利于GPU计算具有线性并行度的P／G网SOR求解算法

近年来电子设计自动化(EDA)研究人员尝试利用图形处理器(graphic processing unit,GPU)提供的高性能计算能力对IC参数分析进行加速研究.为了利用GPU进行电源线/地线网络(power/ground network,P/G网)快速分析,设计了一种基于经典的连续过松弛(successive over-relaxation,SOR)算法的高效P/G网分析并行算法.基于GPU并行计算加速原理,此算法进行了如下改进:1)采用红-黑次序的松弛策略.将所有的节点分为红黑两类,红色节点的所有邻点只有黑色节点、黑色节点的所有邻点只有红色节点,红色节点与黑色节点交替松弛,保证了GPU并行计算中的数据一致性.对于具有N个节点的P/G网而言,一次红色节点或黑色节点松弛可以同时对N/2个节点进行松弛操作,即理论上可以同时启动N?2个并行线程.2)优化数据结构.实现了对数据空间的合并访问,以保证对GPU全局存储空间的最优访问.3)在共享存储器内通过并行归约对松弛标记进行快速统计,同时利用zero-copy技术进行松弛标记的快速拷贝,以快速决定是否继续松弛.大量的实验结果表明:与单线程的CPU程序相比,此算法的加速倍数随GPU所提供物理线程的数目增加而线性增加,可以获得最大242倍的加速效果,是目前EDA研究领域中加速效果最好的GPU算法.

人的反应特性及其S-O-R传递过程的灰色描述

人是一个复杂的“控制器”，其行为过程是Ｓ－Ｏ－Ｒ过程．该系统是一个灰色的动态系统，其过程也是灰色的．本文从人的反应特性入手，根据传递函数的概念，建立了人Ｓ－Ｏ－Ｒ过程的灰色传递函数，并讨论了几种特例．这为进一步揭示人的Ｓ→Ｒ的特性、研究人为失误以及提高人的动作可靠性奠定了理论基础．

流量控制变频调速系统在实验教学中的应用

流量变频调速控制系统变频器采用森兰SB60,根据输入给定值和反馈的实际值,即流量传感器信号转换获得的反馈电压信号,利用PID控制自动调节,改变频率输出值来调节所控制的三相异步电机转速,继而来调节水箱流量,实现流量控制的目的。

SPPAC:科技成果转化知识协同的认知行为过程

知识协同过程研究多以知识管理过程为主,无法解释知识协同为何会发生以及不会发生。在界定科技成果转化知识协同概念的基础上,以SOR模式及IPA理论为基础,从心理学和社会学两个视角建立环境刺激、协同意识、协同态度等对知识协同过程的影响,创建相应的知识协同认知行为过程模式(即SPPAC模式),也对如何驱动科技成果转化知识协同的认知行为过程进行了探讨。该模式显示,环境刺激是知识协同产生的源起,协同意识及协同态度则是知识协同真正发生的根基。这一模式,勾画出科技成果转化知识协同在何种情况下会发生、在何种情况下会中止,很好地解释了知识协同发生的内在过程。

数字前兆遥测台网数据库及数据处理系统

本文介绍了数字前兆遥测台网中心数据库及数据处理系统的总体结构，实现的基本功能和主要特点。着重介绍了该系统软件结构、工作流程、软件设计方法和主要实现技术。

基于逐次超松弛技术的Double Speedy Q-Learning算法

Q-Learning是目前一种主流的强化学习算法,但其在随机环境中收敛速度不佳,之前的研究针对Speedy Q-Learning存在的过估计问题进行改进,提出了Double Speedy Q-Learning算法。但Double Speedy Q-Learning算法并未考虑随机环境中存在的自循环结构,即代理执行动作时,存在进入当前状态的概率,这将不利于代理在随机环境中学习,从而影响算法的收敛速度。针对Double Speedy Q-Learning中存在的自循环结构,利用逐次超松弛技术对Double Speedy Q-Learning算法的Bellman算子进行改进,提出基于逐次超松弛技术的Double Speedy Q-Learning算法(Double Speedy Q-Learning based on Successive Over Relaxation,DSQL-SOR),进一步提升了Double Speedy Q-Learning算法的收敛速度。通过数值实验将DSQL-SOR与其他算法的实际奖励和期望奖励之间的误差进行对比,实验结果表明,所提算法比现有主流的算法SQL的误差低0.6,比逐次超松弛算法GSQL低0.5,这表明DSQL-SOR算法的性能较其他算法更优。实验同时对DSQL-SOR算法的可拓展性进行测试,当状态空间从10增加到1000时,每次迭代的平均时间增长缓慢,始终维持在10^(-4)数量级上,表明DSQL-SOR的可拓展性较强。

基于模拟系统的并行程序运行时间推算

本文在并行系统模拟环境中，采集了一个迭代类并行程序实例的运行时间数据．据此，分析了影响并行程序运行时间的主要因素，建立了一个并行程序运行时间推算模型．从而可以在选代次数、输入数据规模，以及并行系统的配置等三个方向上对程序运行时间进行预测．实验数据表明，该模型是相当精确的，可以为我们节省大量的模拟时间．