资源结构映像异步更新策略及其在JBCM中的应用

使基于构件的软件配置管理系统支持对配置资源的并发访问是一种必然要求,为此提出了一种资源结构映像异步更新策略用以实现这一目标.这种方法已由北京大学软件工程国家工程中心应用于青鸟软件配置管理系统(JBCM).

计及风电场异步协同的调频指令最优动态分配方法研究

含多类型调频机组的系统指令分配与传统调频指令分配方法具有明显区别。本文提出了一种适用于风电场参与系统负荷频率控制的调频指令动态最优分配方法。该方法基于超短期风速预测结果对风电场调频指令点进行可靠性分析,并采用指令超前预测与滚动更新策略解决了风电场与常规调频机组的异步时间尺度配合与空间尺度指令分配的协同控制问题。基于此,建立了考虑多类型调频异步协同的调频指令动态分配模型,并采用互补松弛方法实现了模型的转化与快速求解。改进的IEEE39节点系统算例仿真结果表明,本文所提方法在保证频率控制性能的前提下,能实现调频指令在风电场与多常规调频机组间的最优分配,在缓解常规调频机组调频压力的同时降低了风电场的调频动作次数,提高了现代电力系统频率控制的可靠性和经济性。

基于异步机制的Gazebo仿真优化研究

在大规模机器人仿真过程中,为了保证仿真精度,通常采用基于时间步的推进机制。这种机制下,虽然可以通过调整仿真时间步灵活控制仿真精度,但当仿真规模较大时,在仿真循环的每次迭代中需要采用同步阻塞的方式,执行大量用于更新位姿或状态的插件代码,从而导致仿真性能降低。针对这一大规模机器人仿真所面临的精度与性能之间的矛盾,提出了一种基于异步策略的优化方案,并在流行的机器人仿真器Gazebo中对优化方案进行了设计实现,最后基于rosflight固定翼无人机案例,验证了方案的有效性。实验结果表明,对于100架固定翼无人机的仿真,采用异步策略优化重构后,仿真加速比达到了5.0以上。

一种求解作业车间调度问题的异步元胞遗传算法

以最快完工时间最少为目标建立了作业车间调度数学模型。将一种异步更新策略引入元胞遗传算法,提出了一种异步元胞遗传算法(acGA)。采用acGA和传统遗传算法求解作业车间调度实例,结果对比表明在求解作业车间调度问题时,acGA与sGA相比搜索能力更强,收敛速度更快,算法的稳定性也更好,表明acGA是一种求解JSP问题的有效算法。

并行面向对象数据库中的基于对象类的混合式数据放置策略

本文针对并行面向对象数据库的特点，结合异步并行查询执行策略[1]，提出了一种基于对象类的混合式数据放置策略，理论分析和模拟结果都验证了它的实用性和有效性．

基于混合范式的脑-机接口异步控制方法研究

自动判别使用者是否处于操作状态的异步控制问题,是脑-机接口(BCI)领域的研究热点之一。由于BCI范式主要针对区分思维指令来诱发脑电特征,导致在区分操作态上信息含量有限,难以获得较理想的异步识别结果。针对上述问题,研究一种结合事件相关电位(ERP)与稳态视觉诱发电位(SSVEP)的混合范式方法,以提升异步控制效果。采集10名被试3种状态下的19导联脑电信号,包括在正常使用BCI时的控制状态和被试目光不在BCI界面以及在睁眼静息状态下的2种空闲状态。通过提取不同状态下ERP的幅值特征与SSVEP的相关系数,区分不同的使用状态,进一步采用贝叶斯方法分别对ERP和SSVEP特征的控制态后验概率进行估计,然后将两者综合并采用阈值法对控制态和空闲态进行二分类识别。结果表明,所发展的混合范式方法在不同状态下两种特征差异同时存在,控制态下会产生更高的P300幅值与SSVEP相关系数,并且与空闲态下的特征之间存在统计学差异。对控制状态和空闲状态的总体平均识别正确率达到92.1%,AUC达到0.98。研究结果表明,混合范式方法在异步识别问题上有很好的潜力,值得进一步研究和发展。

组策略的控制——减少域中策略的数目

本文讲述了如何对组策略进行控制的问题，从而能使我们用较少的策略有效率地工作。作者提供了应用策略到OU、通过安全组成员关系过滤策略、禁用无用的GPO部分和异步处理策略的方法，减少维持整个域环境的策略数目。

异步感知的异构高性能计算机性能预测方法

针对异步策略设计难的问题,提出面向异构超级计算机的高效异步性能预测方法,解耦异步与同步执行的性能,通过层次化建模等技术实现快速精确的性能预测,指导异步策略设计与性能优化。在国产神威异构高性能计算机上,以高性能计算领域典型应用为例,验证所提出建模方法的准确性和高效性。实验结果表明:本方法平均预测精度达到96.61%,预测效率在毫秒级。

说话人分割聚类研究进展

说话人分割聚类是近几年新兴起的语音信号处理研究方向,它主要研究如何确定连续语流中多说话人起止时间的位置,并标出每个语音段对应的说话人。这项研究对自动语音识别、多说话人识别和基于内容的音频分析等都具有重要的意义。根据说话人分割和聚类实现过程不同,本文从异步策略和同步策略的角度回顾了十年来国内外研究的主流算法、技术和代表系统,对比了不同代表系统在近几年NIST富信息转写评测的结果,最后讨论了目前还存在的问题,并对未来的发展进行了展望。

基于并行遗传算法的车间作业调度

研究了并行遗传算法在车间作业调度问题中的应用,通过对传统的迁移策略进行改进,给出了运用该算法求解车间作业调度的具体过程。最后给出了计算机仿真结果,与普通遗传算法求得的结果的比较,证明了该算法的有效性和先进性。

AUV&UAV跨域协同搜索与跟踪路径规划

及时发现近海范围内出现的未知目标,并对其进行跟踪和识别,是维护海洋国土安全的重要一环。无人平台跨域协同搜索已被广泛应用于军事和民用任务,本文采用自主水下航行器(AUV)和无人机(UAV)来完成近海范围内水下目标的搜索和跟踪任务。整个任务过程可分为目标搜索和目标跟踪2个阶段,2个阶段的目标分别是使总搜索空间最大化以及AUV与水下目标的末端位置误差最小。首先,描述了搜索和跟踪任务,并建立了AUV&UAV跨域协同搜索模型;其次,设定了跨域协同搜索模型中的航行能力、探测距离、通信范围等各类约束;最后,在跨域协同搜索与跟踪规划中,分别基于改进遗传算法和异步规划策略,以集中式和分布式决策分别生成了搜索与跟踪路径。仿真实验表明,AUV&UAV跨域无人系统能够完成不同情况下的水下目标搜索与跟踪任务。

USV&AUV水下目标协同搜索与打击航迹规划

异构载运工具合作执行复杂任务是提高任务完成效率的有效手段,已被广泛应用于军事与民用任务.关注对水下目标的搜索与打击任务,此项任务由水面航行器(unmanned surface vehicle, USV)与水下航行器(autonomous underwater vehicle, AUV)合作完成.首先描述USV&AUV系统的框架以及USV与AUV在系统中发挥的作用.在协同航迹规划模型中,整个任务被划分为目标搜索和目标打击两个阶段,两个阶段的目标分别是使得搜索空间最大和AUV与目标的末端位置误差最小.模型中的约束包括USV和AUV的机动能力、目标探测能力、通讯范围等.在协同策略的设计中,针对该任务两个阶段的特点,分别基于随机模拟实验和异步规划策略设计协同航迹规划算法,以集中式和分布式模式分别生成两阶段的航迹.仿真结果表明, USV&AUV系统能够在不同的条件下完成对水下目标的搜索与打击任务.在目标打击阶段,与集中式规划结构相比,分布式规划结构能够应对各种复杂的场景并成功完成任务.