments are conducted to validate the proposed optimization model. The experimental results demonstrate that the proposed PUDDE-based optimization model can effectively solve the OAPs for the hybrid assembly lines with the consideration of jobs sharing and operator revisiting. It was also found that the proposed PUDDE algorithm evidently outperforms the general differential evolution algorithm. Compared with the collected industrial results, the solution generated by the proposed optimization model has much better performance objectives for the hybrid assembly lines.     

Python访问MySQL数据库

讲解了应用Python如何访问MySQL数据库。首先介绍了Python、MySQL,然后讲解MySQL数据库访问模块,并通过一个实例来说明应用该模块来访问MySQL数据库,最后总结了用Python访问MySQL数据库的优点。     

基于赋权多段图的Web服务动态选取机制

针对Web服务组合中动态优化选取问题,设计了支持Web服务组合的Web服务评价模型和一个三层结构组织模型.在充分考虑Web服务之间的接口匹配问题的基础上,提出了一个基于赋权多段图最长路径选择策略的Web服务全局优化选取方法,并提出了动态规划、线性规划以及遗传算法进行Web服务动态优化选取.基于赋权多段图的Web服务优化选取方法,有效解决了Web服务组合中Web服务的接口匹配问题,使Web服务的选取更加准确.