三角网格模型上测地线算法的研究

对三角网格模型上测地线的算法进行研究,分为近似测地线算法和精确测地线算法．其中近似算法介绍经典的FastMarching算法,精确算法以经典的MMP算法为主．并且对两种算法得到的测地线在准确度和时间复杂度上进行对比分析．得出实验数据．并对其应用进行简单介绍。     

基于EDF算法的可行性判定及实现

实时调度算法是实时系统中的关键技术。验证实时调度算法的可行性是在实时系统中实施某种调度算法的必经环节。在介绍实时系统中常用的各种实时调度算法．包括固定优先级调度算法和动态优先级调度算法基础上．详细分析了动态优先级调度算法EDF算法的运算过程和使用条件。提出了该算法在实际应用中存在的问题。针对该硬实时调度算法．提出了分别在简单模型上和复杂模型上如何判定实时任务的可行性。为实际应用中实现该实时调度算法确定了依据．     

结合Mean-Shift和Particle Filter的鲁棒跟踪算法

Mean-Shift算法在图像跟踪领域得到广泛应用．但有遮挡情况发生时．算法容易陷入局部最大值．Particle Filter作为一种基于贝叶斯估计的算法．在处理非线性运动目标跟踪问题上具有特殊的优势,但该算法计算量大,实时处理能力差。鉴于此,将两种算法相结合,提出一种以重要性函数为切入点将Mean-Shift和Particle Filter相结合的跟踪算法．首先利用Mean-Shift算法跟踪目标,利用目标与模板的相似性系数实时判断,当有遮挡发生时,算法转向Particle Filter进行后续跟踪。实验结果表明,该算法实时性强．跟踪效率高,具有很强的实用性．     

一种改进的适合并行计算的TFQMR算法

TFQMR算法是一种Krylov子空间算法,常用来求解大型稀疏线性方程组．通过改变TFQMR算法的计算次序,提出了一种改进的TFQMR(ITFQMR)算法．对比TFQMR算法,ITFQMR算法的数值稳定性和TFQMR算法相同,几乎没有增加计算量,但考虑了在MIMD并行机上实现时并行算法的性能,其同步开销减少为TFQMR算法的一半,并且所有内积计算以及矩阵向量乘是独立的,没有数据相关性,可以进行计算与通信的重叠．从理论和实验两个角度来讨论ITFQMR算法的性能,当处理机台数较多时,ITFQMR算法的计算速度快于TFQMR算法．实验说明了在有64台处理机机群上进行,最快的并行ITFQMR算法的计算速度大约比TFQMR算法快20％．     

基于优先级的数据流数据库实时事务调度算法与实现

数据流数据库系统中的持续查询事务存在着依赖及算子共享的复杂关系．提出了基于综合事务空闲时间与价值的优先级调度算法．在算法中充分考虑了有依赖关系与共享算子的实时事务对事务优先级的影响．利用有关联的双链表给出了算法的实现，包括事务的接收策略与事务完成／夭折算法的实现．最后在GStream系统中，从累积实现价值率和差分截止期2个方面实验了算法的性能，实验表明LSV算法相对于RR算法、LSF算法、HVF算法都有很大的改进．     

基于硬件实现的用于定长匹配的PATRICIA算法

PATRICIA算法是一种经典的信息检索算法,但是插入性能差、硬件实现困难．研究发现,PATRICIA算法在用于定长匹配时如果不保持NBT值的有序性,可以有效地降低硬件设计复杂度,提高插入性能．提出了一种易于硬件实现的定长匹配PATRICIA算法,证明了该算法是时间性能最优的二叉trie算法．针对状态检测技术中的状态表操作,设计了专用硬件结构实现该算法．理论和实验结果表明,该算法易于硬件实现,能够有效地对千兆网络环境的状态表进行操作．     

一个基于资源操作的强实时动态调压算法

动态调压算法能够降低系统功耗，可用来降低CPU发热量、延长电池供电系统的工作时间．然而，现有动态调压算法均不允许进程进行资源操作（申请或释放资源），这在实际应用中是难以满足的．因此，现有算法不便于实际应用,本文提出了一种新的强实时动态调压算法．该算法允许进程进行资源操作，并且功耗低于现有算法；该算法还能避免死锁．该算法易于应用到实际系统中．     

基于免疫原理的主机静态系统资源异常检测算法

基于免疫系统抗体多样性和异己检测原理，深入进行了计算机静态资源异常检测算法的研究．首先，分析了探测器表达多样性与检测漏洞的关系；然后，在此基础之上提出了计算机静态资源异常检测算法（SRAnDA）．最后对算法在多种数据集上进行了全面的实验，并与MD5算法进行了比较．结果表明，该算法在计算复杂度和空间复杂度两方面均优于MD5算法．在计算机免疫系统静态资源的异常检测中具有很大应用前案．     

一种实用的抗局部强干扰的景象匹配算法

针对巡航导弹在作战过程中可能遇到的各种局部强干扰．本分析了局部强干扰对景象匹配的影响．提出了一种实用的抗局部强干扰的景象匹配算法——基于小窗口的升块匹配算法．即粗匹配阶段将实时图分块．采用AD算法将受强干扰区域滤除．精匹配阶段采用Nprod算法确定最终匹配位置。仿真试验证明．该算法能够满足匹配可靠性和实时性的要求．具有良好的应用前景。     

基于Mean Shift算法和粒子滤波器的目标跟踪

本文提出了一种综合Mean Shift算法和粒子滤波器的跟踪算法,该算法利用Mean Shift算法在重采样之后将粒子收敛到靠近目标真实状态的区域内,克服了传统粒子滤波器的退化现象并缩短了计算时间,而且算法在遮挡时能实现很好的跟踪．实验表明．算法的实时性得到了提高．     

A parallel immune algorithm for traveling salesman problem and its application on cold rolling scheduling

Parallel computing provides efficient solutions for combinatorial optimization problem. However, since the communications among computing processes are rather cost-consuming, the actual parallel or distributed algorithm comes with substantial expenditures, such as, hardware, management, and maintenance. In this study, a parallel immune algorithm based on graphic processing unit (GPU) that originally comes to process the computer graphics in display adapter is proposed. Genetic operators and a structure of vaccine taboo list are designed, and the internal memory utility of GPU structure is optimized. To verify the effectiveness and efficiency of the proposed algorithm, various middle-scale traveling salesman problems (TSP) are employed to demonstrate the potential of the proposed techniques. The simulation examples demonstrate that the developed method can greatly improve the computing efficiency for solving the TSP, and the results are more remarkable when the scale of TSP becomes higher. Furthermore, the derived algorithm is verified by a practical application in steel industry that arranges the cold rolling scheduling of a batch of steel coils.     

演化算法求解TSP问题的最新进展

TSP是一个著名的NP-hard问题.对近期出现的一些新的求解TSP问题的演化算法进行了比较全面的综述.其中有一类算法属于郭涛算法及其相应的改进算法,能够得到比传统演化算法更好的解,还有一类采用了实数编码的染色体表示方式,对求解TSP问题的新的染色体表示方式进行了尝试,还有的属于并行演化算法,通过增加并行进程的方式能够在原有算法的基础上得到更好的解.在综述这些算法的同时,还对比了它们的求解能力.最终的目的是希望通过对上述算法的研究,得到更合理的算法,推动演化算法研究TSP问题的进程.     

PASCP在大规模TSP中的应用

蚂蚁系统是由M．Dorigo等人首先提出的一种新型的模拟进化算法，初步的研究表明该算法具有极强的鲁棒性和发现较好解的能力，但同时也存在收敛速度慢等缺点。该文提出了一种带聚类处理的并行蚂蚁系统，该算法首先将大规模TSP问题通过聚类处理分解成一些小规模，ISP问题，然后对每一个小规模TSP问题分别使用蚂蚁系统并行求解，最后将所有小规模TSP问题的解合并成TSP问题的解。对带聚类特征的大规模TSP问题的仿真实验表明该算法极大地提高了蚂蚁系统的收敛速度。     

基于个体适应度梯度的定向进化算法

基于进化过程中父代个体和子代个体在种群中的适应度梯度,提出进化方向的概念,并对其进行定性分析,在此基础上提出最优进化方向。通过最优进化方向的指导可加速进化过程,提高进化算法的收敛效率。基于进化方向和最优进化方向的描述,设计并实现基于个体适应度梯度的定向进化算法,并针对该算法给出2种不同的个体繁殖策略。对算法的收敛性和复杂度进行理论分析。最后通过仿真实验说明该算法具有精度高、收敛速度快等优点,在一定程度上克服目前进化算法的搜索低效问题。     

基于Spark的蚁群优化算法

为应对大数据时代中组合优化问题的求解,基于云计算框架Spark,借助其基于内存、分布式的特定,提出一种并行蚁群优化算法。其思路是通过将蚂蚁构造为弹性分布式数据集,由此给出相应的一系列转换算子,实现了蚂蚁构造解过程的并行化。通过在旅行商问题(TSP)求解的仿真实验结果说明了所提出的并行算法的可行性;并在同等实验环境下对比基于MapReduce的蚁群优化算法,优化速度提升达10倍以上。     

一种改进的动力学演化算法

动力学演化算法(DEA)是一种新颖的基于统计机制理论的演化计算技术.DEA通过驱动所有的个体运动和演化,可以有效地保持种群的多样性,但是在解决一些困难的函数优化问题时,DEA收敛速度慢并且易收敛于局部最优解.提出了一种改进的带有多父体杂交和差分变异算子的动力学演化算法(IDEA),有效地加快了DEA的收敛速度并且可以轻易逃离次优解.通过解决典型的数值函数优化问题来证实算法的有效性,实验结果表明,改进的动力学演化算法具有更高的收敛速度和收敛精度.     

基于Spark的人工蜂群改进算法

针对人工蜂群（ABC）算法求解组合优化问题时效率低的问题,提出了基于Spark云计算框架的并行ABC改进算法。首先,将蜂群划分为子蜂群并将蜂群构造为弹性分布式数据集,子蜂群使用广播机制交换优秀个体;然后,采用一系列转换算子,实现蜜蜂寻找解过程的并行化;最后,用万有引力质量计算代替轮盘赌概率计算,减少计算量。通过旅行商问题（TSP）求解说明了算法的可行性。实验结果表明：对比标准ABC算法,所提算法加速比最大达到3.24;对比未改进的并行ABC算法,该算法收敛速度提高约10%。所提算法在复杂问题求解方面优势更加明显。     

基于改进Inver-over算子的并行TSP演化算法

设计了基于近邻点初始化和改进Inver-over(反序杂交)算子求解旅行商问题的并行演化算法.该算法执行时,主进程每当收集到各个种群的最好个体并形成精英种群时,就对该种群执行一次Inver-over算子,然后将其中最好的个体发送给各个种群.在PVM(并行虚拟机)并行环境下的实验结果表明,并行后能取得更好的解,并且在主进程中建立精英种群的演化有助于更好更快的收敛.     

A clustering-ranking method for many-objective optimization

In evolutionary multi-objective optimization, balancing convergence and diversity remains a challenge and especially for many-objective (three or more objectives) optimization problems (MaOPs). To improve convergence and diversity for MaOPs, we propose a new approach: clustering-ranking evolutionary algorithm (crEA), where the two procedures (clustering and ranking) are implemented sequentially. Clustering incorporates the recently proposed non-dominated sorting genetic algorithm III (NSGA-III), using a series of reference lines as the cluster centroid. The solutions are ranked according to the fitness value, which is considered to be the degree of closeness to the true Pareto front. An environmental selection operation is performed on every cluster to promote both convergence and diversity. The proposed algorithm has been tested extensively on nine widely used benchmark problems from the walking fish group (WFG) as well as combinatorial travelling salesman problem (TSP). An extensive comparison with six state-of-the-art algorithms indicates that the proposed crEA is capable of finding a better approximated and distributed solution set.     

利用Alopex改进的动力学演化算法

通过将动力学演化算法(Dynamical Evolutionary Algorithm,DEA)与一种随机优化方法——Alopex算法相结合,提出一种改进的动力学演化算法。改进的算法改善了动力学演化算法摆脱局部极小点的能力,对典型函数的测试表明:改进算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。