催化裂化机理模型的应用开发

AspenFCC软件以21集总反应动力学模型为基础,结合进料和催化剂指纹库技术,是当前较为完善的催化裂化机理模型。以某炼厂一催化装置为例,利用该软件建立装置模型,并对该软件的应用进行分析。     

边缘计算环境下应用驱动的网络延迟测量与优化技术

互联网、移动计算、物联网技术的进步推动了人-机-物环境的深度融合,催生了一大批面向边缘用户的网络搜索、在线社会网络、电子商务、视频监控、智能助理等类型的边缘计算应用.边缘计算应用具有规模巨大、服务质量敏感等特性,对延迟性能提出迫切需求,然而,由于用户访问请求跨边缘网络、广域网、数据中心异构环境,“长尾延迟”问题导致边缘用户的体验质量严重下降.首先综述边缘计算应用的系统架构特征,然后分析长尾延迟的产生原因,分类介绍网络延迟测量的主要理论和方法,并归纳对长尾延迟的优化技术,最后提出在线优化运行环境的思想以及面临的挑战.     

一种有效的储备池在线稀疏学习算法

为克服传统储备池方法缺乏良好在线学习算法的问题, 同时考虑到储备池本身存在的不适定问题, 本文提出一种储备池在线稀疏学习算法, 对储备池目标函数施加L1正则化约束,并采用截断梯度算法在线近似求解.所提算法在对储备池输出权值进行在线调整的同时, 可对储备池输出权值的稀疏性进行有效控制, 有效保证了网络的泛化性能.理论分析和仿真实例证明所提算法的有效性.     

基于粒子群算法的移动机器人全局路径规划策略

提出了一种基于保收敛粒子群优化算法的移动机器人全局路径规划策略,为移动机器人在有限时间内找到一条避开障碍物的最短路径提供了一种解决方案.首先建立环境地图模型,将连接地图中起点和终点的路径编码成粒子,然后根据障碍物位置规划出粒子的可活动区域,在此区域内产生初始种群,使粒子在受限的区域内寻找最优路径.在搜索过程中,粒子群优化算法的加速系数和惯性权重均随迭代次数自适应调节.仿真实验表明算法可在起点与终点之间找到一条简单安全的最优路径.与其他文献所提的方法进行了对比研究,结果表明本文所提算法具有更快的搜索速度和更高的搜索质量.     

机器学习在SDN路由优化中的应用研究综述

随着网络技术的迅速发展和新型应用的不断出现,网络数据的急剧增加导致网络管理变得极其复杂.传统网络中的设备多种多样,配置复杂,难于管理,而软件定义网络(software defined networking, SDN)这种新型网络架构的出现给网络管理带来了曙光,该架构摆脱了硬件设备对网络的限制,使网络具有灵活、可编程性等优点.一个好的路由机制影响着整个网络的性能,软件定义网络的集中控制特性给机器学习在路由机制方面的应用带来了新的研究方向.首先论述了SDN路由优化的现状,然后从监督学习和强化学习2个方面概述了近年来机器学习在SDN路由方面的研究,最后为了满足不同应用的服务质量(quality of service, QoS)以及不同用户的体验质量(quality of experience, QoE),提出了数据驱动认知路由的发展趋势.通过赋予网络节点感知、记忆、查找、决策、推理、解释等认知行为,加快寻路过程,优化路由选择,完善网络管理.     

通用图形处理器缓存子系统性能优化方法综述

随着工艺和制程技术的不断发展以及体系架构的日趋完善,通用图形处理器(general purpose graphics processing units, GPGPU)的并行计算能力得到了很大的提升,其在高性能、高吞吐量等通用计算应用场景的使用越来越广泛.GPGPU通过支持大量线程的并发执行,可以较好地隐藏长延时访存操作,从而获得高并行计算能力.然而,GPGPU在处理计算和访存不规则的应用时,其存储子系统的效率受到很大影响,尤其是片上缓存的争用情况尤为突出,难以及时提供计算操作所需的数据,使得GPGPU的高并行计算能力不能得到充分发挥.解决片上缓存的争用问题、优化缓存子系统的性能,是优化GPGPU性能的主要解决方案之一,也是目前研究GPGPU性能优化的主要热点之一.目前,针对GPGPU缓存子系统的性能优化研究主要集中在线程级并行度(thread level parallelism, TLP)调节、访存顺序调节、数据通量增强、最后一级缓存(last level cache, LLC)优化和基于非易失性存储(non-volatile memory, NVM)的GPGPU缓存新架构设计等5个方面.也从这5个方面重点分析讨论了目前主要的GPGPU缓存子系统性能优化方法,并在最后指出了未来GPGPU缓存子系统优化需要进一步探讨的问题,对GPGPU缓存子系统性能优化的研究有重要意义.     

一种三参数统一化动量方法及其最优收敛速率

动量方法由于能够改善SGD(stochastic gradient descent)的收敛性能而倍受机器学习研究者的关注.随着其在深度学习的成功应用,动量方法出现了众多形式的变体.特别地,产生了SUM(stochastic unified momentum)和QHM(quasi-hyperbolic momentum)两种统一框架.但是,即使是对非光滑凸优化问题,其最优平均收敛性的获得仍然存在着固定迭代步数和无约束等不合理限制.为此,提出了一种更一般的含三参数的统一化动量方法TPUM(triple-parameters unified momentum),能够同时包含SUM和QHM;其次,针对约束的非光滑凸优化问题,在采取时变步长的条件下,证明了所提出的TPUM具有最优的平均收敛速率,并将其推广到随机情况,从而保证了添加动量不会影响标准梯度下降法的收敛性能以及动量方法对机器学习问题的可应用性.典型的L1范数约束hinge损失函数优化问题实验验证了理论分析的正确性.     

钢铁企业液氩供应系统的设计与优化

总结了大型钢铁企业的液氩供应系统的设计经验,为保证用户用气的稳定而采用高压液氩储罐、罐前设液氩泵的设计方案,针对使用过程中的问题对已有系统进行优化改造.     

平面桁架结构拓扑优化设计的改进智能算法

结构拓扑及形状退火算法(STSA)用于桁架结构拓扑优化设计,其优化特点为注重结构构型的改变而较少考虑结构的力学性能,而针对既定几何构型的桁架结构截面优化,满应力准则法(FSD)具有明显优势,因此,将其引入退火历程改进STSA。提出结构几何构型状态相对稳定判别方法,并以结构构型状态相对稳定作为引入FSD的最佳时机形成杂交算法。算例分析表明：该改进智能算法使寻优搜索过程更为稳定,其表现为搜索效率、鲁棒性和最优解均得以改善。     

关系数据库中基于区域聚类的多区域查询优化

针对关系数据库及其应用中多个区域查询的并发处理,提出了一种区域聚类的方法,其基本思路是将多个查询中相近的区域分成若干组,每组构成较大的区域,从较大的区域中检索元组.这种方法避免了多个区域中相同部分的多次访问,减少了数据库I/O操作的次数.对于低维和高维数据,此方法与一一查询的朴素方法相比,其性能都有明显提高.