求解非线性方程组的非单调自适应加速Levenberg-Marquardt算法

提出一种新的求解非线性方程组的非单调自适应加速Levenberg-Marquardt算法,该算法使用一种新的自适应函数更新Levenberg-Marquardt参数,这种Levenberg-Marquardt参数的更新方式可提高过于成功的迭代中模型与目标函数的一致性,从而加快算法的收敛速度.数值实验结果表明,该算法具有良好的数值计算性能.

基于双向安德森加速分解协调算法的输配协同无功优化

新型电力系统中新能源渗透率不断增加,输电网和配电网协同运行环境复杂多变,对输配协同优化算法的收敛性提出了更高的挑战。鉴于此,应用广义主从分裂法将输配协同无功优化问题分解为输电网和多个配电网的并行优化问题;为改善广义主从分裂法的计算效率,提出了基于功率、电压等多元信息交互及历史信息修正的双向安德森加速策略;在此基础上,提出了融合原对偶内点法、启发式算法和辅助函数的输配协同无功优化方法,实现了输电网和配电网多种类灵活性资源的协调配合和优化控制。算例仿真结果表明,所提方法能有效改善主从分裂法边界的收敛性能,在大规模分布式能源接入的输配协同无功优化场景中具有更好的应用价值。

混凝土结构疲劳损伤全过程模拟的加速算法

基于混凝土随机疲劳损伤本构模型改进了循环跳跃加速算法。将外推变量从损伤变量修改为累积耗能变量,研究了跳跃阈值和外推方式对加速算法计算结果的影响。当选取合适的跳跃阈值时,可以利用较少的逐步计算结果获得更为精确的外推变量信息,使得混凝土疲劳损伤全过程模拟具有更高的精度和更小的计算成本。最后,采用改进加速算法对受压素混凝土梁进行疲劳损伤全过程模拟。结果表明,改进加速算法可以准确高效地模拟混凝土结构的疲劳破坏全过程。

云环境下实现容器部署的加速粒子群优化算法

基于容器的微服务部署是一个具有挑战性的问题,为获得更好的用户体验并给云供应商带来更多的利润,需要在降低微服务的故障率和减少响应时间的同时提高资源利用率。提出了一种改进的加速粒子群优化算法,用于解决集群中微服务容器部署的多目标优化问题。该算法通过考虑微服务之间的调用关系,使得容器聚集在一起,从而降低服务的数据传输成本、减少故障率,并提高集群资源利用率。与现有部署算法相比,实验结果表明,所提出的优化算法在服务间的数据传输开销、故障率和资源利用率等性能指标上有明显改善。具体表现在:容器聚集度的提升达到40%以上,数据传输消耗平均有提升4%以上,故障率减少10%~20%,利用率提升3%左右。

线云隐私攻击算法的并行加速研究

线云定位方法能保护场景隐私,但也存在被隐私攻击算法破解的风险。该攻击算法能从线云恢复近似点云,但其计算效率较低。针对该问题,提出了一种并行优化算法,并对其运行时间和加速比进行了分析。具体来说,分别采用SPMD模式和流水线模式实现了CPU多核并行和GPGPU并行。然后,进一步结合数据并行模式实现了异构计算,以达到最高的并行度。实验结果表明,并行优化算法加速比最大为15.11,最小为8.20;相比原算法,并行优化算法的还原点云相对误差控制在原误差的0.4%以内,保证了算法的精度。该研究对线云隐私攻击算法以及其他密度估计问题、不同场景下的线云隐私保护算法等有重要意义和参考价值。

基于差分进化算法的数控机床进给系统加速试验优化模型

为了进一步提高数控机床进给系统工作性能及效率,该研究引入差分进化算法,基于差分进化算法的原理和应用流程,自动寻找最佳的参数配置,提高加速过程的效率。通过差分进化算法的迭代优化,寻找最佳的参数组合,以实现更快速、更平稳的加速过程。模型运行试验结果表明,优化后的数控机床进给系统在加速阶段具有更高的性能和更短的加速时间。研究结果能对提高数控机床的加工效率和性能提供有力支持,对于制造业具有重要的实际应用意义。

加速遗传算法在混凝土施工裂缝控制中的应用

本文以中山某泵站水闸为例,研究了基于改进加速遗传算法的混凝土施工在裂缝控制中的应用与防裂措施。首先,对混凝土裂缝的形成原因进行分析,并介绍改进加速遗传算法原理。其次,通过对实际施工过程进行模拟,得到不同工况下混凝土裂缝发生的可能性。最后,通过模拟结果得到混凝土施工防裂措施。研究结果表明,通过采用改进加速遗传算法,可以有效控制混凝土裂缝的产生,并提出了一系列的防裂措施,为混凝土施工提供了可行的方法和技术支持,本研究对于提高混凝土施工质量和延长使用寿命具有重要意义。

基于加速分层遗传算法-投影寻踪模型的三峡水质评价

针对基于遗传算法的投影寻踪模型的不足,提出了基于加速分层遗传算法的投影寻踪模型,提高了全局搜索能力和收敛速度。并将其应用于长江流域水体水质的评价中。利用长江三峡库区8个断面的水质指标监测数据,建立基于加速分层遗传算法的投影寻踪模型,对各断面水质展开评价。结果显示:该段流域内水体质量整体良好,水质等级主要分布在《地表水环境质量标准》(GB3838-2002)Ⅱ类、Ⅲ类、Ⅳ类等级中。该模型能够合理的评价水质等级,值得广泛推广应用。

移动状态下加速度数据滤波算法的对比与研究

贵重物品运输过程中常会使用智能仪器设备进行辅助保护,针对35~80 km/h中低速运输过程中数据噪声较大的问题,通过对比6种常见滤波算法,得出最适合该场景的数据噪声过滤算法。首先,在运输道路上使用传感器采集数据;其次,将数据输入6种滤波算法中处理并进行数据可视化;最后,通过对比可视化结果,得出最适合应用在中低速运输过程中碰撞检测的算法。实验结果表明,贝塞尔滤波算法在该场景中总体效果较优,可有效过滤干扰较大的数据噪声。

基于加速遗传算法的电力系统继电保护定值优化方法

提出基于加速遗传算法的电力系统继电保护定值优化方法研究。对原始继电保护定值优化问题进行转化,将其抽象成一个多目标、多变量和多约束的优化求解过程,分别以选择性、速动性、灵敏性及可靠性为基础,构建了约束条件,并设计了电力系统继电保护定值优化的适应度函数。

基于改进搜索策略的Live-Wire医学图像分割算法

Live-Wire分割算法提供了一种精确的、可再现的交互式医学图像分割方法。Live-Wire算法中最优路径的搜索通常采用Dijkstra算法,其时间复杂度为O[n2]。提出从两个方面对Live-Wire医学图像分割算法的搜索策略进行改进以提高Live-Wire算法的实时性:(1)在最短路径的搜索过程中应用二叉堆排序,使算法的时间复杂度从原来的O[n2]降为O[nlnn];(2)在最短路径搜索中加入到达目标节点即停止的限制条件,可明显减少搜索节点数,使算法的时间复杂度远小于O[nlnn]。经算法分析及实验表明,搜索策略的改进可显著提高Live-Wire算法的运行效率。

激光点云线性KNN算法FPGA实现及加速

针对三维激光点云线性K最近邻(K-nearest neighbor, KNN)搜索耗时长的问题,提出了一种利用多处理器片上系统(multi-processor system on chip, MPSoC)现场可编程门阵列(field-programmable gate array,FPGA)实现三维激光点云KNN快速搜索的方法。首先给出了三维激光点云KNN算法的MPSoC FPGA实现框架;然后详细阐述了每个模块的设计思路及实现过程;最后利用MZU15A开发板和天眸16线旋转机械激光雷达搭建了测试平台,完成了三维激光点云KNN算法MPSoC FPGA加速的测试验证。实验结果表明:基于MPSoC FPGA实现的三维激光点云KNN算法能在保证邻近点搜索精度的情况下,减少邻近点搜索耗时。

一种改进的Live-Wire交互式图像分割算法

提出了一种改进的Live Wire交互式图像分割算法。与原Live Wire算法相比 ,改进算法在不增加算法复杂度的同时 ,大大提高了图像分割的性能 ,而且在 3个方面弥补了原算法的不足 :(1)对噪声相当敏感 ;(2 )不能有效地区分图像中的强弱边缘 ;(3)不适用于边缘弯曲程度较大的图像。将改进算法与窗宽 /窗位调整算法相结合用于医学图像分割中 。

低剂量CT图像降噪的深度图像先验的目标偏移加速算法

低剂量CT(LDCT)图像可大幅降低X射线辐射剂量,但存在大量噪声影响医生诊断。深度图像先验(DIP)是用随机张量作为神经网络的输入图像,以单张LDCT图像为目标进行迭代的无监督深度学习算法。但DIP方法需经过上千次的网络迭代才能得到最佳降噪结果,导致该方法运行速度过慢。因此,该文提出一种用于LDCT降噪的目标偏移DIP加速算法,旨在保持降噪图像质量的基础上提高运行速度。根据一个器官(如肺部)LDCT切片序列图像的相似性,该算法将以各切片分别作为目标图像对应的相互独立的网络迭代通过继承参数关联起来,在上一切片对应的网络参数的基础上更新当前切片对应的网络参数,并将当前切片对应的网络参数作为下一切片对应的网络迭代的基础;由于DIP网络的输入是固定的随机张量,与目标图像差距较大,该文利用传统降噪模型预处理后的LDCT图像作为网络输入,进一步提高网络迭代速度。实验表明,不使用传统模型预处理时,与原DIP网络运行速度相比,该文所提出的加速算法可以将迭代速度提高10.45%;当使用经过相对全变分(RTV)模型预处理的LDCT作为网络输入时,图像峰值信噪比不仅可以达到29.13,而且总迭代速度可以提高94.31%。综上所述,该文算法可在保持DIP降噪效果的基础上,大幅度提高运行速度,特别是RTV模型预处理后的CT图像作为网络输入时,对提高运行速度的效果更加明显。

使用平均路径的一种新Live-wire算法

在传统Live-wire算法中,两个人工选定节点之间的最优路径被定义为具有最小累计能量的路径。因此传统live-wire算法在分割边缘转折剧烈的物体时,为了保证分割的正确性就需要人工添加较多的节点,从而增加整个分割过程的耗时。提出一种基于可控平均代价路径的新型Live-wire算法,并从理论上证明,传统live-wire算法其实是提出的新型算法的一种特例。实验表明,新型Live-wire算法与传统算法相比,能在保证精度的同时减少人工设定的节点个数,从而加快整个分割过程的速度。

两种新的Toeplitz矩阵填充加速临近梯度算法

本文提出了两种改进的Toeplitz矩阵填充加速临近梯度算法,使迭代矩阵每一步都保持Toeplitz结构,从而降低了奇异值分解时间。在理论上,证明了新算法在一些合理条件下的收敛性。同时,数值实验表明,在Toeplitz矩阵填充问题中,新算法比加速临近梯度(APG)算法在时间上有明显减少。

分支定界搜索信息深度引导的电-气互联系统调度决策加速求解方法

电-气互联系统调度决策问题旨在实现天然气系统和电力系统中可调节资源的最佳配置,其精准性与高效性直接影响电-气互联系统运行的安全性与经济性。为描述可调节资源离散状态、非线性运行特性等物理性质,电-气互联系统调度决策问题中含有规模庞大的离散决策变量,模型复杂度高,使得现有依赖于商业混合整数线性规划(MILP)求解器的电力系统运筹优化技术面临“组合爆炸”的计算负担。为此,该文提出一种分支定界搜索信息深度引导的电-气互联系统调度决策加速求解方法。所提方法利用分支定界初始搜索阶段的信息构建小规模辅助MILP模型,并内嵌于分支定界搜索过程,引导剪除更多冗余搜索空间,在不损失最优性的前提下加速收敛。基于RTS-GMLC电力系统和天然气系统不同负荷水平及线性分段数下的30个算例仿真结果说明,相比于直接使用商业MILP求解器,所提方法在不损失最优性的前提下可实现平均4.20倍的加速,验证了所提方法的有效性。

基于代理遗传优化的智能驾驶系统加速测试方法

提出了一种基于代理遗传优化的智能驾驶系统加速测试方法。首先,通过场景要素层次分析权值与优解区域特征改进参数采样模块中的拉丁超立方采样区间,实现了采样效率与优化效果的协同提升;其次,利用参数采样结果和重复度筛选机制增加遗传寻优模块的种群多样性,克服了传统遗传算法的局部收敛难题;然后,利用基于循环更新机制的代理筛选模块对场景测试结果进行预测,平衡了加速算法与代理模型应用之间的效率与精度矛盾;最后,搭建仿真平台在高维时序分解的前车变速场景下对待测智能驾驶系统进行加速测试与验证。结果表明,本文提出的方法可有效搜寻大量关键场景并提升测试效率。

基于WOA-ELM的空间分层结构FBG三维振动加速度传感器非线性解耦

针对三维振动加速度传感器存在的维间耦合干扰问题,以空间分层结构光纤布拉格光栅(FBG)三维振动加速度传感器为研究对象,阐述了三维振动加速度传感的基本原理。其次,构建了振动加速度动态标定实验平台,并分析了传感器的结构耦合特性。最后,提出一种基于鲸鱼算法优化极限学习机(WOA-ELM)的神经网络模型并进行了非线性解耦实验,其结果显示,在x、y、z三轴的平均测量误差分别降至1.58%、1.17%、0.95%,平均I类和II类误差最大值分别降至0.73%和0.37%。为验证解耦效果,将WOA-ELM与其他算法等进行解耦效果对比。结果表明,WOA-ELM更有效地降低三维振动加速度传感器的维间耦合干扰,提高测量精度。

基于GPU加速随机森林算法的大豆基因型填充研究

基因型填充(Genotype Imputation, GI)是一种利用现有的基因型信息来推断未测定或不完整基因型的技术。为了探索在大豆基因组测序中处理不完整数据的高效填充方法,以提高数据处理速度和效率,本研究采用真实的大豆参考面板基因型数据,通过对数据进行2%、5%、10%和25%的完全随机缺失处理,利用GPU加速的随机森林机器学习算法构建填充模型,并对不同缺失比例的数据进行填充。同时,对比分析了不同处理器的准确性和性能。结果显示:基于GPU加速的随机森林算法在大豆基因组中实现了优秀的填充精度。与主流基因填充软件相比,该方法至少提供了4倍以上的运算时间优势。因此,GPU加速的基因型填充策略可应用于大规模基因型数据处理中,提高大豆基因型数据处理的速度和效率,同时减少计算时间和资源消耗。