不完全LU分解预处理的BICGSTAB算法在大地电磁二维正演模拟中的应用

基于双二次插值的有限单元法求解大地电磁二维正演问题,以不均匀网格剖分为基础,推导出大地电磁响应的计算公式。针对有限单元法最后形成一个线性方程组,系数矩阵是大型稀疏的带状对称正定复系数矩阵,并且其条件数远大于1,为严重病态矩阵,求解其对应方程组会遇到很多困难等问题,采用不完全LU分解(即上三角与下三角分解)处理的稳定双共轭梯度算法(BICGSTAB算法)求解该线性方程组,通过对层状介质和二维模型电磁响应进行计算,获得二维大地电磁的视电阻率曲线和阻抗相位曲线。研究结果表明,BICGSTAB算法具有速度快、精度高和稳定性好等优点。

一种超大规模电源/地线网络快速压缩BiCGStab算法

提出一种新的快速分析方法对大规模电源/地线网络进行模拟.首先以列索引的一维稀疏存储结构对大规模的系数矩阵进行压缩处理,避免了行索引数组,提高了计算的速度;其次采用BiCGStab算法对网络进行模拟,在保证计算速度的情况下避免了逆矩阵的计算,节省了计算内存.实验数据表明,本算法的计算速度比HSPICE提高了两个数量级;计算所用的内存与HSPICE相比节省了约95%,与预优共轭梯度法相比节省了约75%.本算法求解效率高,并大幅度节省了计算内存,与常规的电路模拟软件相比,适用于分析规模日益增大的微处理器中的电源/地线网络.

基于压缩存储技术求解压力Poisson方程的BiCGSTAB算法

基于投影算法所得压力Poisson方程进行数值离散,对离散系统形成的稀疏线性方程组,由于线性方程组的系数矩阵存在大量的零元素,为降低内存存储,以一维稀疏存储结构对大规模的系数矩阵进行压缩处理,只存储非零元素;同时,以具有优化性质的BiCGSTAB算法求解压力Poisson方程,显著提高了计算效率。在相同初始条件下,利用Fortran90完成超松弛迭代法的程序求解压力Poisson方程数值离散所得到的线性方程组进行求解对比。结果表明基于压缩存储的BiCGSTAB算法在求解稀疏线性方程组具有明显的优势,该算法求解速度快、高效、可靠。

BICGSTAB算法在波前重构和控制中的应用

自适应光学波前重构和控制对精度和实时性的要求很高。BICGSTAB算法可用于非正定对称的线性系统方程的求解,并且速度快、精度高,稳定性好。基于Fried网格,提出将BICGSTAB算法引入自适应光学波前重构和控制系统方程的求解,并与SVD以及几种常见的迭代算法(Jacobi,Seidel,SOR以及SSOR)作比较。仿真结果表明,对于121阶系统,BICGSTAB法达到0.01%精度仅仅需要不到70次的迭代;SVD法达到0.01%需要近300次;四种常见迭代方法即使104次也没有收敛。这说明BICGSTAB具有更高的速度和精度,能够更好地满足自适应光学系统实时性和精度的需要。

不完全LU分解预条件BICGSTAB算法实现感应测井二维FDFD快速正演模拟

在柱坐标系下推导了二维感应测井差分格式,采用频率域有限差分方法求解感应测井正演问题。针对差分近似得到的线性方程组系数矩阵是大型稀疏复系数病态矩阵求解困难等问题,采用不完全LU分解预条件的稳定双共轭梯度(BICGSTAB)算法求解该线性方程组。研究结果表明,本算法具有速度快、精度高和稳定性好等优点,能有效提高感应测井正演模拟的效率和精度。

采用ILUT预处理的BiCGstab算法及在叶轮内流计算中的应用

介绍Krylov子空间迭代算法及预处理方法。采用有限体积方法对不可压缩流动方程进行离散。对离散形成的大型代数方程组,采用ILUT为预处理的BiCGstab算法进行求解。给出ILUT预处理算法及BiCGstab算法求解代数方程组的步骤。将该算法应用于旋转叶轮内流计算,计算结果与ERCOFTAC叶轮已有的结果较为符合。数值计算表明采用ILUT配合BiCGstab算法比选择标准ILU预处理速度更快,稳定性也较好。

预处理的BiCGSTAB算法及其在涡流求解中的应用(英文)

针对涡流场有限元分析形成的大型稀疏复线性方程组,提出了预处理稳定双共轭梯度法(PBiCGSTAB).利用二维正交链表结构实现系数矩阵的全稀疏存储,采用无填充的不完全LU分解对方程组进行预处理以降低系数矩阵的条件数.将稳定双共轭梯度法从实数领域扩展到复数领域,并利用它求解预优过的复线性方程组.基于有限元法和PBiCGSTAB算法编制直线电机性能分析软件,并对一电机堵转的情况进行仿真,将计算结果和ANSYS计算出的结果进行了比较,证明了该软件的正确性.并且通过求解器比较发现,在相同精度条件下PBiCGSTAB算法只需要BiCG算法三分之一的迭代步数,证明了该算法的快速性.

改进A^(*)算法和人工势场法的路径规划

A^(*)算法存在折线路径多和搜索节点多的问题,人工势场(artificial potential field,APF)法存在局部最优和不可到达的问题,针对两种算法存在的问题进行了研究。利用欧氏距离与投影距离提出一种新的混合式启发函数,依据该函数对A^(*)算法的流程进行改进,减少A^(*)算法的搜索节点,提高搜索效率。利用新A^(*)算法生成的最优节点作为APF算法的局部目标点,辅助机器人摆脱局部最优点;通过加入机器人和目标点的位置关系改进势场函数,修改斥力的增益,优化斥力的生成方向。在改进的基础上将两种算法融合提出一种新的算法,利用APF法的势场函数引导A^(*)算法的搜索。从路径长度、避障效果、迭代次数对改进算法进行对比分析,仿真结果表明,提出的改进算法搜索效率高,实现避障的同时保证计算的路径最优。

算法嵌入政府治理:逻辑、风险与规制

伴随着现代信息技术的迅猛发展,智能算法在推动经济社会不断发展的同时也成为推动国家治理现代化的重要驱动力。现阶段如何推进算法技术更有效地嵌入政府治理,在充分发挥技术效益的同时反制技术滥用,实现公共价值最大化目标是亟须关注的时代命题。从“技术—权力—规则”三个维度搭建研究算法嵌入政府治理的分析框架,探索算法技术赋能政府治理的价值意蕴与运作逻辑。聚焦算法技术黑箱阻滞公共责任认定、算法权力削弱政府与民众自主性、算法规则偏好导致治理正义性减损等风险与挑战,提出在实践中要推进技术适度透明化以明晰责任关系链条、规范算法权力运作并坚持人本主义治理理念、明确算法规则决策限度以强化治理正义性等实践进路。

算法解释制度的体系化构建

算法解释在算法治理中举足轻重。算法解释承载着权益保障、社会交往和风险治理三重意义,其在技术层面上的障碍正在逐渐被突破,可以通过多种技术机制实现。在算法治理活动中,应根据常规场景、关键场景和争议场景分别限定选择解释的路径选择和技术方案,通过冻结机制、抽样机制和镜像机制固定算法解释,并使之接受外部的验证与审查,确保算法解释真实、有效。算法解释的系列机制应被进一步构建为体系化的算法解释制度,在这一制度框架内,对解释路径与精度、解释时限、解释瑕疵责任等要素的合理配置,可以实现社会效益与规制负担的精细平衡。

教育数字化转型中的算法权力及其规制

依托框架优势、机器优势和嵌入优势的全新算法,将会随着数字平台的搭建、数据资源的挖掘、“人–机”交互的设计,由单纯的计算工具向事务运行规则转变,进而演变为教育数字化转型中不容回避的权力议题。教育数字化转型中的算法权力既有益于管理风险、规范行为和辅助决策,也可能由于自身的局限以及它与教育之间的冲突,导致教育的风险异化、行为降格和决策失衡。要将算法权力规制到安全、可靠的“笼子”之中,除借助算法目标的教育审查、算法设计的教育解释、算法运行的教育监管、算法应用的教育鉴别、算法信息的教育备案、算法责任的教育认定,以构建从背景、过程到结果的规范机制;还应诉诸教育之于算法的祛魅、平衡与扬弃,以凸显“入乎其内却又出乎其外”的制衡思想。

积极伦理观下算法歧视治理模式的革新

算法技术已借助大数据技术被广泛应用,成为影响人们日常生活的重要角色,其也因技术中立性不断遭受现实挑战而呈现出事实上的歧视性。重新审视算法歧视及其治理路径是发挥算法积极作用、避免算法消极影响的重要前提。传统伦理观念影响下的算法歧视治理模式存在价值观念偏航、治理结构失衡及技术治理落后的问题,影响算法歧视治理实效。社会发展促进了伦理观念的革新,积极伦理观的树立可以为算法技术向善的实现提供理论指引。算法治理结构的优化及反歧视技术水平的提高是纠正算法歧视的重要前提,理念、制度及技术三维措施的综合运用方可在算法领域实现科技向善的伦理目标。

如何实现“黑箱”下的算法治理?——平台推荐算法监管的测量实验与策略探索

近年来,平台推荐算法的快速发展和广泛应用深刻改变了互联网信息内容的供给方式,同时也引发了一系列算法风险与现实问题。平台推荐算法治理与监管成为政府规范算法应用的重点内容之一,无论是算法备案制度的探索,还是实现算法透明化的设想,均面临着一定的困难和挑战。在不打开算法“黑箱”的前提下,平台推荐算法规制与监管是否有可行之道?论文基于机器行为学思想,采用实验方法,以用户视角对推荐结果进行跟踪记录,通过实验数据的对比分析,验证了平台推荐算法结果差异的可测性。基于实验结果,论文提出了通过对不同平台推荐结果进行大规模数据测试和检验,测量平台推荐算法运行逻辑与推荐效果,从而实现“黑箱”下有效的逆向监管,以期丰富未来算法治理的选择。

基于改进模拟退火遗传算法的高速公路服务区自洽能源系统高能效优化

针对高速公路自洽能源系统高能效优化的问题,基于改进模拟退火遗传算法(SA-GA),提出了一种综合考虑经济目标和环保目标的自洽能源系统高能效优化运行策略。首先根据高速公路服务区自洽能源系统中各电力单元特性,建立一种综合考虑系统经济性和环保性的能效目标函数;其次根据高速公路服务区自洽能源系统的分类,建立了不同类型系统对应的约束条件;为避免遗传算法易陷入局部最优的缺陷,引入模拟退火算法,对改进后的SA-GA算法采用降温函数,寻找全局最优解;利用新疆某高速公路服务区自洽能源系统发电和负荷数据,并在传统服务区负荷的基础上进一步考虑新能源汽车充电站的影响。测试函数测试结果表明:SA-GA算法在求解速度和稳定性方面有明显提升,改进SA-GA算法对夏季、冬季典型日能效优化的结果,相较于遗传算法,在寻优精度提升约为20.33%。

算法赋能政府规制:逻辑、限度与发展方向

在算法治理时代,算法既是需要规制的对象,也是赋能政府规制以实现更好规制的治理工具。社会高度计算化和算法的规则属性给予了算法赋能的技术逻辑,数字化转型引致的规制困境和私人算法滥用奠定了算法赋能的现实逻辑,提升规制效能增进民生福祉形塑了算法赋能的价值逻辑。但是,算法运行本身存在的内在局限,以及规制者能力不足或不当运用,导致算法赋能政府规制存在着复杂性难以化约、被动规制俘获、规制权力泛化、可问责性和算法偏差等限度。发挥算法赋能政府规制的积极作用,促进算法与政府规制融合发展,必须坚持规制者的主体地位,完善政府规制的体制机制,强化制度建设,保障算法在可控和可信赖的轨道上运行。

基于改进人工蜂群算法的船舶管路路径寻优算法分析

[目的]人工蜂群(ABC)算法具有控制参数少、局部寻优能力强、收敛速度快的特点,但在解决路径寻优问题方面,存在容易陷入局部最优的缺陷。为解决船舶管路系统中的管路路径规划问题,提出一种改进的人工蜂群(IABC)算法。[方法]在传统人工蜂群算法的基础上,在跟随蜂的更新机制中引入遗传算子中的交叉操作,并对交叉算子的交叉概率采用自适应的策略;通过对种群进行的交叉操作寻找全局范围内的新解,并改进侦察蜂寻找新路径的方式,由原来的对路径经过的点进行更新改为对路径中的“路段”进行更新;随后,提出一种适应于解决分支管路路径寻优的改进人工蜂群协同进化算法。[结果]实例验证表明,改进后的人工蜂群算法相比标准人工蜂群算法其路径布置效果能够提升32.3%~37.4%,收敛速度能够提升17.7%~29.9%。[结论]无论是解决单管路还是分支管路,改进后的人工蜂群算法相比传统的人工蜂群算法求解质量更高、收敛速度更快、稳定性更好。

跟踪算法下的果树修剪机器人路径规划设计

以果树修剪机器人为研究对象,基于轨迹跟踪算法对修剪机器人进行作业路径规划,并分别与传统的往复式路径规划算法和跟踪算法进行仿真对比实验分析。分析结果表明:与传统往复式路径规划算法相比,修剪机器人作业过程中漏剪率降低3%,重复率降低2.5%;与传统跟踪式路径规划算法相比,修剪机器人作业过程转角范围增大36°,横向轨迹误差降低600mm。

考虑载客状态的改进孤立森林浮动车异常数据检测算法

为提高浮动车数据中异常数据检测能力及不同载客状态下的模型检测分析能力,提出基于S-DTA-IIForest(Summation&Difference Third Order Average&Improvement-Isolation Forest)的浮动车数据异常检测算法。构建由相邻两项求和(S)、三阶求和平均差分(DTA)的二维度空间SDTA特征向量;提出差额累计更新和动态区分辨识的改进孤立森林IIForest算法,通过设置停止阈值参数,避免当出现新样本异常值分数大于停止阈值时,仅更新样本不更新孤立森林模型的问题,设计每个二叉树区分辨识度参数,区分辨识度位于停止区间时停止二叉树生长,提高算法收敛性能,以ROC(Receiver Operating Characteristic)曲线下面积AUC(Area Under ROC Cure)、F1-score为指标对模型精度进行对比分析,并以重庆市中心城区学府大道开展实例验证。结果表明:本文S-DTA-IIForest组合算法AUC、F1-score分别为86.63%、0.89,AUC较传统孤立森林IForest(Isolation Forest)提高32.4%,运行效率提高1.29%,具有收敛速度更快、精度更高的优势,载客条件下模型AUC、F1-score较未载客分别提高7.7%、10.8%,组合算法对载客数据有更高的检测精度,且未载客状态数据异常率较载客状态增加71.4%,未载客数据异常率更高。

“算法革命”视角下的数字资本主义及其基本矛盾研究

算法技术和算法制度在资本主义生产、分配、交换、消费等各环节的全面渗透,使得在技术层面出现生产过程数字化、经济活动数据化和经济运行算法化等新逻辑,在制度层面出现数字监视、数字平台、数字霸权等新样态,从而推动资本主义进入了新阶段——数字资本主义。由算法技术革命和算法制度革命构成的“算法革命”,对数字资本主义具有阶段性强化作用,但这是以掩盖资本主义基本矛盾并将其向全球范围内转移为代价和条件的。从长期来看,“算法革命”并不能解决资本主义条件下生产力与生产关系之间不可调和的基本矛盾,反而会使这一基本矛盾进一步深化和激化,最终不断靠近资本主义生产关系所能容纳的数字生产力边界。

改进蚁群算法的送餐机器人路径规划

蚁群算法拥有良好的全局性、自组织性、鲁棒性,但传统蚁群算法存在许多不足之处。为此,针对算法在路径规划问题中的缺陷,在传统蚁群算法的状态转移公式中,引入目标点距离因素和引导素,加快算法收敛性和改善局部最优缺陷。在带时间窗的车辆路径问题(vehicle routing problem with time windows,VRPTW)上,融合蚁群算法和遗传算法,并将顾客时间窗宽度以及机器人等待时间加入蚁群算法状态转移公式中,以及将蚁群算法的解作为遗传算法的初始种群,提高遗传算法的初始解质量,然后进行编码,设置违反时间窗约束和载重量的惩罚函数和适应度函数,在传统遗传算法的交叉、变异操作后加入了破坏-修复基因的操作来优化每一代新解的质量,在Solomon Benchmark算例上进行仿真,对比算法改进前后的最优解,验证算法可行性。最后在餐厅送餐问题中把带有障碍物的仿真环境路径规划问题和VRPTW问题结合,使用改进后的算法解决餐厅环境下送餐机器人对顾客服务配送问题。