基于CUDA的并行AES算法的实现和加速效率探索

网络应用服务（尤其是电子银行和电子商务）需要数据加密提供安全通信.很多应用服务器面临着执行大量计算稠密的加密挑战.CUDA（统一计算架构）是在GPU进行并行和通用计算的平台,能够利用现有显卡资源,以低成本的方式提升加密性能.在Nvidia GeForce G210显卡上实现CUDA的AES（高级加密标准）并行算法并且在AMD Athlon 7850上实现串行AES算法.实现的AES并行算法避免了同一线程块的线程同步和通信,提升了GPU的加速性能,加速比要比Manavski的AES-128并行算法提升2.66～3.34倍.在大数据量（至32MB）加密环境下探索AES并行算法的性能模型,并首次从加速效率角度分析加速性能.该并行AES算法在16核的GPU上能最高达到15.83倍的加速比和99.898％的加速效率.

电网不平衡情况下并网逆变器多目标协调控制策略研究

在电网电压不平衡情况下,并网逆变器输出有功功率和电流将存在二次脉动和畸变。为了提高电网不平衡时并网逆变器并网电流质量,有效降低并网逆变器对电网的冲击,提出了一种基于神经网络的电网不平衡情况下并网逆变器多目标协调控制策略。该策略根据瞬时功率计算参考电流矢量,建立多控制目标的统一解析表达式,并利用ADALINE神经网络对参考电流矢量表达式系数进行优化。为了提高系统的抗干扰性能,采用增量式PI控制器进行电流控制,并利用RBF神经网络在线调整PI控制器参数。仿真和实验结果验证了所提方法的有效性和适用性。

基于神经网络滑模控制光伏系统最大功率点跟踪

在光照强度和环境温度变化的情况下,难以有效跟踪太阳电池的最大功率点。针对这个问题提出一种基于神经网络滑模控制技术的最大功率点跟踪方法。首先建立以太阳电池输出功率为状态量的数学模型,并选择实际输出功率、理想光照和温度下输出功率的差值构造滑模面。然后为消除时变和非线性不确定对控制系统的影响,利用RBF神经网络逼近滑模控制器的不确定部分,并通过Liyapulov稳定性理论求取RBF神经网络权值的自适应律。仿真和实验结果表明:该方法能同时实现光伏发电系统的最大功率点跟踪和变流器控制,具有良好的鲁棒性。

无线传感器网络仿真技术综述

针对无法在真实环境中进行无线传感器网络(Wireless Sensor Networks,WSN)实验的情况,采用仿真技术研究无线传感器网络成为一种有效手段。在分析无线传感器网络结构的基础上,分析无线传感器网络仿真技术。首先归纳出目前常用的WSN仿真技术:典型的WSN模拟器、模拟器功能扩展、设计的WSN仿真平台和集成的WSN仿真框架,然后从设计思路和性能等方面对其进行对比分析,最后指出:考虑传感器节点对外部应用环境需求的集成多仿真工具方案,将成为新一代无线传感器网络仿真技术的发展方向。

云环境下基于超球面投影分区的Skyline计算

目前,Skyline查询在集中式数据库、分布式数据库、数据流及分类属性数据集上的良好应用前景,使其成为当前数据库界研究的重点和热点之一,受到了学术界和工业界的广泛关注,它作为一种重要的数据挖掘技术广泛应用于多目标优化、城市导航系统、用户偏好查询及约束决策、智能防御系统以及地理信息系统等领域。随着人类可以采集和利用的数据信息的急剧增长,如何处理大数据的Skyline查询成为急需解决的问题。针对云计算环境,在Map-Reduce框架下设计并实现了基于超球面投影分区的分布式Skyline算法HSPD-Skyline,其主要思想是通过对高维数据点的超平面投影映射,即由空间坐标转换为超球面坐标,可以有效提高分区内数据点的平均减枝力度,降低Skyline的计算代价。同时,使用基于空间分区树的启发式策略HA-SPT,进一步提高了HSPD-Skyline算法的处理效率。通过详细的理论分析和实验验证表明,在不考虑数据分布和进一步优化算法的条件下,提出的HSPD-Skyline算法的总体性能(可扩展性、Skyline查询时间等)优于同类算法。

基于PSR-LSSVM的网络流量预测

为了提高网络流量预测精度,利用相空间重构和预测模型参数间的相互联系,提出一种遗传优化最小二乘支持向量机的网络流量预测方法。首先将相空间重构和最小二乘支持向量机参数作为遗传算法的个体,将模型预测精度作为个体适应度函数,然后通过遗传操作获得模型全局最优参数,最后通过网络流量仿真实验进行性能测试。结果表明,相对于传统预测方法,遗传优化最小二乘支持向量机提高了网络流量的预测精度,为网络流量预测提供了一种新的研究思路。

基于图的半监督降维算法

非线性降维和半监督学习都是近年来机器学习的热点。将半监督的方法运用到非线性降维中,提出了基于图的半监督降维的算法。该算法用等式融合的方法推出了标记传播算法的另一种表达形式,用标记传播的结果作为初始的数据映射,然后在图谱张成的线性空间中寻找最逼近初始映射的数据作为最后的半监督降维的结果。实验表明,所提算法可以获得平滑的数据映射,更接近于理想的降维效果。与标记传播算法、图谱逼近算法、无监督的降维算法的比较也体现出本算法的优越性。

LTE中基于协作AODV协议的拥塞控制机制研究

针对LTE网络已有的拥塞控制算法无法适应分布式网络拓扑和复杂的网络环境以及自身效率低、开销大等问题,分析了LTE网络无线信道质量对AODV协议性能的影响,建立了基于路径损耗门限值的协同合作方式下的AODV路由机制,在此基础上,提出了一种基于队列长度和跳数的拥塞控制策略,分别通过LTE网络链路级仿真实验验证了改进后的基于协作路由协议的无线TCP拥塞控制机制的性能。数学分析和仿真结果表明,所提协作拥塞控制机制与传统的TCP拥塞控制机制相比,在平均丢包数、队列长度抖动、时延、时延抖动和吞吐率等方面均具有良好的性能。

一种准对角矩阵的混合压缩算法及其与向量相乘在GPU上的实现

稀疏矩阵与向量乘(SpMV)属于科学计算和工程应用中的一种基本运算,其高性能实现与优化是计算科学的研究热点之一。在微分方程的求解过程中会产生大规模的稀疏矩阵,而且很大一部分是一种准对角矩阵。针对准对角矩阵存在的一些不规则性,提出一种混合对角存储(DIA)和行压缩存储(CSR)格式来进行SpMV计算,对于分割出来的对角线区域之外的离散非零元素采用CSR存储,这样能够克服DIA在不规则情况下存储矩阵的列迅速增加的缺陷,同时对角线采用DIA存储又能充分利用矩阵的对角特征,以减少CSR的行非零元素数目的不均衡现象,并可以通过调整存储对角线的带宽来适应准对角矩阵的不同的离散形式,以获得比DIA和CSR更高的压缩比,减小计算的数据规模。利用CUDA平台在GPU上进行了实验测试,结果表明该方法比DIA和CSR具有更高的加速比。

可配置网络式软件系统的可用性预计研究

在复杂系统的建模与仿真研究的基础上,提出了一种基于多Agent的可配置网络式软件系统的可用性预计方法。首先介绍了多Agent系统建模与仿真方法;其次分析了可配置网络式软件系统的特点;然后在研究基于多A-gent的网络式软件系统建模与仿真的基础上,研究可配置的行为模型,并建立了基于多Agent的可配置网络式软件系统可用性仿真方法;最后利用Netlogo仿真平台,结合实例对可配置的作用进行了可用性预计,并验证了本方法的有效性。

基于带宽预测的VCP拥塞控制改进算法

反馈信息不足导致VCP无法根据网络拥塞程度进行相应窗口调整,在网络突发业务流情况下存在慢收敛问题.针对高带宽延时网络特性,本文提出一种基于带宽预测的VCP拥塞控制改进算法VCP-BE.该算法结合端到端可用带宽预测和2位显式拥塞反馈信息提高拥塞反馈精度,为源端拥塞窗口调节提供更精细的拥塞控制信息.仿真结果表明,VCP-BE能够有效适应高带宽时延网络环境,具有比VCP及MLCP更快的公平收敛速度.

高校教室天然采光质量探讨

本文通过对高校教室天然光环境的调查、实测,找出教室天然采光设计存在的问题;初步建立天然采光质量量化评价体系,并应用于对具体实例的评估和分析;针对典型教室采光的不足,提出改进措施。这些方法有助于提高采光设计相关原则的可操作性,有利于设计人员在方案阶段预知采光效果,在以人为本的前提下更好地实现建筑节能。