基于Winsock 接口编程的网络分区并行计算

本文从区域分解方法出发 ,发展了一套基于PC网络数值求解偏微分方程组的分区并行程序。其中 ,利用系统底层的Winsock接口技术实现PC之间的数据通信 ,从而大大提高了网络并行计算的运行效率。同时 ,这种网络并行既可以是同步的也可以是异步的。此外 ,本文还讨论了各子区域求解进程之间的通信可能存在的一些问题 ,并且提出了若干行之有效的解决方法 ,从而更好地保证了这种分区并行计算的可行性和有效性     

小浪底水库三维数学模型并行计算研究

基于MPI消息传递实现了小浪底水库三维数学模型的并行编程,采取网格分区和主从模式实现了并行计算,在全局网格和局部区域之间建立了映射关系,并对临界单元和进出口单元等特殊点进行了处理。结果表明:神威-SZNM集群的8CPU并行计算的加速比为5.2,远高于原串行程序在Windows操作系统下采用CVF编译器编译执行的计算速度,极大地缩短了计算时间,提高了计算准确度。     

复杂流动的分区并行计算

通过对串行分块SIMPLE算法的扩展,提出了一种分区并行算法。利用自行建立的两（多）台主机并行计算平台,对平板驱动空腔流动与绕“CFD”流动进行了分区并行计算,与串行计算的结果对比表明,复杂流动分区并行算法具有较大的加速比与并行效率。     

通用三维分块贴体网格的耦合生成方法

本文提出了一种通用三维分块贴体网格的耦合生成方法。通过实验验证可针对任一复杂的三维区域进行分块贴体网格数值生成，保证区域经分块后，仍能在分界面上具有良好的网格连续性，为复杂三维区域的流场计算打下了扎实的基础。     

考虑多分区无功电压优化的多Agent系统

针对电网分区管理的特点，采用以管理分区为计算单元的新的三级组织结构，将管理分区与优化分区有机结合起来，构建了多Agent系统。采用分解协调模型和辅助问题原理作为多Agent系统的算法，各分区并行计算，通过数据驱动的模型进行多Agent间的协商、协调，完成全网优化计算。文中以枣庄地区电网为例，建立了该系统的优化运行机制以及对现有多分区系统进行无功优化的方法。实际应用表明，该系统比不考虑多分区的优化方案加快了优化速度，降低了网损，提高了电压水平，为多Agent系统在大型电网无功电压优化中的应用提供了更加实用化的解决方案。     

高面板堆石坝应力变形的三维子模型法研究

高面板堆石坝的变形是一个典型的复杂三维“非连续变形”问题。在分析该问题的特点与存在问题的基础上，对MSC．Marc非线性分析有限元程序进行了二次开发，发展并采用了三维子模型法，考虑了面板三个方向的非连续边界、复杂的材料分区与施工过程、堆石体在复杂应力路径下的变形特征，对目前世界最高的中国清江水布垭面板堆石坝的应力与变形进行了数值仿真。结果表明三维子模型法有效地解决了目前高面板堆石坝应力与变形数值分析精度偏低的问题。     

有限元并行计算任务划分的神经网络算法

区域分解方法是有限元并行计算任务划分的有效手段,可将这种有限元计算区域网格的划分看成组合优化问题,运用神经网络原理为有限元并行计算任务的合理划分提供了一种可行的方法.     

具有壁面Weis-Fogh机构流体动力多重网格并行计算

应用多重网格区域分裂并行计算方法研究具有壁面Weis-Fogh机构绕流，将二维物理平面流动区域变换为矩形区域，推导出流函数的多重网格差分计算格式，编制出并行计算程序。全部计算在英国London大学ITL并行计算中心完成。结果表明，多重网格并行计算具有较高的加速比，绕机翼的环量计算值与理论吻合。     

高面板堆石坝应力变形分析的三维子模型法研究

面板堆石坝的变形分析是复杂的三维"非连续变形"问题.针对这一问题,对MSC.Marc有限元程序进行了二次开发,发展了三维子模型法,模拟了面板3个方向的边界、复杂的材料分区与施工过程,对目前世界最高的水布垭面板堆石坝进行了数值仿真,有效地解决了目前存在的数值分析精度偏低的问题.     

基于Linux机群的大型结构并行有限元系统研究

有限单元法在很多领域得到了应用,但对于大型和复杂结构,串行有限元程序很难有效地解决。研究了在PC机群上进行大规模并行有限元计算,以更好地发挥有限元在实际工程中的应用。组建了基于Linux系统的高性能并行计算机群。采用基于区域分解和预处理共轭梯度法来实现方程组的并行求解。基于以上方法,用C++、FORTRAN和MPI编程方法开发了并行有限元程序ADVPFEM。对龙马面板堆石坝的简化模型进行了线性三维有限元并行计算,得到了较好的效果。     

用于求解函数优化的蚁群算法设计

为了求解一般的函数优化，在标准蚁群算法的基础上，引入了遗传算法的编码方式，对蚁群算法的信息素更新进行改进。通过对几个经典测试函数的求解，证明了该算法的有效性。     

一种新型智能仿生类算法-蚁群算法

蚁群算法是一种新型智能仿生类算法,是受到蚂蚁在觅食过程中建立蚁巢到食物最短路径时的搜索机制启发而提出的一种算法。蚁群算法在求解一系列困难的组合优化问题上取得成效,成为解决TSP、VRP、QAP、JSP等典型问题的一种新型强有力算法。本文对蚁群算法理论研究的主要内容和方法、基于算法的改进等,进行了系统的总结与综述。     

飞蛾火焰优化算法在承压含水层参数反演中的应用

通过10个典型低维函数对一种新型群体智能仿生算法——飞蛾火焰优化(MFO)算法进行仿真验证,并与粒子群优化(PSO)算法的寻优结果进行对比。以无界井流问题及直线隔水边界附近井流问题的解析解为基础,将MFO算法应用于分析抽水试验数据,进行反演承压含水层参数,并以2个实例对MFO算法进行验证。结果表明:MFO算法在低维函数极值寻优问题上具有较好的收敛精度和全局寻优能力,寻优精度较PSO算法提高了7个数量级以上。MFO算法对2个实例的反演精度较文献改进SA算法等提高了56.5%以上,具有较好的稳健性能、收敛速度和全局寻优能力。利用MFO算法对承压含水层参数进行反演,可获得比相关文献更高的反演精度,不但为精确估计承压含水层参数提供了有效方法,而且拓展了MFO算法在地下水模型参数反演中的应用,具有良好的应用价值和前景。     

粒子群算法在水库(群)优化调度研究中的应用综述

简要介绍粒子群算法的工作原理和水库(群)优化调度模型,然后较全面地阐述粒子群算法在水库(群)优化调度中的应用及存在的问题,最后总结了算法的各种改进,并对粒子群算法在水库(群)中的研究进行了展望。     

基于智能算法的岩石强度参数优化求解

准确计算岩土体强度参数对评估岩土工程的安全性和经济性具有十分重要的意义。目前,岩石三轴实验是获取岩石强度参数（黏聚力、内摩擦角、单轴抗压强度、岩体软硬特征参数）的重要手段。大多通过试验获得轴向破坏强度σ1和对应的围压σ3后,采用手工作图或以计算机拟合包络线,以及最小二乘法求解岩石的强度参数。计算方法较多但偏重数学计算而忽视了物理意义,求解误差较大。针对上述问题,基于 MATlAB 语言以 Mohr － Coulomb 强度准则（线性准则）和 Hoek － Brown 强度准则（非线性准则）建立目标函数,通过粒子群算法和鱼群算法进行寻优求解。并与传统的线性回归法进行比较,通过拟合误差（Mse ）分析,发现该算法求解既有优越性且能满足工程实际需求,为“模型与参数给不准”以及许多机理复杂的岩土问题的解决提供参考。     

鲸鱼优化算法在水库优化调度中的应用

为验证鲸鱼优化算法在水库优化调度求解中的可行性和有效性,采用4个典型测试函数对鲸鱼优化算法进行仿真验证,并与布谷鸟搜索算法、差分进化算法、混合蛙跳算法、粒子群优化算法、萤火虫算法和SCE-UA算法共6种算法的仿真结果进行对比分析;将鲸鱼优化算法与6种对比算法应用于某单一水库和某梯级水库中长期优化调度求解。结果表明:鲸鱼优化算法寻优精度高于其他6种算法8个数量级以上,具有收敛速度快、收敛精度高和极值寻优能力强等特点;鲸鱼优化算法单一水库和梯级水库优化调度结果均优于其他6种算法;鲸鱼优化算法应用于水库优化调度求解是可行和有效的。     

SAPTIS:结构多场仿真与非线性分析软件开发及应用(之四)

本文重点介绍大型结构多场仿真与非线性分析软件SAPTIS的水管冷却模拟功能及其在工程的应用情况,SAPTIS软件可提供等效算法和精细算法两种模拟水管冷却效果的功能,文中分别从平面二维和空间三维的角度对比分析了等效算法和精细算法的异同点所在,等效算法可以从平均意义上模拟水管冷却效果,具有计算简单、规模较小的特点,而精细算法则可以以较高的精度模拟出水管周边的温度分布,但需要进行精细网格剖分,计算工作量大。因此,相对而言,等效算法在工程中的适用性更好,应用也更为广泛;文中最后简要介绍了水管冷却模型在国内几个特高拱坝中应用的实例。     

利用单纯形-混沌优化算法确定河流水质模型参数

针对混沌优化算法收敛速度较慢的缺点,将单纯形算法和混沌优化算法结合,构造单纯形-混沌优化算法,并将该方法应用于分析一维河流水团示踪试验数据,求解河流水质模型参数的函数优化问题。结果表明,该算法可以有效确定河流水质模型参数,较单纯形法具有更好的收敛性、较混沌优化算法具有更快的收敛速度。     

混合遗传神经网络算法研究及其在径流预报中的应用

 根据流域径流预报的特点,针对神经网络原有固定结构学习方法的缺陷,通过对人工神经网络、遗传算法进行组合利用和加以改进,建立了混合遗传神经网络模型,并对其神经网络的结构和权值阈值同时进行了优化。然后以某灌区径流预报为例,分别利用BP(back propagation)算法、本文方法进行仿真试验,验证方案的可行性和有效性,结果表明本文算法既克服了神经网络结构选取的盲目性,给出了优秀的初始权值,又克服了遗传算法耗时的缺点,最终达到了提高网络收敛性能和收敛速度的目的。