基于快排Partition算法的MMC电容电压均衡方法

子模块电容电压均衡是保证模块化多电平换流器(MMC)正常运行的重要部分。对于含有大量子模块的MMC型柔性直流输电(MMC-HVDC)系统,减小排序复杂度、降低器件的开关频率是工程设计的重要目标。为此,提出了一种基于快排的MMC电容电压均衡方法。基于分治思想,引入快速排序partition算法进行半快速排序,大幅度降低了排序次数,同时引入保持因子尽量保持子模块的投入状态,进而降低开关频率。最后在MATLAB/Simulink中搭建两端31电平的MMCHVDC模型进行仿真,仿真结果验证了将快排partition算法与保持因子法结合应用于子模块均压的有效性和正确性。

基于区间信号提取的Ⅱ型不对称级联逆变器新型PWM调制策略

与传统对称级联逆变电桥(cascaded H-inverter bridge,CHB)逆变器拓扑相比,Ⅱ型不对称CHB多电平逆变器的直流电压按2i的指数规律分配,具有以更少级联单元输出更多电平的优势。但在传统调制策略下,会出现电流倒灌问题,为此提出一种基于区间信号提取的新型脉宽调制(pulse width modulation,PWM)策略,通过原始脉冲信号与提取的区间信号逻辑组合的方式彻底解决所有Ⅱ型不对称拓扑电流倒灌的问题,同时还能保证输出电压的波形质量。最后以直流侧电压比为1:2:4和1:2:4:8两种不同的Ⅱ型级联拓扑为例,通过搭建仿真模型和实验平台验证了所提方案的正确性和可行性。

知识图谱划分算法研究综述

知识图谱是人工智能的重要基石,因其包含丰富的图结构和属性信息而受到广泛关注.知识图谱可以精确语义描述现实世界中的各种实体及其联系,其中顶点表示实体,边表示实体间的联系.知识图谱划分是大规模知识图谱分布式处理的首要工作,对知识图谱分布式存储、查询、推理和挖掘起基础支撑作用.随着知识图谱数据规模及分布式处理需求的不断增长,如何对其进行划分已成为目前知识图谱研究的热点问题.从知识图谱和图划分的定义出发,系统性地介绍当前知识图谱数据划分的各类算法,包括基本、多级、流式、分布式和其他类型图划分算法.首先,介绍4种基本图划分算法:谱划分算法、几何划分算法、分支定界算法、KL及其衍生算法,这类算法通常用于小规模图数据或作为其他划分算法的一部分;然后,介绍多级图划分算法,这类算法对图粗糙化后进行划分再投射回原始图,根据粗糙化过程分为基于匹配的算法和基于聚合的算法;其次,描述3种流式图划分算法,这类算法将顶点或边加载为序列后进行划分,包括Hash算法、贪心算法、Fennel算法,以及这3种算法的衍生算法;再次,介绍以KaPPa、JA-BE-JA和轻量级重划分为代表的分布式图划分算法及它们的衍生算法;同时,在其他类型图划分算法中,介绍近年来新兴的2种图划分算法:标签传播算法和基于查询负载的算法.通过在合成与真实知识图谱数据集上的丰富实验,比较了5类知识图谱代表性划分算法在划分效果、查询处理与图数据挖掘方面的性能差异,分析实验结果并推广到推理层面,获得了基于实验的知识图谱划分算法性能评价结论.最后,在对已有方法分析和比较的基础上,总结目前知识图谱数据划分面临的主要挑战,提出相应的研究问题,并展望未来的研究方向.

基于谱方法的无向赋权图剖分算法

在多水平方法初始剖分阶段提出了一种基于谱方法的无向赋权图剖分算法SPWUG,给出了基于Lanc-zos迭代计算Laplacian矩阵次小特征值及特征向量的实现细节。SPWUG算法借助Laplacian矩阵次小特征值对应的特征向量,刻画了节点间相对距离,将基于非赋权无向图的Laplacian谱理论在图的剖分应用方面扩展到无向赋权图上,实现了对最小图的初始剖分。基于ISPD98电路测试基准的实验表明,SPWUG算法取得了一定性能的改进。实验分析反映了在多水平方法中,最小图上的全局近似最优剖分可能是初始图的局部最优剖分,需要加强优化阶段的迁移优化算法逃离局部最优的能力。

递推人工蜂群的模糊划分熵多阈值分割算法

针对图像分割中模糊划分熵算法在多阈值选取时存在的效率低、计算重复的问题,提出了一种递推人工蜂群的模糊划分熵多阈值分割算法(RAFPEA).首先选择附加边界条件及灰度权重的隶属函数来构建图像的模糊熵模型,并将该模型中不同变量的组合计算转化为递推过程,进而保存此过程中不重复的瞬间递推值,然后引入人工蜂群算法,利用预存的递推结果来计算蜂群寻优时的个体适应度值,从而减少重复计算,达到快速寻优的目的.实验结果表明:RAFPEA的均一度与精确的穷举模糊划分熵法相同,但运行时间仅为穷举、遗传的模糊划分熵算法的5%;随着阈值数量的增加,运行时间稳定不变,在确保精度的前提下,可高效地对图像进行多阈值分割.

通路时延可控的时序驱动多级划分算法

提出一种可以控制关键通路时延的时序驱动多级划分算法.首先通过聚类保护降低关键通路被分割的几率,减小后续操作对最小割目标的影响;然后使用划分保护控制通路被分割的次数,将关键通路时延限定在指定时钟周期之内.该算法只对最底层网表进行一次时序分析,克服了现有基于通路的时序驱动多级划分算法无法完全控制关键通路时延,需要对所有层次的网表进行时序分析的缺点.实验结果表明,该算法可得到较小的超边割值和通路时延值.

网络拓扑图多级分割塌缩阶段算法改进

针对网络拓扑图上的宏观异常预警可视化显示需要,分析了当前图的多级划分算法.算法分为图塌缩、初始划分和多级优化三个阶段.在多级分割算法的图塌缩阶段,提出改进算法———KV算法和VC算法.实验验证改进后算法在运行时间、恢复时间和分割边数上均优于传统算法.改进塌缩KV算法在分割边数上平均提高了4.6%,在运行时间上提高了12%,而VC算法降低了KV算法的时间复杂度.

自适应连续多级分区与初始阈值估计的快速模板匹配方法

归一化互相关测度在光照改变时比采用绝对差之和测度(SAD)要稳定,但是归一化互相关测度的缺陷在于它的计算量非常大。为此,提出了一种结合自适应连续多级分区和初始阈值估计的基于归一化互相关(NCC)的快速模板匹配算法。根据模板图像中不同模块的梯度值,将模板图像进行逐级分区,通过分区顺序将互相关之和分为不同的层,得到各层互相关的上界,运用柯西-施瓦兹不等式得到上界间的关系,形成自适应连续多级分区淘汰方法。同时,为了加快匹配速度,利用初始阈值估计产生一个较大的边界阈值,以淘汰初始搜索时的大量非匹配点,减少搜索点数目。实验结果表明:所提出的算法具有较好的鲁棒性,且算法的执行速度优于传统算法。

面向轨迹流数据的索引构建与存储方法研究

移动社交网络等基于定位服务应用的快速发展导致时空数据流规模呈爆炸式增长,要求底层数据存储系统支持高吞吐量轨迹数据的插入以及空间和时间约束下的低延迟查询,而现有HBase等数据存储方案因索引更新开销过高无法满足该需求。针对时空数据流的应用特性,提出一种数据流内存索引及存储方法。根据键值和时间范围对历史与增量数据元组进行物理分区,将其以模板B+树的形式写入内存并构建索引以增强快速写入和查询能力,同时对数据进行压缩存储提升索引效率。在此基础上,采用多级索引根据数据分区将复杂查询分解为可独立处理的子查询。实验结果表明,与传统HBase、WaterWheel等方法相比,该方法在不同数据插入和查询条件下的数据存储性能与查询效率更优。

低功耗驱动的电路网表多级划分算法

在划分阶段因得不到实际线长值而无法精确计算功耗值.通过组合使用互连线的通路级数、通路级差和基本线长,提出一种新的独立线长预测方法.使用预测线长和开关活动性的乘积度量划分阶段的动态功耗,并将这一乘积作为权重赋给每条互连线;在聚类和细化处理阶段,尽量避免权重较大的互连线被分割,以实现低功耗驱动的多级划分.实验结果表明,该算法可有效地减小电路的功耗,并且对其他技术指标影响不大.

一种VLSI剖分系统的研究与实现

基于多水平方法,设计并实现了一种VLSI剖分系统(Multilevel-based VLSI Partitioner,MVP)。介绍了MVP系统的结构框图、处理流程及模块功能。MVP系统的多水平剖分程序引入图核到粗化阶段,谱图论到初始剖分阶段,群智能到投影优化阶段,得到了无向赋权图更优的剖分。MVP系统特点体现在VLSI线网到无向赋权图的转换,避免了剖分算法直接在VLSI线网上进行剖分,提高了VLSI剖分的效率。实验及分析表明MVP系统的多水平剖分程序能找到更优的图剖分,以及MVP系统找到比现有技术更优的VLSI剖分,提高了VLSI剖分的性能。

有限元并行计算自动分区方法的优化

针对集群系统下动力学问题的大规模显式有限元并行计算的特点,在对多层次谱二分分区方法各个阶段的算法进行分析和试验的基础上,对其相关阶段的分区策略和算法进行了优化和调整,提出了一种多层次谱二分优化分区方法,并应用该方法对不同几何类型的有限元模型进行了分区测试,得到了满意的结果.与多层次谱二分分区方法相比,多层次谱二分优化分区方法的分区效果和分区效率都得到了明显改善.

移动信道下采用软判决译码的自适应多级编码系统

基于信道容量规则和分组分割 ,构造自适应于AWGN和Rayleigh两种信道特征的多级编码系统 ,分量码选用删除型卷积码 ,系统性能与未编码系统和BCH码为分量码的系统作比较 .在多阶段译码中提出利用信道状态信息的软判决支路度量计算公式 ,比较软、硬判决译码对系统性能的影响 。

基于多层k路划分的三维网格并行任务分配策略

为解决传统任务划分方法在三维网格并行计算任务分配阶段产生的通信开销大的问题,提出了一种基于多层k路划分算法的并行任务分配策略。首先利用多层k路划分算法划分三维网格,将任务划分问题转化为图划分问题,然后基于图划分结果给出一个任务映射并行算法将计算任务分配到各计算结点。在深腾1800上求解三维网格模型最短路径问题的实验结果表明,相比于传统的行列划分任务分配策略,该策略在保证负载平衡的同时有效地降低了通信开销,算法的运行时间减少,加速比得到提高。

多级划分算法的后处理与评价方法

多级划分算法需要进行多次实验以得到最优值.本文根据网表顶点在多次实验中的倾向性将其分为:活跃点、固定点和亚固定点,并提出只对活跃点重新划分的后处理方法.另外,通过将固定点和亚固定点分配到相应簇中,得到一种算法评价方法.实验表明,本文的后处理方法可有效减小hMetis算法的最小割,而评价方法能够客观评价hMetis算法在不同聚类策略下的划分结果.

有限元并行计算中网格自动分区的优化

针对集群系统下大规模有限元并行计算的特点,提出了优化多层次谱二分分区法。该方法对传统多层次谱二分分区方法的粗化、分区以及还原阶段的分区策略和算法进行了优化和调整,提出了顶点平衡策略以及平衡Kernighan-Li算法,弥补了传统谱二分法的缺陷,并应用该方法对不同几何类型的有限元模型进行了分区测试。测试结果表明,同传统分区方法相比,该方法的分区效果得到了明显改善。

网络拓扑图多层k划分轻点匹配模式研究

鉴于大规模网络进行图划分的需要,针对网络拓扑结构特点提出了轻点匹配算法,应用于多层k划分模式中.通过采用轻点匹配算法对网络模拟图进行划分试验,并与重边匹配算法和有选择的重边匹配算法进行对比分析,证明该法具有较小的边切割和很好的平衡性.

基于蚁群优化多层图划分的彩色图像分割方法

为了消除基于谱聚类的归一化切分图像分割中聚类参数对分割结果的约束,提出了一种基于蚁群优化的多层图划分算法来进行归一化切分,进而对彩色自然景观图像进行分割。该算法将代表图像的相似度图作为蚁群的栖息环境,在归一化割准则的指导下,通过蚂蚁的觅食行为将相似的顶点逐渐聚集在一起,从而以多层的方式完成图划分。为了降低图像分割的计算量,利用超像素对图像进行预处理。实验对比表明,该算法消除了归一化切分分割结果对聚类参数的依赖,并提高了归一化切分分割的准确性和速度。

基于多级图划分的协同过滤算法研究

为克服传统协同过滤推荐算法中存在的局限性,提出了基于多级图划分的协同过滤推荐算法。该算法在对系统中存在的产品使用多级图划分算法进行聚类的基础上应用协同过滤推荐算法对用户进行推荐。实验结果证明,该算法可以在对推荐准确率影响较小的同时有效提高推荐系统的效率。

无向赋权图剖分优化问题的研究进展

无向赋权图剖分优化问题作为图论中的一个典型组合优化问题,在大规模集成电路设计、并行计算、数据挖掘、任务调度、知识发现、图像分割等领域有着广泛的应用。本文给出了无向图剖分优化问题的相关概念;从寻优策略的角度,将无向图剖分优化问题的求解算法分为构造性算法和迭代改进算法;分析了求解无向图剖分优化问题的迁移方法、几何方法、组合方法、谱方法、元胞自动机方法;重点讨论了多水平方法的粗化阶段、初始剖分阶段和优化阶段相应的匹配算法、初始剖分算法和迁移优化算法;介绍了无向图剖分优化问题的典型应用领域并指出了该问题今后的研究方向。