基于动态生成树和改进不敏卡尔曼滤波的传感器网络目标跟踪算法研究

针对在传感器网络目标跟踪的实际应用中,节点感知的数据与目标真实状态之间通常呈现非线性的特点,提出了一种基于改进不敏卡尔曼滤波的传感器网络目标跟踪算法。通过引入粒子群技术对不敏卡尔曼滤波中δ采样点的分布和收敛速度进行优化,使得δ采样点的分布更加接近目标的真实状态,以提高目标跟踪精度。同时,构建了一个随目标移动而动态生成的树形结构作为算法的执行平台。仿真结果表明,采用动态生成树作为算法执行平台提高了节点资源的利用率,降低了网络能耗,采用粒子群优化后的不敏卡尔曼滤波提高了目标跟踪精度,减少了算法运行时间。

应用动态生成树的GPU显存数据复用优化

针对手工优化GPU（Graphic Processing Unit）显存级数据复用过程复杂和编译时优化数据复用开销过大的问题,提出了一种基于动态生成树在运行时进行数据复用的优化方法,可为程序员提供一种透明且高效简单的优化方式.该方法将已经执行的GPU计算任务的数据访问抽象为生成树的叶子节点,利用动态生成树管理GPU数据访问信息,实现了运行时GPU显存级数据的复用优化,并通过运行时对生成树的搜索和维护,动态地发掘和优化GPU显存级数据复用,因此,在编程时不需要进行复杂且困难的数据复用分析,直接调用文中提出的运行时库就能有效减少程序执行过程中CPU内存和GPU显存之间的冗余数据传输次数,从而提升应用的运行性能.实验结果表明,使用文中提出的优化方法可有效消除未进行数据复用优化的CPU-GPU应用程序中的冗余数据传输,最大加速比达原始执行的3～10倍,额外开销不到优化后程序总执行时间的5％.

基于遗传的海上风电集电系统拓扑优化

针对海上风电工程集电线路拓扑的自动优化布置,文章以集电线路的全寿命周期成本作为目标函数,海缆选型和海缆交叉规避作为主要约束条件,建立数学模型,同时基于动态边权最小生成树算法改进遗传算法的种群生成方式以扩大算法的搜索解空间,以期凭借较好的寻优能力求解集电系统拓扑优化问题,提升海上风电场的综合效益。海上风电场项目算例结果验证了方法的有效性和快速性,可为海上风电集电系统规划设计提供具有实用价值的参考。

基于动态网络方法的中国行业板块联动效应分析

该文通过DCC-MVGARCH模型和网络分析方法,建立动态最小生成树网络,利用Tucker分解和K-均值聚类方法,将动态网络聚集成3个代表网络,并生成分层结构树图,对在2007—2018年包括次贷危机、“2015年股市波动”和中美贸易战等多个股市重大事件时间段内的中国行业板块联动性进行实证分析.研究结果表明:行业板块联动性长期处于波动状态,在股价快速上涨、下跌时,联动性的波动尤为剧烈,但在代表网络中具有重要影响力的节点变化不大,分层结构树图聚集状态变化较小,行业板块联动网络基本稳定;在中国股票市场的网络结构中生产制造业处于核心地位,金融业处于边缘地位.