基于启发式搜索的浮点表达式设计空间探索方法

为了提高浮点表达式设计空间的探索效率,提出一种基于启发搜索的浮点表达式设计空间探索方法。在每次迭代过程中首先对非支配表达式的设计空间进行探索,同时将非支配表达式和可支配表达式分别添加到非支配列表和可支配列表中。当迭代完成后对可支配列表中的表达式进行探索,从中选择非支配的表达式,并对其邻域进行探索。将新的非支配表达式添加到非支配列表中,有效提高了非支配表达式的多样性和随机性。最后再次对非支配列表进行探索,得到最终的等价表达式,并进一步提高最优表达式的性能。与现有的浮点表达式设计空间的探索方法相比较,所提出的方法使计算精度提高了2%~9%,并减少了5%~19%的计算时间和4%~7%的资源消耗。实验结果表明,该方法可有效提高空间探索效率。     

基于Java的表达式计算器设计与实现

介绍了用Java设计与实现表达式计算器的方法.以堆栈的方式,对输入的表达式进行判断与解析,对于符合运算规则的表达式进行计算并输出结果.实现了加、减、乘、除四则运算的功能,并能通过添加括号来改变运算的先后顺序,从而得到预期的运算结果.     

线性代数表达式的索引与匹配方法

现有的数学表达式检索模型大多面向普通数学表达式,在利用其检索线性代数表达式时,由于缺乏对线性代数表达式特征的考虑,检索效果较差。为此,设计针对线性代数表达式的检索方法。利用改进的数学公式描述结构表示La Te X格式的线性代数表达式特征,根据线性代数表达式的种类对其进行分类,并定义相应的扩充运算,据此构建索引文件,设计4种线性代数表达式匹配算法,实现灵活的检索模式,提高检索结果的相关性。实验结果表明,该方法符合线性代数表达式的检索特点,具有较合理的索引结构和较高的匹配效率。     

基于扩展路径表达式的XML查询

XML查询问题是当前计算机界研究的热点问题之一，国内外学者提出了众多的模型与算法．其中，日本学者Makoto Murata等提出采用扩展路径表达式来表达查询，并利用hedge自动机和字符串自动机进行XML的查询计算．这种方法与采用路径表达式控制的XML查询相比，克服了后者不能充分利用XML文档有序性的缺点．另外，扩展路径表达式具有较强的表达能力，可以表达任何MSO(一元二阶逻辑)查询．因此，扩展路径表达式已作为XML查询问题研究的主要理论框架之一，但是扩展路径表达式的编写比较困难，表达式也比较复杂，导致算法时间复杂度的提高．在扩展路径表达式中引入通配符，使得扩展路径表达式更加简单灵活；同时在查询的计算过程中提出并应用带截止集的自动机提高计算的时间效率．     

不确定关系数据属性级溯源表示与概率计算

传统的数据库应用中,数据往往被假定是精确可用的,而实际中数据普遍存在不确定性.以往许多利用溯源信息追踪数据不确定性的方法往往关注元组或单一属性存在不确定性的情况,通过对元组添加唯一变量标识,用变量标识所表示的溯源信息构造布尔表达式计算结果元组概率.当元组中多个属性存在不确定性时,对元组进行标识不能帮助用户快速而准确地找到造成不确定性的源属性值.定义属性表达式,并通过属性表达式构造溯源表达式.利用该溯源表达式不仅可以准确地追溯不确定性产生的具体位置,同时还可以实现结果元组的概率计算.为保证概率计算结果的正确性,提出溯源表达式的转换算法.通过分析影响结果元组概率计算效率的因素,还提出构建共享路径表的方法,在构建过程中对原子析取式进行预计算,以提高概率计算的效率.实验部分将该方法与现有的元组级溯源信息表示方法在时间代价和空间代价方面进行比较,验证其可行性和有效性.此外,实验部分还对利用共享路径加快结果元组概率计算的有效性进行了评估.     

带迭代算子的函数式程序设计

本文提出了程序设计语言的一种新的计算模型，带迭代处子的函数式模型，文中给出了基于该计算模型的程序设计语言的语法、计算规则集及确定怀证明，该类语言以表达式的复合描述顺序，以迭代表达式描述循环，以条件表达式描述分支，使得程序以数学语义为基础，易于理解，证明及构造高效的执行系统，相信该类语言是一咱有坚实理论基础、高效的、实际有用的高级确定性程序设计语言。     

带迭代算子的函数式程序设计*

本文提出了程序设计语言的一种新的计算模型，带迭代算子的函数式模型．文中给出了基于该计算模型的程序设计语言的语法、计算规则集及确定性证明．该类语言以表达式的复合描述顺序，以迭代表达式描述循环，以条件表达式描述分支，使得程序以数学语义为基础，易于理解、证明及构造高技的执行系统．褶信该类语言是一种有坚实理论基础、高教的、实际有用的，高级确定性程序设计语言．     

CADCS中的表达式输入与求值问题

在CADCS的设计中,线性系统的结构是可以用参数表达的,但非线性系统的表达式却没有这样简单的形式,最简单且理想的方法是用表达式本身。 编译型的高级语言是不能接受一个表达式的,为了直接输入非线牲函数表达式,我们引入了一个软体运算器,它具有一套指令系统,根据非线性函数表达式可由一个编译系统自动编译计算该表达式及其任意偏导值的程序,这些程序由软体运算器执行。     

一种加速访存地址计算的编译优化

在国产申威高性能多核服务器系统中,基础编译系统对应用程序中访存操作进行代码生成时,没有考虑国产处理器指令特征,导致编译器生成的访存地址计算代码效率较低,影响国产高性能处理器的性能。为充分发挥国产处理器高性能计算能力,提出一种加速访存地址计算的编译优化方法。加速访存地址计算编译优化基于处理器支持带扩展因子的运算指令,在编译器后端内存地址表达式合法性检查中,添加针对乘加模式的地址计算表达式合法性检查算法,自动识别地址表达式中存在的乘加运算并进行合法性检验,对符合条件的地址表达式在代码生成阶段匹配生成带扩展因子的运算指令来快速计算访存地址,从而加快访存指令的发射与执行以及应用程序中的访存地址生成,提升访存效率。使用行业标准性能测试集SPEC CPU2006对优化效果进行评测,结果表明,相比优化前SPECspeed Integer与SPECspeed Float Point两个子集,该优化方法平均性能分别提高了2.53%与1.50%。     

一种判别数学表达式有效性的方法

数学表达式是现代计算机科学中必不可少的组成部分,数学教学软件中如果缺少数学表达式有效性的判定,将会严重影响软件的运行效率和用户体验。针对此问题提出了一种采用递归方法来判别数学表达式有效性的方法。首先对表达式进行规格化处理,然后遍历数学表达式,进行括号匹配、运算符优先级处理和数学基本初等函数识别,最后进行常量的识别。对其中遇到的问题进行了讨论,并提供了解决方案。该方法已经应用于数学软件、远程教育等应用领域的函数作图中,当用户输入表达式错误时,它能够及时提醒用户输入的错误位置,达到了很好的效果。实验表明：数学表达式的有效性判别可以显著提高教学软件、函数作图的效率,改善用户体验。     

Simple heuristics-based selection of guides for multi-objective PSO with an application to electrical distribution system planning

In multi-objective particle swarm optimization (MOPSO), a proper selection of local guides significantly influences detection of non-dominated solutions in the objective/solution space and, hence, the convergence characteristics towards the Pareto-optimal set. This paper presents an algorithm based on simple heuristics for selection of local guides in MOPSO, named as HSG-MOPSO (Heuristics-based-Selection-of-Guides in MOPSO). In the HSG-MOPSO, the set of potential guides (in a PSO iteration) consists of the non-dominated solutions (which are normally stored in an elite archive) and some specifically chosen dominated solutions. Thus, there are two types of local guides in the HSG-MOPSO, i.e., non-dominated and dominated guides; they are named so as to signify whether the chosen guide is a non-dominated or a dominated solution. In any iteration, a guide, from the set of available guides, is suitably selected for each population member. Some specified proportion of the current population members follow their respective nearest non-dominated guides and the rest follow their respective nearest dominated guides. The proposed HSG-MOPSO is firstly evaluated on a number of multi-objective benchmark problems along with investigations on the controlling parameters of the guide selection algorithm. The performance of the proposed method is compared with those of two well-known guide selection methods for evolutionary multi-objective optimization, namely the Sigma method and the Strength Pareto Evolutionary Algorithm-2 (SPEA2) implemented in PSO framework. Finally, the HSG-MOPSO is evaluated on a more involved real world problem, i.e., multi-objective planning of electrical distribution system. Simulation results are reported and analyzed to illustrate the viability of the proposed guide selection method for MOPSO.     

一种新的基于进化策略的多目标优化算法

用进化策略求解多目标优化问题时,为了提高解在决策变量空间中的搜索能力和保证Pareto前沿的多样性,提出了一种新的基于进化策略的多目标优化算法。运用自适应变异步长的进化策略,使解在决策变量空间中进行全局和局部搜索;并引入非劣解按一定比例进入下一代的方法,使完全被占优的个体有机会参与到下一代的繁殖,保持了解在Pareto前沿的多样性。该算法在保证解在决策空间多样性的同时,也保持了Pareto前沿的多样性。仿真实验表明,该算法具有良好的搜索性能。     

基于约束依赖图的并发程序模型检测工具

模型检测是一种基于状态空间搜索的自动化验证方法,可以有效地提升程序的质量.然而,由于并发程序中线程调度的不确定性以及数据同步的复杂性,对该类程序验证时存在更为严重的状态空间爆炸问题.目前,大多采用基于独立性分析的偏序约简技术缩小并发程序探索空间.针对粗糙的独立性分析会显著增加需探索的等价类路径问题,开发了一款可细化线程迁移依赖性分析的并发程序模型检测工具CDG4CPV.首先,构造了待验证可达性性质对应的规约自动机;随后,根据线程迁移边的类型和共享变量访问信息构建约束依赖图;最后,利用约束依赖图剪裁控制流图在展开过程中的独立可执行分支.在SV-COMP 2022竞赛的并发程序数据集上进行了对比实验,并对工具的效率进行比较分析.实验结果表明,该工具可以有效地提升并发程序模型检测的效率.特别是,与基于BDD的程序分析算法相比,该工具可使探索状态数目平均减少91.38%,使时间和空间开销分别平均降低86.25%和69.80%.     

星型结构的多目标粒子群算法求解多模态多目标问题

首先,根据多目标粒子群算法中的粒子结构信息,利用非支配解集构造粒子个体邻域之间的拓扑结构,提出星型结构的多目标粒子群算法用于求解多模态多目标问题。其次,针对多目标粒子群中全局最优个体选择困难,提出一种非支配解集分布均匀程度的评价方法,评价结果用于确定当前粒子对应的全局最优个体。最后,结合2种方法提出带均匀计算方法的星型拓扑结构多目标粒子群优化算法STMOPSONCMIU。通过测试函数分析算法的收敛性,表明改进的算法比原来的算法收敛速度快。实验结果表明,该算法可以较好地兼顾问题的目标空间和决策空间的分布,有效解决多模态多目标问题。     

基于过程集成的迫击炮内弹道参量优化

针对迫击炮内弹道参量在优化设计中存在的效率低、全局搜索性差、过程复杂等问题,基于迫击炮内弹道模型,提出了一种过程集成优化设计方法;首先利用MATLAB/Simulink软件搭建了迫击炮内弹道模型并通过仿真计算得到迫击炮的膛压、速度随时间变化曲线,得到的膛压和速度参量与试验结果具有较好的一致性;然后通过集成优化平台ISIGHT集成MATLAB/Simulink软件,结合带精英策略的改进非支配排序遗传算法对其进行了以最大膛压和炮口速度为目标函数的多目标优化设计;优化结果表明：优化后的最大膛压降低了13.63%,炮口速度提高了10.46%,该方法在提升内弹道性能的同时提高了优化效率,为武器的内弹道优化设计提供了一种新思路。     

Multi-stage design space reduction and metamodeling optimization method based on self-organizing maps and fuzzy clustering

Design space exploration and metamodeling techniques have gained rapid dominance in complex engineering design problems. It is observed that the modeling efficiency and accuracy are directly associated with the design space. In order to reduce the complexity of the design space and improve modeling accuracy, a multi-stage design space reduction and metamodeling optimization methodology based on self-organizing maps and fuzzy clustering is proposed in this paper. By using the proposed three-stage optimization approach, the design space is systematically reduced to a relatively small promising region. Self-organizing maps are introduced to act as the preliminary reduction approach through analyzing the underlying mapping relations between design variables and system responses within the original samples. GK (Gustafson & Kessel) clustering algorithm is employed to determine the proper number of clusters by utilizing clustering validity indices, and sample points are clustered using fuzzy c-means (FCM) clustering method with the known number of clusters, so that the search can focus on the most promising area and be better supported by the constructed kriging metamodel. Empirical studies on benchmark problems with multi-humps and two practical nonlinear engineering design problems show the accurate results can be obtained within the reduced design space, which improve the overall efficiency significantly.     

微小故障下的深空探测航天器闭环主动故障检测

深空探测航天器是发展空间技术、扩展人类探索疆域的重要工具.航天器运行过程中一旦发生故障,极易导致探测活动失败甚至航天器损毁,而对航天器进行早期微小故障诊断,可以有效预防重大故障的发生,对于深空探测活动的顺利进行具有十分重要的意义.本文针对模型参数不确定下的深空探测航天器系统,提出一种闭环主动故障检测方法,实现对微小故障的准确检测.通过设计合适的辅助输入信号,分别注入标称和故障模型系统,使故障系统的输出与标称系统的输出无交集,以达到故障检测的目的.此外,为减小对深空探测航天器系统产生的影响,所设计的辅助信号必须尽可能小.通过对两方面需求的考虑,在传统开环研究的基础上,加入观测器建立闭环系统,在提升对微小故障的检测能力的同时减小对系统的影响.最后,利用深空探测航天器的数学仿真验证了所提闭环方法对微小故障的检测能力,并与传统开环方法进行了对比,结果表明闭环辅助信号具有更优的性能.     

An efficient non-dominated sorting method for evolutionary algorithms

We present a new non-dominated sorting algorithm to generate the non-dominated fronts in multi-objective optimization with evolutionary algorithms, particularly the NSGA-II. The non-dominated sorting algorithm used by NSGA-II has a time complexity of O(MN(2)) in generating non-dominated fronts in one generation (iteration) for a population size N and M objective functions. Since generating non-dominated fronts takes the majority of total computational time (excluding the cost of fitness evaluations) of NSGA-II, making this algorithm faster will significantly improve the overall efficiency of NSGA-II and other genetic algorithms using non-dominated sorting. The new non-dominated sorting algorithm proposed in this study reduces the number of redundant comparisons existing in the algorithm of NSGA-II by recording the dominance information among solutions from their first comparisons. By utilizing a new data structure called the dominance tree and the divide-and-conquer mechanism, the new algorithm is faster than NSGA-II for different numbers of objective functions. Although the number of solution comparisons by the proposed algorithm is close to that of NSGA-II when the number of objectives becomes large, the total computational time shows that the proposed algorithm still has better efficiency because of the adoption of the dominance tree structure and the divide-and-conquer mechanism.     

A Machine Learning Framework with Feature Selection for Floorplan Acceleration in IC Physical Design

Floorplan is an important process whose quality determines the timing closure in integrated circuit(IC)physical design.And generating a floorplan with satisfying timing result is time-consuming because much time is spent on the generation-evaluation iteration.Applying machine learning to the floorplan stage is a potential method to accelerate the floorplan iteration.However,there exist two challenges which are selecting proper features and achieving a satisfying model accuracy.In this paper,we propose a machine learning framework for floorplan acceleration with feature selection and model stacking to cope with the challenges,targeting to reduce time and effort in integrated circuit physical design.Specifically,the proposed framework supports predicting post-route slack of static random-access memory(SRAM)in the early floorplan stage.Firstly,we introduce a feature selection method to rank and select important features.Considering both feature importance and model accuracy,we reduce the number of features from 27 to 15(44%reduction),which can simplify the dataset and help educate novice designers.Then,we build a stacking model by combining different kinds of models to improve accuracy.In 28 nm technology,we achieve the mean absolute error of slacks less than 23.03 ps and effectively accelerate the floorplan process by reducing evaluation time from 8 hours to less than 60 seconds.Based on our proposed framework,we can do design space exploration for thousands of locations of SRAM instances in few seconds,much more quickly than the traditional approach.In practical application,we improve the slacks of SRAMs more than 75.5 ps(177%improvement)on average than the initial design.