CUDA平台下信息熵多种群遗传算法设计

为了进一步提高信息熵多种群遗传算法的计算效率,缩短计算时间,提出了一种基于CUDA平台的信息熵多种群遗传算法。通过分析原算法的并行因素,结合CUDA开发平台,对原算法进行适合GPU加速的并行化处理,实现了遗传算子、惩罚函数和空间收缩因子等的并行计算,有效地提高了算法效率。例题数值测试表明,在保持了快速收敛特性和计算精度的前提下,CUDA并行算法相对于原算法具有很高的加速效率。     

基于Kriging代理模型的稳健优化设计

稳健优化设计需要进行不确定性分析,优化过程比较费时。为提高计算效率,提出了基于Kriging代理模型的稳健优化设计方法。该方法结合双重Kriging代理模型和多点加点准则进行稳健优化设计。双重Kriging代理模型的建立,减小了不确定性分析的计算量,提高了计算效率。多点加点准则实现了序列的迭代优化,在保证计算效率的同时提高了对全局最优解的逼近程度。数学函数测试结果表明,与一般模拟基稳健优化方法相比,本文所提出的序列稳健优化方法在效率上有很大的提高。最后,考虑注塑工艺的不稳定性,对一盒式注塑制件的壁厚和工艺进行稳健优化,结果表明该稳健优化设计方法是有效的。     

构件化的模具设计网格平台

Internet上大量的闲置资源可以用来协同解决复杂的注塑模优化设计问题,但是它们的分布性、异构性、动态性和自治性的本质特征,为建立网格平台带来了很大的困难.层次化构件化的设计方法能够降低开发难度,增强系统的可靠性和易维护性.本文建立了构件化的模具优化设计网格平台,并介绍了各个层次的主要功能及组成构件的相关实现技术.在此基础上,重点介绍了网格任务调度agent和优化设计任务分配模型.最后通过对一个算例的优化结果,说明了该平台的合理性和高效性.     

药物分子对接中的构象搜索策略

药物分子对接设计是大规模数据库筛选的理想途径。本文在介绍分子对接理论的基础上，建立了一个数学规划模型，将分子对接中的构象搜索转化为约束极小化问题，并采用带有空间收缩的小种群遗传算法进行求解。在遗传算法中还引入了信息熵的概念，用熵控制各种群搜索空间的收缩。本方法用种群的多样性避免了遗传进化的早熟现象，以空间收缩尺度作为停机判据，有效地控制了算法的收敛。在多种群进化机制上，采用小种群策略，极大程度地减少了计算量，提高了分子对接的效率。实例表明本方法适用于药物分子对接设计。     

高铁酸盐及其联用工艺在水处理中应用综述

综述了高铁酸钾的相关特性以及其在水处理应用中的研究现状,并对其在应用中所展现的优缺点进行解析,重点介绍为克服高铁酸钾单独应用中所出现的缺陷,高铁酸钾与其他技术联用的研究进展。分析了各种高铁酸钾联用技术对于水中污染物的降解原理,并对于国内外水中污染物的研究报道进行了系统的梳理,最后对高铁酸钾联用技术在未来水环境治理中的发展进行展望。     

面向Multi-Qos的网格管理系统及评价模型

Internet环境中大量的闲置资源为用户获得高质量网格服务提供了物质基础。但是资源的分布性、动态性和异构性的特征,以及用户对服务偏好的多样性和难以衡量性,使得对服务质量的评价非常困难。开发了一个网格资源管理调度系统平台,用多Agent构件实现了对网格资源的评价与调度。为了提高网格服务质量,在综合考虑用户的多维Qos偏好和网格资源固有特征的基础上,把层次分析法引入网格资源的Multi-Qos评估模型,建立了以资源可用性能、价格、数据传输性能、安全性和可靠性为评价准则的综合评价模型。并通过对算例的评价结果,说明该方法的有效性和合理性。     

基于网格的演化算法及其应用

通过使用注塑模设计网格平台,可以利用网格环境中动态、异构和分布的资源,协同解决复杂的注塑模优化设计问题。为此,将一个基于信息熵控制的多种群演化遗传算法发展为一个基于网格的演化设计算法。该算法在保持种群多样性的同时能够有效地提高收敛速度,从而缩短优化设计时间。算例的优化结果表明,本文所提出的网格算法具有较高的效率,能够满足注塑模优化设计的需要。最后,对比了使用不同数量计算节点的网格加速情况,并分析了相关的变化趋势及产生原因。     

注塑制品的翘曲优化设计进展

分析了注射成型过程中各工艺参数对制品翘曲的影响，并通过对不同部件翘曲影响因素的分析总结出最重要的影响因素是保压压力，其次为模具温度和注射速度。优化工艺参数是减小翘曲变形的合理且可行的途径，但是由于注射成型过程的复杂性，翘曲优化模型不尽相同。根据优化目标函数的不同将优化模型分为间接优化和直接优化，并分别进行了详尽阐述。最后对为提高优化过程的计算效率，引入一些“替代函数”的翘曲优化进行了分析。     

CUDA下受体评分网格生成并行算法

针对分子对接中生成评分网格需要花费很多的计算时间这一问题, 提出了一种基于统一计算设备架构（CUDA）的评分网格生成并行算法。该算法把传统计算方法中三维计算空间中的一维通过在图形处理单元（GPU）上进行并行处理, 使得总生成时间得到了降低, 提高了评分网格的生成效率。实验结果表明, 借助于GPU的浮点计算能力, 提出的并行算法对比传统的计算方法可以显著缩短评分网格的生成时间, 为评分网格的生成提供一种新的方式。