基于模型驱动的密码算法可视化开发平台研究

针对密码算法开发平台普适性差、无法跨平台的问题,本文采用模型驱动实现密码算法开发的方法,设计了一种基于模型驱动的密码算法可视化开发平台,提出了一种基于模型驱动的密码算法开发的领域语言—MCL密码元语言;实现了基于模型的代码生成器和代码映射器.实验证明,该开发平台仅需要开发者拖拽图形块的操作就可以实现密码算法模型的建立,然后平台可以根据建立的密码算法模型生成不同编程环境下的代码.平台实现了C和python的代码映射器模块,密码算法模型可快速映射为C、python代码.平台有较好的实用性,开发者的密码算法实现过程简洁、高效,不同编程环境下的代码均可以通过平台自动生成,提高了密码算法实现的跨平台性.

大图数据上顶点驱动的并行最小生成树算法

最小生成树(minimum spanning tree,MST)是图论中最为经典算法之一.基于MST结构的聚类、分类和最短路径查询等复杂图算法,在效率和结果质量方面均有显著提高.然而,随着互联网的迅猛发展,图数据规模也变得越来越大,包含千万甚至上亿个顶点的大图数据越发常见.因此,如何在大图数据上实现查询处理和数据挖掘算法已成为亟待解决的问题之一.除此之外,由于大图数据的动态性特征,如何动态地维护算法结果也势必成为最受关注的问题之一.针对目前集中式的最小生成树算法无法解决海量和动态图数据的问题,首先提出了分区Prim(partition Prim,PP)算法,基于此提出了顶点驱动的并行MST算法——PB(PP Boru。vka)算法,并论证了PB算法的正确性.另外,基于MapReduce和BSP框架实现了PB算法.针对只删除动态图特征,提出了MST维护算法,以实现高效的增量计算.对提出的计算和维护算法进行了代价分析和比较.最后,使用真实和模拟数据集,验证了PB算法和维护算法的有效性、高效性和可扩展性.

生成式人工智能对国家安全的挑战

生成式人工智能(Generative Artificial Intelligence,GAI),是指以大模型为重要组成部分的一系列生成文本、图片、音频、视频等内容的技术和方法的总称。以大型语言模型为例,因其具备处理和生成复杂数据模式的能力,成为GAI常用的一种工具或技术手段。伴随着计算机技术和深度学习算法的快速迭代,人工智能(AI)领域已从传统的依赖数据驱动完成特定任务转变为通过GAI完成复杂且具有创造性的任务。未来十年,AI技术在军事、信息技术、网络安全以及经济领域的发展将带来全球范围内的深刻变革。

生成式设计在基于数据驱动的视觉传达设计中的应用--以计算机图形学为例

生成式设计在视觉传达设计中的应用,使得视觉传达设计的数据驱动转向生成式设计,并由此带来了数据驱动的视觉传达设计模式和方法。从数据驱动的视角出发,数据驱动视觉传达设计的生成式路径主要有三种:以图像、文本、视频等为代表的图像生成路径;以自然语言为代表的文本生成路径;以计算机图形学为代表的视觉生成路径。在视觉传达设计中,数据驱动的生成式路径使得数据与图像、文本与其他视觉元素之间形成了一个复杂而紧密的关系网络。在这一网络中,不同类型和特点的视觉元素能够相互影响、相互作用,共同形成了一种新的设计模式。旨在探析基于数据驱动的视觉传达设计在生成式路径下的新模式和新方法。

Teamcenter中的BOM生成算法研究

提出一种在Teamcenter软件中物料清单(BOM)的Excel驱动生成算法,研究了利用VB程序和C程序对零组件(I-tem)信息进行处理,执行批处理文件生成BOM结构树,并通过实例验证了此算法,该算法能够在Teamcenter系统中快速、稳定地生成BOM结构,实现Teamcenter外部程序下BOM结构树的生成。

基于遗传算法的全芯片级覆盖率驱动随机验证技术

随机测试生成技术是当今大规模集成电路仿真验证流程中的重要支撑技术.覆盖率驱动的随机测试生成方法是目前该领域研究的热点.遗传算法具有部分优化问题的黑盒特性,不需要了解问题的太多先验知识,适合处理黑盒优化问题.因此,将遗传算法应用在覆盖率反馈驱动随机测试生成时,不需要复杂的领域先验知识,节约了大量的专家时间,提高了验证的自动化程度.分析了各种基于遗传算法的覆盖率驱动的随机测试生成方法,并在此基础上设计和实现了基于遗传算法的全芯片级覆盖率驱动随机验证平台.该平台被实际应用在龙芯处理器的验证中,实验结果表明,平台有效提高了验证效率.

基于场景概率驱动的输电网和储能分布鲁棒规划

在碳达峰和碳中和的目标要求下,可再生能源+储能被认为是一种能够有效促进新能源消纳的手段。传统的3层鲁棒规划方法在进行输电网和储能联合优化时忽略了风电出力场景的概率信息,所得投资决策往往过于保守。为此,利用风电出力场景的历史数据构建了基于L_(1)-范数和L_(∞)-范数的混合概率分布不确定集,在考虑最恶劣概率分布的情况下进行输电网和储能的最优投资决策,能够改善传统鲁棒规划方法过于保守的问题。此外,采用一种可并行计算的列和约束生成算法求解所建模型,在求解max-min内层问题时不需要进行复杂的对偶转换,且无需求解双线性项,只需要并行求解若干个小规模的线性规划问题,有效提高了求解效率。Garver 6节点系统算例的仿真结果验证了所建模型和算法的有效性。

基于数据驱动的微电网双层鲁棒优化调度

提出了一种基于数据驱动的微电网两阶段自适应鲁棒优化调度方法。首先,构建了基于数据驱动的微电网市场调度优化框架,利用K-means聚类方法对微电网大量历史数据进行聚类预处理,选取典型场景代表大量复杂场景来获得准确地风电出力概率分布情况。然后,在阶段一建立微电网日前预调度模型;基于预处理的聚类数据,建立数据驱动的风力发电的不确定性集合,在阶段二建立微电网实时调控模型。通过数据驱动构造的风力发电不确定性集合,排除了部分极端场景,降低了模型的保守度。接着,用列约束生成算法(C&CG)将构建的两阶段自适应鲁棒优化模型分解为主问题和子问题进行交互迭代求解。最后,仿真结果验证了所提方法的有效性,降低了微电网设备运行成本,提高了新能源利用率。

基于数据驱动期望场景集序列的微电网鲁棒经济调度算法

针对新能源和负荷功率的不确定性,提出基于数据驱动期望场景集序列的微电网鲁棒经济调度算法。通过聚类方法将大量历史场景数据进行聚类处理,形成聚类场景集序列,基于概率缩减为期望场景集序列。日前计划阶段,以任意场景可行作为约束条件,以期望场景所对应的微电网运行成本的概率加权指标作为目标函数,通过列约束生成算法对微电网经济调度问题进行求解。日内调度阶段,利用新能源和负荷的测量数据,基于日前计划调度结果对微电网进行再调度,通过对传统能源发电功率和电网交互功率调整进行惩罚,来追踪日前计划调度结果,优选出微电网设备最优出力,提高微电网经济性。仿真案例验证了该方法的有效性。

新能源电力系统灵活性供需量化及分布鲁棒优化调度

电网中新能源渗透率的提升导致电力系统在局部时段灵活性严重不足。针对现有处理电力系统灵活性和供需不确定性过于保守或冒险的问题,提出一种数据驱动的分布鲁棒优化调度模型。首先,考虑风光出力的时空相关性,基于Copula理论构建出力集合。结合场景法与区间法对电力系统灵活性需求进行量化,引入灵活调节因子表征各类资源参与灵活性调节的能力,建立灵活性供需平衡约束。其次,考虑电动汽车等需求侧资源的灵活性供给能力,以灵活性资源运行成本与电网灵活性缺额惩罚成本最优作为目标函数,建立数据驱动的两阶段分布鲁棒模型。为降低保守性,采用综合范数对其概率分布进行约束,减小了灵活性需求出现极端情况的概率。针对两阶段鲁棒模型求解问题,利用零和博弈思想将模型解耦为主问题和子问题,采用列与约束生成算法进行迭代求解。最后,仿真算例表明,所提模型相比于传统不确定性模型对提高电力系统灵活性裕度与经济性具有积极作用。

计及灵活性需求偏差的综合能源系统分布鲁棒优化调度

为了分析分布式新能源和需求侧灵活响应资源的不确定性对综合能源系统(IES)的影响:首先,建立了IES灵活性供需模型;其次,构建了基于场景概率驱动的IES两阶段分布鲁棒优化模型;最后,采用列与约束生成算法进行迭代求解,通过仿真验证了该模型和求解算法的有效性。相较于传统的IES优化调度,其所提模型减少了系统的总运行成本,提升了系统的灵活性。

考虑传输线重构的电气综合能源系统分布鲁棒扩展规划模型

针对综合能源系统扩展规划模型多采用随机优化处理系统负荷需求增长不确定性问题,且场景信息缺失,易造成随机优化结果经济性与可参考性低的情况,提出一种以系统综合成本最小为目标函数、考虑传输线重构的两阶段电气综合能源系统分布鲁棒扩展规划模型。第一阶段为考虑综合能源负荷预测和传输线重构的扩展规划模型;第二阶段为计及机组调整出力与天然气能流的综合能源负荷需求不确定条件下的分布鲁棒模型,其中不确定概率分布集合采用1-范数约束。所提模型采用列与约束生成算法求解,并在IEEERTS24节点与比利时20节点系统中进行校验。结果表明分布鲁棒模型能够在对象信息量较少或不足的情况下基于较大置信区间范围提供灵活决策方案,应对综合能源负荷需求不确定性问题更具优势。

基于Hausdorff距离的电-热-气综合能源系统分布鲁棒优化调度

电-热-气综合能源系统(combined electricity-gas-heat system,CEGHS)的优化调度已成为国内外研究的热点。为进一步分析CEGHS各网间的互补特性及优化调度潜力,提高新能源的消纳能力。首先以热电联产机组、燃气轮机、P2G装置等耦合元件为基础,建立以系统综合成本最优为目标的CEGHS优化调度模型。其次,针对传统鲁棒优化在处理风电不确定性问题上的局限性,基于豪斯多夫(Hausdorff)距离在整体相似性度量上的特性,推导出基于数据驱动的不确定性概率分布集,构建基于Hausdorff距离的CEGHS分布鲁棒优化调度模型。最后,针对模型中非线性方程复杂且求解困难的问题,将CEGHS模型中的非线性方程通过不同的线性化手段进行转换,并采用两阶段分布鲁棒优化提高求解效率。算例采用改进的CEGHS系统进行仿真,结果表明了所提模型的可行性和优化调度方法的优势。

考虑主动配电网不确定性的随机无功优化及求解

为了解决分布式电源在主动配电网无功优化中的不确定输出,随机规划模型得到广泛的应用。但随机规划模型中不确定性的概率分布受到历史数据数量的限制,使得经验分布存在偏差,易导致次优的控制策略。为此,引入了数据驱动的建模方法,将模型分为两阶段求解。第一阶段在第二阶段的最恶劣概率分布下,找到了离散无功补偿设备的最优控制策略;第二阶段为变量的不确定概率分布,用于校验第一阶段的结果,并采用列与约束生成(Column-and-Constraint Generation,CCG)算法来求解模型。最后,通过算例验证所提方法的有效性。

Octopus智能优化插件的介绍及其应用——Grasshopper平台上的一款多目标优化软件

本文详尽介绍了一款结合帕累托前沿理论和遗传算法的多目标优化软件,并通过一个简单的建筑形体优化试验,探究了利用该软件建构性能驱动参数化建筑生成设计流程的可能.

数据驱动的结构拓扑优化技术综述

数据驱动的结构拓扑优化通过学习大量结构拓扑优化设计过程来建立拓扑优化模型,近年来备受关注。综述了结构拓扑优化技术的发展历程,回顾了结构拓扑优化技术的发展现状和研究进展,将发展历程分为四个阶段,并对每一阶段进行分析和总结;详细介绍了数据驱动的结构拓扑优化技术,按照建模方式的不同将其分类为基于卷积神经网络、支持向量回归、生成对抗网络和仿生算法的拓扑优化技术;结合各方法的研究成果,介绍了数据驱动的结构拓扑优化技术在工程设计中的应用,并对其未来的发展方向进行了展望;指出了数据驱动的结构拓扑优化技术面临的挑战和未来需要解决的问题,为拓扑优化领域未来的发展提供参考和借鉴。

一种自适应的控制棒驱动机构滚轮丝杠副剩余寿命预测方法研究

针对反应堆控制棒驱动机构(CRDM)滚轮丝杠副剩余使用寿命(RUL)预测中如何选取有效的健康状态指标和合理构建预测模型的难题,提出了一种新的滚轮丝杠副RUL预测模型。采用基于生成拓扑映射算法(GTM)的负对数似然概率(NLLP)指标作为滚轮丝杠副的健康状态指标,利用K均值聚类算法对NLLP指标进行状态划分。利用历史数据和在线监测数据构建基于Markov模型和最小均方算法(LMS)的自适应预测模型,根据设定的阈值预测得出剩余寿命。通过实验验证,结果表明本文选取的健康状态指标能够有效地反映设备状态,所给出的自适应预测模型比一般的预测模型的预测精度高,为合理构建RUL预测模型提供了依据。