基于启发式遗传算法的岛礁物资补给任务规划

如何适时适量地为岛礁补给物资,是一个亟待解决的重要现实问题.针对岛礁物资补给任务规划问题的主要特点,以补给时间窗、岛礁存储量、补给船载重量等为约束条件建立了约束规划模型,并采用精英保留策略和动态罚函数的约束处理方法,基于5种生成初始种群的启发式规则,设计了一种基于混合启发式规则的遗传算法.根据仿真算例多算法结果对比分析,表明该算法具有较高的求解效率和良好的稳定性,能够有效地求解岛礁物资补给任务规划问题.     

基于模糊均值聚类算法的图像分割

将图像直方图统计特性引入到FCM聚类算法的目标函数中,用混合粒子群优化算法对目标函数进行全局最优求解,提高了图像分割的运算速度。     

用于纯方位目标运动分析的泰勒级数法

以泰勒级数法的理论模型为基础,研究它在纯方位TMA中的应用问题。将泰勒级数法与高斯-牛顿法相结合,得到一种混合泰勒级数法。这种混合方法简单易懂,计算并不复杂。经蒙特卡罗仿真研究,其性能可与高斯-牛顿法相比较,对于有些态势甚至在收敛时间以及解算效果上要优于高斯-牛顿法。算法性能反映在一些典型的TMA态势上。     

集成电路方波脉冲注入损伤效应实验研究

为了得到各损伤参数随脉宽的变化规律,寻找建立评价复杂EMP波形对集成电路损伤模型的依据,对2种典型的集成电路器件进行了方波脉冲注入损伤实验。结果表明:RAM6264损伤电压、电流及功率均随脉宽增大而减小,损伤能量处于某一小范围之内,可能属于能量损伤型器件;BG305损伤电压、功率随脉宽增大而减小,损伤能量随脉宽增大而增大,损伤电流处于某一个小范围之内,可能属于电流损伤型器件。     

利用混合编程改善SMP机群上并行矩阵乘法的性能

针对SMP机群,探讨了分别利用单机优化、OpenMP与MPI从指令级、共享存储级与分布主存级三个层次上改善矩阵并行乘Fox算法性能的方法。并通过调用数学函数库与混合编程的方式,在深腾6800上进行了实验,取得了相当满意的数值效果。     

张世全教授

张世全教授,1961年7月生,理学博士,技术6级。1989年10月入党,现任基础部物理教研室副主任,通信与信息工程专业硕士研究生导师,中国物理学会会员,中国人民解放军西安地区院校协作中心物理化学学会秘书长、常务理事,武警工程学院第一层次优秀人才。现主要从事电磁兼容、电磁理论、微波技术与天线,通信工程及大学物理等方面的教学和科研工作。张教授1982年7月毕业于兰州大学无线电物     

L波段掺铒光纤放大器增益钳制及提高特性研究

报道了一种新型980 nm激光二极管(LD)泵浦高增益的掺铒光纤放大器(EDFA).通过加入中心波长为1 550 nm光纤光栅(FBG)可以明显提高增益,并分析了增益钳制的原理.实验得到其增益比无FBG结构EDFA提高8 dB,并得到了小信号输入时增益25 dB的有效钳制.     

一种面向宽带复杂信号侦察的可配置计算应用框架

可配置计算系统的优势与系统设计过程的复杂性是一对矛盾,可配置计算框架为此提供了有益的思路。但受限于适用范围与通用性考虑,已有的特别是商业框架仅支持系统的静态重构。本文针对宽带信号侦察这一特定应用领域,提出了一种功能级可配置计算应用框架BSRRCS-RCAF,该框架将领域应用中具有共性的计算与功能模块抽取和集中起来,形成二进制比特流配置文件库,并提供构建此类系统的公共服务体系。基于公共服务体系以及配置文件库,当需要修改或者重新构建宽带信号侦察系统时,只需在现有框架下动态调用配置组件库,或者遵循框架的统一设计接口完善补充组件库中的特定功能部分,整个系统设计框架将得到方便复用,便于实现基于快速重构的多种系统功能。     

二维超声速空气引射器启动特性试验研究

xxxx超声速引射器是高空模拟试车台的重要组件,在发动机启动前利用引射器对试验舱预抽真空可避免发动机启动初始时刻燃气漏入试验舱造成燃气在发动机中分离,对获取发动机在高空环境下的完整推力特性具有重要意义。而该工况下超声速引射器的启动过程是引射器工作过程中最为恶劣的工况,设计不合理的引射器会导致启动压力过高甚至不能实现启动。建立了缩比超声速空气引射器试验台对超声速引射器的启动特性进行研究,采用压力测量方法结合纹影技术对超声速引射器处于极限启动压比时的流场进行了描述,研究结果表明混合室收缩比越小,引射器极限启动压比越低。同时给出了定位超声速引射器不启动原因的判据：当引射器不启动是由引射总压不足引起时,盲腔压力在引射总压提高时降低,并在临界启动状态下达到最小值;而由混合室收缩比过小导致的引射器不启动在引射总压提高时盲腔压力单调上升。     

基于CPU-GPU混合计算平台的RNA二级结构预测算法并行化研究

RNA二级结构预测是生物信息学领域重要的研究方向,基于最小自由能模型的Zuker算法是目前该领域最典型使用最广泛的算法之一。本文基于CPU GPU的混合计算平台实现了对Zuker算法的并行和加速。根据CPU和GPU计算性能的差异,通过合理的任务分配策略,实现二者之间的并行协作计算和处理单元间的负载平衡;针对CPU和GPU的不同硬件特性,对Zuker算法在CPU和GPU上的实现分别采取了不同的并行优化方法,提高了混合加速系统的计算性能。实验结果表明,CPU处理单元在混合系统中承担了14%以上的计算任务,与传统的多核CPU并行方案相比,采用混合并行加速方法可获得15.93的全局加速比;与最优的单纯GPU加速方案相比,可获得16%的性能提升,并且该混合计算方案可用于对其它生物信息学序列分析应用的并行和加速。