基于SQP/GA混合优化算法的双容水箱非线性预测控制

为了计算控制序列，非线性模型预测控制可以转换为一个带约束的非线性优化过程．本文分析了三种约束处理方案，根据遗传算法的特点，将等式约束用于状态量计算，在搜索空间降维的同时消除遗传算法难以求解的等式约束．对双容水箱进行遗传算法和序列二次规划仿真试验和实际控制，结果表明遗传算法对控制量的优化效果优于序列二次规划．为克服遗传算法耗时较长、优化结果存在随机抖动的缺点，结合序列二次规划提出一种混合优化算法，仿真和实控结果表明其可行性和有效性．     

并行定向扰动的混合粒子群优化算法

针对全向变异易使粒子失去已有的有利搜索信息的问题, 提出了一种并行定向变异的混合粒子群优化算法。该算法以当前群体最优位置为基准, 用变异信息矩阵和混沌位置变异矩阵对群体进行并行定向扰动, 有效利用了现有的有利搜索信息。该算法将并行定向变异与序列二次规划法融为一体, 实现了全局搜索和局部寻优的统一。仿真实验和比较分析结果表明并行定向变异混合粒子群优化算法具有良好的、稳定的优化效果。     

基于SQP局部搜索的多子群果蝇优化算法

针对基本果蝇优化算法在寻优过程中种群多样性降低导致算法易陷入早熟收敛的问题,提出了基于序列二次规划（SQP）局部搜索的多子群果蝇优化算法（MFOA-SQP）。新算法将果蝇种群均匀划分为多个子群,并引入粒子群算法中的惯性权重和学习因子,协同调节果蝇移动方向和步长;每隔一定迭代次数重新划分子群,避免种群单一化,使算法更易跳出局部最优;对子群最优个体进行SQP搜索,提高局部寻优性能。通过6个测试函数和优化广义回归神经网络对银行客户进行分类的实验结果表明,算法在寻优精度和速度方面性能优越,能够有效提高广义回归神经网络的分类准确率。     

声波数值模拟中的多核并行方法研究

波动方程数值模拟普遍存在计算量大的问题,如何根据波动方程有限差分方法的特点开展并行化方法研究是适应微机多核发展的必然趋势。结合波动方程数值模拟中的多层循环嵌套问题和OpenMP的特点,通过确定循环体并行顺序、减少串行环节、合并循环体、准确设置制导语句以及线程绑定优化等方法有助于实现微机多核的高效并行。针对波动方程特点的多核并行不仅有助于提高单机计算效率,对于提高计算机集群上常用的MPI+OpenMP混合并行效率也具有重要意义。     

基于SQP寻优的飞行轨迹规划方法研究

为了有效降低单位航程的燃油消耗,提出了基于SQP寻优的飞行轨迹规划方法.首先构建了适用于寻优的飞机数学模型和发动机数学模型,确定了寻优的目标函数;然后,以发动机推力范围和迎角等为约束条件,构建了寻优模型,基于SQP方法进行了飞行高度轨迹、飞行速度轨迹的寻优规划.仿真结果表明,SQP方法适用于飞机轨迹寻优规划,可以根据不同飞机起飞重量和飞行条件确定飞行高度轨迹与飞行速度轨迹,并可以明显降低飞行的燃油消耗.     

优化处理并行数据库查询的并行数据流方法

本文使用并行数据流技术优化和处理并行数据库查询的方法,提出了一整套相关算法,并给出了一个基于并行数据流方法的并行数据库查询优化处理器的完整设计.这些算法和相应的查询优化处理器已经用于作者自行设计的并行数据库管理系统原型.实践证明,并行数据流方法不仅能够快速有效地实现并行数据库管理系统,也能够有效地进行并行数据库查询的优化处理.     

基于SQP和自适应搜索的混沌粒子群算法

针对基本粒子群优化算法（PSO）算法易陷入局部最优的缺点,提出混沌自适应粒子群-序列二次规划算法（CAPSO-SQP）。在基本PSO算法的基础上,加入混沌搜索和自适应惯性权重提高全局收敛能力,并在PSO算法每一代的迭代过程中,引入SQP策略,加快局部搜索并提高对约束优化问题的计算可靠性。测试函数仿真结果表明,CAPSO-SQP算法计算精度高,稳定性好,收敛速度快。将所提出算法应用于悬臂梁结构优化设计,求解结果表明算法在结构优化计算方面的可行性,而且相对于CPSO算法求解更加准确,具有较高的计算可靠性和实用价值。     

PHGA-COFFEE:多序列比对问题的并行混合遗传算法求解

设计了一个求解多序列比对问题的并行混合遗传算法（与之相应的软件称为PHGA-COFFEE）.该算法采用COFFEE函数作为个体的适应度函数,构造了六种遗传算子,特别是设计了两种新颖的变异算子,其中一种变异算子基于COFFEE的一致性信息设计,以改善算法的整体搜索能力.另一种变异算子基于动态规划方法设计,以增强其局部搜索能力.通过对BAliBASE中144个测试例的测试,证明该算法是有效的.与已有的算法相比,该算法对处于朦胧区和具有N/C末端延伸的序列比对问题有更强的问题求解能力.同时通过对算法并行化,其运行时间显著缩短.     

基于多值表示的并行规划方法

Fast Downward规划系统是第四届国际规划竞赛的冠军.以高效的串行规划系统Fast Downward为基础,设计并实现了并行规划系统Parallel Downward.首先提出4个并行规划的相关定义;之后提出多值规划任务下动作互斥的定义、充要条件,并实现了动作互斥判断算法;在此基础上设计了候选并行动作集的生成算法;然后为提高系统求解质量重新设计了新的搜索控制策略;最后,给出剪枝策略来抑制并行规划状态空间的指数级膨胀.通过对国际规划竞赛测试问题的实验,Parallel Downward表现出良好的规划效率和规划质量,相比Sapa规划系统Parallel Downward具有较好的可扩展性.     

Parallel Evolutionary Optimization of Multibody Systems with Application to Railway Dynamics

The optimization of multibody systems usually requires many costlycriteria computations since the equations of motion must be evaluated bynumerical time integration for each considered design. For activelycontrolled or flexible multibody systems additional difficulties ariseas the criteria may contain non-differentiable points or many localminima.Therefore, in this paper a stochastic evolution strategy is used incombination with parallel computing in order to reduce the computationtimes whilst keeping the inherent robustness. For the parallelization amaster-slave approach is used in a heterogeneous workstation/PCcluster. The pool-of-tasks concept is applied in order to deal withthe frequently changing workloads of different machines in the cluster.In order to analyze the performance of the parallel optimizationmethod, the suspension of an ICE passenger coach, modelled as an elasticmultibody system, is optimized simultaneously with regard to severalcriteria including vibration damping and a criterion related to safetyagainst derailment. The iterative and interactive nature of a typicaloptimization process for technical systems is emphasized.     

Parallel Implementation of a Low Order Algorithm for Dynamics of Multibody Systems on a Distributed Memory Computing System

In this paper, a new hybrid parallelisable low order algorithm, developed by the authors for multibody dynamics analysis, is implemented numerically on a distributed memory parallel computing system. The presented implementation can currently accommodate the general spatial motion of chain systems, but key issues for its extension to general tree and closed loop systems are discussed. Explicit algebraic constraints are used to increase coarse grain parallelism, and to study the influence of the dimension of system constraint load equations on the computational efficiency of the algorithm for real parallel implementation using the Message Passing Interface (MPI). The equation formulation parallelism and linear system solution strategies which are used to reduce communication overhead are addressed. Numerical results indicate that the algorithm is scalable, that significant speed-up can be obtained, and that a quasi-logarithmic relation exists between time needed for a function call and numbers of processors used. This result agrees well with theoretical performance predictions. Numerical comparisons with results obtained from independently developed analysis codes have validated the correctness of the new hybrid parallelisable low order algorithm, and demonstrated certain computational advantages.     

A Parallel Logarithmic Order Algorithm for General Multibody System Dynamics

A novel optimal order optimal resource parallel multibody algorithm with general system applicability is derived directly from the sequential recursive methods and the most recent developments in recursive constraint treatments. This new Recursive Coordinate Reduction Parallelism (RCRP) is the first optimal order parallel direct method with a sequential implementation that is exactly the efficient algorithm. Consequently, the RCRP sets new benchmarks for performance over a wide range of problem size and parallel resources. Comparisons to existing methods also demonstrate that the RCRP is presently the best general parallel method.     

基于Intel MIC架构的3D有限差分算法优化

有限差分算法是一种基于偏微分方程的数值离散方法,被广泛应用于弹性波传播问题的数值模拟中。该算法访存跨度大、计算密度高、CPU利用率低,这在实际应用中成为了性能瓶颈。针对上述问题,在详析3D有限差分算法(3DFD)的基础上,基于Intel MIC架构,采用三步递进法对其进行优化:首先,通过分支消除、循环展开、不变量外提等基本优化法削减计算强度并为向量化扫除障碍;然后,通过分析数据依赖及循环分块,使用向量指令集改写核心算法等并行优化法,充分利用MIC协处理器多线程、长向量的机制;最后,在异构众核平台(CPU+MIC:Many Integra-ted Cores)下通过数据传输最小化、负载均衡等异构协同优化法实现CPU和MIC的并行计算。实验验证,与原有算法相比,优化后的算法在异构平台上获得了50～120倍的加速。     

基于岛屿群体模型的并行粒子群优化算法

为改善粒子群优化算法对大规模多变量求解的性能,提出了基于岛屿群体模型的并行粒子群优化算法．对粒子群优化算法机理和本质并行性进行分析,设计和实现了一种并行粒子群优化算法．实验结果表明,基于岛屿群体模型的并行粒子群优化算法不仅提高了求解效率,而且改善了早收敛现象,算法的性能比经典粒子群优化算法有了很大提高．     

并行交通信号数值化优化算法研究

根据交通流的动态变化情况,实时优化交通信号配时,是减少交通延误,提高交通效率的有效方法。为减少 信号优化时间,提高时效性,提出一种并行化的交通信号对比分析算法,该算法首先根据专家经验和交通管理常识设 定一定的信号变化区间,然后针对该区间给定变化区间△,依次给定相应的信号配时策略,将每一种信号配时策略分 配给集群系统中的一个计算节点,由各个计算节点分别进行仿真运算,最后由主节点聚合分析,对比给出最优信号控 制方案。以微观交通仿真系统Paramics进行了仿真实验,结果表明,在4个节点组成的并行网络中,加速比为1. 75, 其提高了仿真效率,且能较好地遴选出最优控制方案。     

基于SQP算法的SAR成像导引头三维弹道优化

弹载SAR平台轨迹的设计是研究弹载SAR成像算法的前提。为了在满足SAR成像条件的同时降低导弹打击时间,需要对SAR成像导引头的弹道进行优化。该问题属于非线性最优控制问题,本文采用序列二次规划(SQP)优化算法进行求解。首先以波束驻留时间最小为指标函数,导弹俯仰、偏航加速度为优化变量,建立了SAR成像导引头三维弹道优化模型,模型的约束包括SAR成像约束、过载约束和导弹飞行高度约束。然后,将原最优控制问题进行参数化,转换成非线性规划问题,利用SQP算法进行求解。参数化时,离散节点越多,得到的非线性规划问题规模越大,求解速度就越慢。仿真结果表明,SQP算法能够有效解决SAR成像导引头三维弹道优化问题,得到的解满足模型约束。     

OpenMP并行程序的编译器优化

OpemMP标准以其良好的可移植性和易用性被广泛应用于并行程序设计。该文讨论了OpenMP并行程序的编译器优化算法,在编译过程中通过并行区合并和扩展,实现并行区重构,并在并行区中实现了基于跨处理器相关图的barrier同步优化。分析验证表明,这些优化策略减少了并行区和barrier同步的数目,有效地提高了OpenMP程序的并行性能。     

大规模化工过程系统的分解协调优化并行算法

该文针对大规模化工过程系统优化中计算能力不够的情况,研究一种适合于大系统求解的分解协调算法。在SQP算法分解计算的基础上,利用无约束优化算法进行协调,同时采用并行技术以提高求解效率。利用单机与机群系统建构仿真计算环境,对一换热器系统进行了实际解算。算例结果表明,此算法是行之有效的,在大规模过程系统优化计算中可进行推广应用。