CIMS并行动画仿真

本文提出一个ＣＩＭＳ四维动画仿真的并行策略，给出了有关的世界模型、并行显示、进程同步和通信的算法和思想。完成的一个制造加工系统已在Ｓｕｎ工作站上用Ｃ语言实现。仿真结果表明：此并行策略能很好地解决仿真算法中的时间协调和并行运算等问题，适用于ＣＩＭＳ的任务规划、监控及仿真等方面。     

一种并行的遗传／神经网络混合学习算法

提出了一种用于多层前馈神经网络训练的新算法，它把遗传算法与自适应共轭梯度学习算法集成起来，这种并行混合学习算法已经在多指令流多数据流（ＭＩＭＤ）平台实现，通过把该算法用于一个图像识别问题，对它的性能进行了评估。文中还显示了所提出的并行混合神经网络学习算法良好的收敛性。     

解非线性方程组的异步并行区间算法

基于ＭＩＭＤ多处理机系统，提出一种求解非线性方程组的异步并行区间算法，对算法的实现原理及结构作了详细分析，讨论了算法的收敛性及效率估计，所得结果表明该算法比常用串行区间算法的计算量小，收敛速度较好。     

一种新的以时延优化为目标的布线算法研究

为了满足超大规模集成（ＶＬＳＩ）并行系统和同步系统的需要,提出了一种以线网时延方差最小和时延均值小为目标的ＶＬＳＩ版图布线算法,较好地解决了Ｍ规模并行系统及同步系统中时钟信号传输的均衡性问题,具有方法独特,算法简单,可并行处理等特点,实验结果运作良好。     

用CIMPLE算法计算带运动顶盖封闭方腔内湍流场

采用ＣＩＭＰＬＥ算法、ＳＩＭＰＬＥＲ算法和ｋ－ε双方程模型,对带运行顶盖封闭方腔内的二维湍流流场进行了数值计算,得到了与实验结果比较一致的计算结果。计算结果表明,ＣＩＭＰＬＥ算法适合带回流的湍流流场的数值计算,ＣＩＭＰＬＥ算法比ＳＩＭＰＬＥＲ算法具有更好的收敛性,是一种值得在工程上推广应用的算法。     

MIMD多机系统的异步并行拟牛顿法

基于ＭＩＭＤ（多指令流多数据流）多处理机并行系统，提出了求解非线性方程组的异步并行拟牛顿法，给出了算法的实现过程，收敛性及收敛效率估计。该算法的工作量比常用串行牛顿法少，具有超线性收敛和数据稳定性，理论分析与计算结果表明，异步并行拟牛顿法有较好的并行性。     

结合定量信息的定性仿真方法

在定性模拟算法（ＱＳＩＭ）中,时间被表示为由一些抽象的特异时点组成的集合,这些特异时点本身不含有任何具体的时域信息．由于缺乏时域信息,人们常常无法对带有时间延迟特性的系统进行仿真,因此必须充分利用一切可以利用的信息．根据区间约束传播思想,在ＱＳＩＭ算法基础上,本文提出了一种充分考虑时域信息的半定量方法（Ｓ－Ｑ）,它是对ＱＳＩＭ算法的一个改进．本文还通过对离散经济系统ＣＯＢＷＥＢ模型的定性模拟,重点讨论了非线性包络函数条件下的模拟过程     

MIMD声纳自身干扰对消系统

在分析了声纳信号并行处理的几种形式后，结合自适应格型算法阶递归的特点，采用多片数字信号处理器设计了一个ＭＩＭＤ并行处理器系统，应用该系统实现了Ｇｉｖｅｎｓ格型算法，进行了声纳自身干扰对消实验，结果表明该ＭＩＭＤ声纳自身干扰对消系统具有较高的计算效率及稳定的消噪性能。     

基于互相关函数的神经网络解耦器在线学习算法

在分散解耦的系统框架上，提出了基于ＭＩＭＯ过程互相关函数的神经网络解耦器在线学习算法。该算法定义了一组ＭＩＭＯ过程的互相关函数作为神经网络解耦器的指标函数，采用了混合遗传算法在线训练神经网络。结合实际工业对象的仿真结果，表明了该算法的有效性。     

改善高分辨IMP算法收敛速度的一种新方法

提出了一种加速高分辨ＩＭＰ算法收敛过程的新方法。在存在有多个信号源且信号源个数已知或可估计得到的情况下，该方法可显著减少ＩＭＰ算法的收敛时间，从而为高分辨算法的实时实现研究提供了新的可能性。     

扩展概率数据关联新算法

基于新的联合事件定义，推导出一种联合概率数据关联新算法．在此基础上，分析了该算法（本文取名为ＥＰＤＡ）与概率数据关联ＰＤＡ的关系，从而得出ＥＰＤＡ可看成ＰＤＡ的一种扩展的结论，同时，还从理论角度说明Ｆｉｔｚｇｅｒａｌｄ提出的简化ＪＰＤＡ算法中近似经验常数可精确计算，也可近似给定，不仅仅只能靠经验给定．ＥＰＤＡ克服了传统ＯＤＡ算法不可回避的组合爆炸难题，是一种性能优良的数据关联算法．仿真分析证明，本文提出的扩展概率数据关联算法实时性、有效性强，适于工程应用．     

目标跟踪系统在FPGA上的实时实现

目标跟踪是计算机视觉领域中的重要技术,它的难点之一在于其对实时性处理速度的要求．提出并应用高效的基于并行搜索的硬件架构,使得实时的目标跟踪系统在可配置器件上得以实现．采用基于减背景的算法,设计的目标跟踪系统采用并行架构来实现高速处理,并提出一种复合目标区域搜索技术来进一步加速系统在复杂跟踪环境下的运行速度．选用Altera Stratix Ⅲ EP3SL340H1152C2 FPGA器件作为硬件平台,将该目标跟踪算法基于CPU平台的软件实现(2.2GHz的处理器)与基于FPGA平台实现的处理速度进行了比较,速度提升最高可达100倍以上．     

基于多模板规则的多元映射图象平滑方法研究

基于超越函数和多分辨分析的思想，提出了一种图象空域平滑方法。该算法依据图象多层邻域卷积的一致性，自适应地选择平滑单元。它具有保持图象细节、稳健性较强和运算速度较快等优点；还提出了衡量图象清晰度的局部误差。     

参数B样条曲线的非均匀离散细分算法

利用差商算子给出一种参数B样条曲线的非均匀离散细分算法。为了便于工程实际应用，在算法中分别考虑了B样条的均匀细分算法和非均匀细分算法，并将其应用在自由型曲线生成和函数逼近上，通过计算比较表明，B样条的非均匀离散细分算法在某些方面比均匀离散细分算法有更好的效果。     

基于网络层次分析的水下多目标跟踪排序方法

水下多目标跟踪排序是水下航行器多目标跟踪中需解决的技术难点.目前用于水下多目标跟踪排序的方法都假设各个决策因素相互独立,而实际上水下多目标跟踪决策的因素之间存在着相互影响.文章根据这一特点,建立了水下多目标跟踪排序的决策指标集和相应的ANP决策模型,提出了基于ANP的水下多目标跟踪排序方法.该方法将水下多目标跟踪排序的决策指标集纳入网络层次结构模型,并通过模型解算得到优化的多目标跟踪决策,具有排序结果比现有方法更加合理、稳健的特点.仿真结果表明该方法是解决水下多目标跟踪排序与决策问题的有效方法.     

飞机多学科设计中的协同优化算法

讨论了基于响应面的优化算法,该方法通过分解、协调的方式解决飞机设计中多个学科的耦合以及数据量大和数据关系复杂的问题。而响应面的引入又使协同优化的计算收敛速度更快,可靠性更高。同时还着重研究了减省响应面构造过程中所需的分析次数的方法,并给出了一个远程无人机的例子,通过协同优化算法进行总体参数优化设计。     

海量数据上挖掘关联规则的并行算法

针对目前关联规则挖掘算法中数据库规模很大时算法执行时间太长的问题。指出了并行计算是解决该问题的一个有效方法。利用新提出的可以忽略仅仅在少于1／4的结点机上的局部频繁项集,给出了一种新的并行随机抽样方法,并利用机群并行计算机的自治能力和I／O高度并行的特点,提高了抽样算法对海量数据的处理能力和效率。理论分析和实验数据显示,该算法的加速比接近于处理机的个数p,通信复杂性为处理机的个数p的对数,具有良好的扩展性和海量处理能力,且精确度较高。     

基于神经网络的多机动目标跟踪算法

将神经网络理论用于多机动目标跟踪,解决了联合概率数据关联(JPDA)存在的计算量组合爆炸问题。基于神经网络数据关联(NDA)所得到的最佳关联假设,将其与简化信息融合并行自适应滤波算法(DAF)进行有效结合,在保证量测与目标有效关联的同时,还具备跟踪起始和终结的作用,实现了对多机动目标的状态滤波与预测。仿真结果表明,与传统的交互式多模型联合概率数据关联算法相比,新算法在保证多机动目标的跟踪精度及实时性要求的同时,计算量大大减少。     

基于Transputer并行网络的结构测试算法及实现

基于Ｔｒａｎｓｐｕｔｅｒ并行网络，给出了一种测试并行结构的算法。该算法用堆栈作为核心数据结构，采用类似于图的深度优先搜索遍历方式，快速而准确地测试出各种Ｔｒａｎｓｐｕｔｅｒ并行网络的结构。该算法的实现对硬件调试者在其调试过程中及对用户或编程员在其软件调试过程中都有着十分重要的意义。     

模拟退火与蚁群混合并行算法解旅行商问题

求解TSP问题的智能优化算法主要包括蚁群算法和模拟退火算法等,这些算法求解TSP问题的速度比传统的精确求解算法有很大改进,但在问题的求解空间逐渐增加时,串行执行速度往往还是无法满足人们的需求.针对此问题,研究了蚁群算法、模拟退火算法以及两者的混合算法的并行实现方法,建立了PC机群实验平台,基于MPI环境对蚁群算法、模拟退火算法以及混合算法的并行算法进行了测试.根据理论研究和实际测试的结果,比较了并行算法和传统串行算法的性能差异,总结了利用PC机群系统求解旅行商问题的并行求解的可行性,得出了关于并行效率等方面的一些有意义的结论.