WDM网双故障的共享子通路保护算法

研究了WDM网中双故障导致的多链路失效问题,提出了一种共享子通路保护算法。共享子通路保护为每条业务请求计算一条最短的工作路由,并为工作路由上每段子通路各计算两条共享风险链路组分离且代价最小的保护路由。仿真表明,共享子通路保护不仅能有效地保护双故障导致的多链路失效,而且能在资源利用率(阻塞率)和保护切换时间之间进行性能折衷。     

快速计算浓缩立方体的方法

为了能够更快地生成浓缩立方体,提出了一种新的通过各个值的频率对格子的空间进行分解的MM-Cubing算法：用一种计数、排序算法和相关的数据结构来计算每一个值出现的频率,同时提供一种数据结构来方便主要值的选取和计算其子空间;选取主要值,聚会稠密的子空间,递归调用稀疏子空间.实验结果表明：MM-Cubing算法优于MinCube算法和SQCube算法.     

光网络中支持多粒度的子通路保护算法

提出了一种支持多粒度业务的自适应子通路保护算法,该算法根据网络状态动态调整链路权值,选择一条最短路作为工作通路,然后将工作通路分为互不重叠的n个子通路(每个子通路经过的链路数为m),再分别找出各自基于共享风险链路组限制的保护通路。该算法既可保证业务连接的可靠性要求,同时又允许网络管理者根据一定优化策略调整m值,从而能在资源利用率和恢复时间之间进行折中,最后给出了仿真结果。     

墙体内热湿耦合过程的时域递归展开算法

利用时域递归展开算法对墙体内热湿耦合传递方程进行求解。以木板为例,应用该算法进行了热湿耦合传递的分析计算,在时间域和空间域上分别运用递归展开法和控制容积法进行离散,从而得到递归形式的线性方程组,运用MATLAB软件对这一过程进行求解。计算结果与有限差分算法、解析解计算结果以及实验数据吻合良好,表明该算法能够用于求解多孔介质热湿耦合传递模型。时间步长的改变对计算结果影响较小,可通过增加时间步长方法来减少工作量。     

一种混沌对角递归神经网络混合学习算法研究

针对一种混沌对角递归神经网络辨识,提出了一种混合学习算法。首先,采用遗传算法来获得混沌对角递归神经网络的拓扑结构和连接权值的全局次优解。之后,用混沌BP算法对网络的连接权值进行精调。最后,将这种混合优化算法应用到非线性时间序列的建模中。仿真结果表明了模型和算法的有效性。     

WDM网中一种联合优化的自适应保护算法

研究WDM网络的生存性问题,提出了一种联合优化的自适应专用通路保护算法。该算法根据网络拓扑信息和资源使用情况动态调整链路权值,并在此基础上为到达业务连接请求,同时找到一对链路分离的工作通路和保护通路,而且保证二者占用资源总量最少。与文献中已有算法相比,JOA可以降低算法的时间开销,同时还有利于全网负载均衡和少用资源,从而可以有效提高全网资源利用率,进一步降低业务连接请求的阻塞率。通过仿真将所提算法与传统算法进行了对比,给出了仿真结果。     

递归图法在径流时间序列非线性分析中的应用

为有效利用径流数据的非线性特征来对径流作分类识别,提出采用递归图和近似熵获取原始时间序列的动力学行为的方法.在计算随机、正弦和Logistic映射3种典型时间序列的递归图的基础上,采用递归图分析获取不同时间尺度的径流时间序列的动力学行为的方法,进行确定性检验,定性的判断径流序列的非线性和原动力系统的确定性.在递归图算法的基础上,定量地将近似熵用于序列的复杂度描述,对4组径流序列的递归图和近似熵进行比较,得出混沌递归分析是一种流型识别的有效辅助诊断工具.     

基本信标计算的一种快速算法

提出一种基于二分法搜索原理计算基本信标的高效算法．如果网的特征T-向量矩阵非行满秩,则将其按行一分为二．以同样的方法处理新得到的子矩阵,直至得到的子矩阵行满秩,则该矩阵对应的信标全为基本信标．以这些基本信标为基础,递归搜索其余子矩阵,最终得到全部基本信标．该算法与顺序搜索法相比较,矩阵求秩的次数大为减少．对Petri的一个子类——一个拥有资源的简单加工进程的线性系统(LS³PR)网系统来说,该算法是一个多项式算法,并通过一系列算例验证了该算法的效率．     

基于二进制冗余数的递归余数和算法

介绍了递归余数和(RSR)算法,在此基础上又提出了一种改进的算法。理论分析表明,改进算法的迭代步数平均减少了17.2%。与传统的二进制算法(BR算法)相比,新算法的计算速度平均提高了约58.6%。     

线形连续k-out-of-n: F系统的可靠性算法改进

采用两种方法对线形连续k-out-of-n:F系统的可靠性算法进行了分析研究。一种是结合最小割用不交和的方法计算系统失效概率从而得到系统可靠度;另外一种是利用矩阵表示递归方程式及相应矩阵的特殊处理来求系统可靠度。结果分析两种方法都是有效和适用的。     

同时进行芯片规划的任意元胞模式总体布线

以递归划分的方法来进行同时的芯片规划和全局布线,它是一种把大的问题递归地划分成基本相同小问题的方法。首先采用模糊聚类方法把每一级聚为小于五的几类,再根据聚类构造出递归全局布线图,此图是一颗部分3-树,在它上面存在较好的布线算法,我们给出了在它上面求最小stciper树的算法,并以此算法进行全局布线。     

构造GF(2)~n的t-正交分划的递归生成算法

给出了构造GF(2)~n的一个t-正交分划的递归生成算法的一种具体实现,该算法可以用来构造在密码学及容错分布计算等领域有着广泛应用的t-弹性函数。     

进化Elman神经网络模型与非线性系统辨识

建立了一种采用改进的自适应遗传算法实现动态递归的进化E lman神经网络模型。提出了对网络的结构、权重、结构单元的初始输入和自反馈增益因子同时进化的学习算法。用初始状态优化的E lman网络集成反馈学习算法和E lman网络在线训练两种动态辨识算法形成的集成化动态递归网络辨识算法,实现了超声马达的速度辨识。模拟结果表明,提出的算法不仅实现了动态递归网络的全自动优化设计,而且明显提高了动态递归网络模型辨识算法的收敛精度,为非线性系统辨识提供了一条新的途径。     

递归算法的递归子程序实现方法研究

对电磁轴承设计及其他工程实践中广泛存在的递归算法,提出采用递归子程序实现数值计算。在分析递归子程序特性的基础上,研究递归子程序设计方法。结合计算机硬件结构,详细分析递归子程序设计中的参数传递这一关键问题。给出了递归子程序实例,分析该程序的动态运行过程。     

基于云平台下的并行VMD算法

电力设备监测数据中的时序波形信号对评估设备运行状态具有重要作用,当数据量很大时,采用传统方法处理时序波形信号往往效率低下。VMD算法是一种完全非递归的变分模态分解方法,适用于对非线性、非平稳信号的分析,但其复杂性和大量的计算限制了其应用范围。提出了一种基于Storm/Spark平台的并行VMD算法。为确保子段数据模态分量在窗口截断处连续,提出了一种基于矩形窗分段的变分模态分解(Variational Mode Decomposition,VMD)VMD-RWS和基于自适应分段和外推延拓(the adaptive subsection based on local flatness and extrapolation,ASLF-E)ASLF-E的信号处理方法进行信号分段以及子段数据处理。通过仿真实验对提出的VMD-RWS和ASLF-E方法进行验证,实验结果表明该方法可以确保各子段数据模态分量在窗口截断处的连续性,保持了VMD算法原有的性能,为云平台下局部放电信号应用VMD算法进行分析提供了一种切实可行的方案。此外,设计了基于Storm和Spark平台的并行VMD算法处理流程及架构,为基于云平台的并行VMD算法的实现提供了依据。     

二维非递归的低成本FIR滤波器设计方法

为降低有限冲激响应(Finite impulse response, FIR)数字滤波器的成本,提升可综合性,提出了一种基于系数矩阵的二维非递归优化算法,并进行了仿真.首先,对现有的数字滤波器优化算法进行了调研,比较了各优化算法的优势和不足;然后,对现有的一维非递归算法进行优化,提取一维非递归算法优化后的冗余项,得到了二维非递归优化算法,并分析了算法的复杂度;最后,生成多组滤波器分别对本算法与一维非递归算法,以及本算法和现有递归算法进行仿真和对比.仿真结果表明:提出的二维非递归FIR滤波器设计方法充分利用了系数矩阵的冗余信息,保留了现有算法的最小逻辑深度特性,同时可以进一步节省中间加法器个数;相比于现有的一维非递归算法,本算法可节省10.05%(12 bit量化)和7.21%(16 bit量化)的加法器个数;在低阶滤波器的设计中,加法器使用量降低到了传统CSD表示法的30%左右,从逻辑深度和加法器个数两方面都超越了已发表的递归和非递归滤波器设计方法.     

基于开关函数求广义最短通路的新算法

在分析现有求解最短通路的多种算法的基础上,给出了一种求广义最短通路的算法的理论依据.只需通过简单的环和运算求取图中的所有回路,然后选择要求的两顶点之间的任意一条通路,再进行一次环和运算,就可以求出图中任意两点间的最短通路长度.用实例验证了这种算法的正确性.与传统算法相比,该算法不仅可以求出一类广义最短通路,还可以获得相应的通路标识,而且减少了计算量.     

混合操作变参数递归增量估计算法研究

提出了一种新的变参数递归增量估计算法和误差界的概念，并给出了其选择准则。该算法特别适用于跟踪时变系统且计算量与标准递推最小二乘算法相当。在混合系统上的仿真研究验证了本算法的良好性能。     

快速单边补偿逼近幂迭代子空间跟踪

针对子空间估计与跟踪问题,在快速逼近幂迭代子空间跟踪算法的基础上,得到了一种计算复杂度更低的快速子空间跟踪算法——快速单边补偿逼近幂迭代子空间跟踪算法.该算法采用与Badeau等人不同的逼近方式,简化了互相关矩阵的迭代计算,从而达到降低计算复杂度的目的.实验结果表明:该算法的最大主角性能远远优于PAST子空间跟踪算法,与FAPI和OPAST子空间跟踪算法相当;在正交误差度方面,其正交误差度优于FAPI子空间跟踪算法,远远优于PAST子空间跟踪算法.     

从求解格点问题看递归算法及其与迭代循环算法的比较

递归是比迭代循环更有力的算法。一方面,每个循环算法均可找到一个等价的递归算法;另一方面,一些循环算法不能求解的问题常可用递归算法求解。格点问题便是这类问题中具有代表性的一个。 本文通过对格点问题构造有效算法来讨论:一,如何根据一个问题所固有的结构关系去选择适当的算法;二,递归算法在计算机内的实现方式及对递归程序的跟踪;三,递归算法与循环算法的比较。