MIC异构直线加速器束流动力学模拟并行软件开发

现代高能物理研究需要使用高能量的粒子加速器,加速器束流动力学模拟软件具有重要的实用意义. 介绍了一个3维基于MIC的异构直线加速器并行束流动力学模拟软件NEWBEAM-MIC的开发进展. 目的是使用最新的超级异构计算机提高束流动力学模拟软件的性能,更好地完成加速器的设计和优化工作. 这个软件模拟了DTL和SOLENOID加速器装置中粒子的运动过程. NEWBEAM-MIC是在NEWBEAM-CPU软件基础上,将粒子推进部分分配到MIC卡上运行,从而利用MIC多线程的优势使计算加速的. 通过实际测试,这个软件在天河二号上使用100 CPUs和100 MICs可以模拟10⁹个粒子,其中DTL场力计算、SOLENOID场力计算和粒子推进三个部分均可以比仅使用100 CPUs的NEWBEAM软件有100倍以上的加速效果. 再考虑MIC卡上的多线程,对同样规模的粒子,使用100 CPUs 和 100 MICs,当MIC线程数开到最大（224）时,NEWBEAM-MIC可以比单线程串行计算方式加速10000倍以上. 这表明本文开发的基于MIC的异构软件可以很好地加速原有的CPU软件,发挥现有MIC异构超级计算机的潜在性能.     

基于粒子熵的参数自适应变异PSO算法研究

为了避免普通粒子群算法（PSO）可能出现的局部收敛及精度不高现象,围绕影响PSO算法性能的两个重要参数[w]和[pgd],提出了一种面向全局优化的参数自适应变异PSO改进算法。算法定义了粒子熵集概念,可以精确反映粒子群数据的全局聚集特性,由粒子群各维数据的熵值大小决定是否对各维数据的惯性权重[w]进行回归变异,对全局变量[pgd]进行随机变异,并采取引入变异次数因子等方法来避免寻优发散。仿真研究表明该算法比常用算法在寻优精度、摆脱局部陷阱、稳定性等方面均有明显提高,在求解复杂多峰问题上有着良好的表现。     

Novel hybrid optimization algorithm using PSO and MADS for the trajectory estimation of a four track wheel skid-steered mobile robot

Several optimization algorithms, such as the particle swarm optimization (PSO), genetic algorithm (GA), and ant colony optimization, have previously been applied in order to reliably obtain more accurate trajectory estimation for mobile robot. However, these optimization algorithms can get easily trapped in local optima when solving a complex system, which has many local optima and many input variables. This paper proposes a novel hybrid optimization algorithm-based tuning of the extended Kalman filter, which involves the PSO and mesh adaptive direct search algorithms, prior to operation. As demonstrated by our experimental results, the advantages of the novel hybrid optimization algorithm resolve the limitations of other algorithms in the trajectory estimation of a four track wheel skid-steered mobile robot (4-TW SSMR).     

On Conducting Simultaneous Versus Sequential Engineering Activities in Risky R&D

We consider development projects in which the activities can be classified in two types: uncertainty resolving R&D efforts that accumulate in the form of knowledge to eventually give rise to a discovery; and routine technical investments which aim at improving the profitability of the project once the discovery has been made. The advantage of initiating routine preparatory activities prior to the achievement of a technological breakthrough in such projects, sometimes termed as 'concurrent engineering', is analyzed within a suitable dynamic optimization framework. The optimal double expenditure policy is compared with the conservative delayed investment policy, under which all the routine engineering activities are delayed until the risky R&D efforts culminate in a breakthrough. A criterion for the optimality of the latter policy is developed on the basis of the probability distribution of the discovery date. The application of the criterion is illustrated for a variety of specifications regarding the uncertainty associated with the R&D process. We find that simultaneous investment is the optimal policy for a large class of probability distributions. However, if the conditional probability of immediate discovery is always below some critical value, it is optimal to delay the preparatory activities until the discovery.     

基于电-声复合传感器测量含水合物液膜厚度仿真研究

针对天然气输送管道内含水合物液膜的厚度测量问题,基于电-声联合探测方法原理设计了集成同轴圆盘-双环电极和超声晶片的内嵌凹面式电-声复合传感器,建立了数值仿真模型对传感器的结构和工作参数进行了优化,并分别对含有离散分布水合物颗粒和水合物沉积层液膜的厚度进行了仿真测量,讨论了电阻法和超声渡越时间法的适用性;研究结果表明:同轴圆盘-双环电极中的圆盘电极的半径、圆盘电极/内环电极的间距是影响电学测试空间灵敏度的主要结构参数,超声波频率对声学测试空间灵敏度产生显著影响,因此需要对凹面式电-声复合传感器的参数进行优化设计;电阻法和超声渡越时间法分别适用于测量水合物以离散颗粒形态分布和以沉积层形态分布的液膜,两类方法优势互补显著,拓宽了电-声复合传感器的适用范围。     

基于微粒群优化的烟雾扩散的实时研究

在粒子系统的基础上研究了烟雾微粒浓度扩散和微粒内部之间碰撞检测相结合的方法。通过扩散方程建立了烟雾扩散力场,以确保扩散运动轨迹的精确性;为了降低微粒之间的碰撞检测时间,引入了基于空间哈希表的碰撞检测技术。经仿真实验结果证明了该算法不仅能够提高模拟速度以达到实时控制要求,而且能够展示烟雾扩散的真实性。     

基于复用技术的分布式Web软件开发方法的研究

该文从软件工程的角度出发,将面向对象技术与软件复用技术相结合,针对分布式WEB软件设计中的复杂性过高提出了一种新的开发方法———主题库法。利用该方法开发的系统,不但可以使问题域能够良好地求解,而且可实现分析及设计结果、最终代码各个层面的复用,较易获取构件/构架库。文中详细描述了该方法的原理、具体实现过程及步骤。     

基于多目标粒子群优化算法的装备维修任务分配

装备维修任务分配问题是典型的多约束/多目标/非线性规划问题,利用传统方法无法求解,因此提出了一种约束多目标粒子群算法,并运用该算法对装备维修任务分配问题进行了优化求解。仿真结果表明,约束多目标粒子群算法针对该问题,在不同参数和约束条件下都有很强的收敛寻优能力,能快速产生多个非支配解,是一种高效的算法,对实现装备维修任务分配的客观量化优化决策有重要作用。     

基于粒子滤波的机动目标跟踪算法仿真研究

针对非线性多目标模型,应用粒子滤波算法,这种方法不受模型线性和Gauss假设的约束,是一种处理非线性非高斯动态系统状态递推估计的有效算法。在粒子滤波的基础上融合扩展卡尔曼滤波算法和无迹卡尔曼滤波算法。融合后的新算法在计算提议概率密度分布时,粒子的产生充分考虑当前时刻的量测,使得粒子的分布更加接近状态的后验概率分布,再用平滑算法处理滤波的结果。仿真结果表明,算法有较好的跟踪效果。     

随机聚焦搜索优化算法

提出了一种新的优化算法: 随机聚焦搜索. 该算法属于群集智能, 它模仿了人类的搜索行为及其在搜索过程中的随机性, 算法简单并且计算复杂度小. 在对一系列典型复杂函数的优化测试中, 通过与差分进化算法和全面学习的粒子群算法进行对比, 验证了该算法性能. 仿真结果表明, 该算法能解决大多数benchmark函数问题, 并且有较快的寻优速度, 可以在一定程度上替代现有的优化算法.