多块网格中的块隐式方法

本文实现了逐点扫描的块隐式算法，并根据其特点，提出了一种基于该算法的多块网格方法．通过对几个具有基准解问题的数值计算发现：该算法相对于ＳＩＭＰＬＥ算法而言，其收敛速度较快；本文所提出的多块网格方法是可行的．     

二维圆柱坐标系中五角形共形网格算法

 时域有限差分（FDTD）算法求解电磁问题时，如果目标结构不能和传统网格体系共形，往往采用局部共形网格或非正交网格算法。详细讨论了二维圆柱坐标系中五角形共形网格算法，该算法能方便地对倾斜薄层媒质或电导率不均匀的倾斜媒质等复杂结构建模,并以锥形电磁脉冲天线为例，验证了该算法的有效性。     

基于工业CT图像的自适应三维网格模型重建

针对X射线扫描得到的工业CT图像重建三角网格模型存在尖锐特征丢失、狭长三角形和三角面片数量多等问题，提出一种自适应三维网格模型重建算法。首先对图像进行预处理；其次采用八叉树结构确定体元；然后利用二次误差函数（QEF）构建自适应八叉树；最后剖分四边形生成三角网格。使用立方体数据和两组实际扫描的CT数据对所提算法的性能进行验证分析，实验结果表明：所提算法在简化网格的同时仍能保持物体的尖锐特征，减少了狭长三角形的数量。利用所提算法生成三角网格模型的简化率可达90%，简化后网格质量大于0.3的三角网格平均占比为99%，有效地提高了由工业CT图像重建三角网格模型的质量。     

非定常Navier-Stokes方程基于两重网格离散的有限元并行算法

基于两重网格离散和区域分解技巧，提出三种求解非定常Navier-Stokes方程的有限元并行算法.算法的基本思想是在每一时间迭代步，在粗网格上采用Oseen迭代法求解非线性问题，在细网格上分别并行求解Oseen、Newton、Stokes线性问题以校正粗网格解.对于空间变量采用有限元离散，时间变量采用向后Euler格式离散.数值实验验证了算法的有效性.     

一种保持二阶精度的反距离加权空间插值算法

针对传统反距离加权（IDW）插值精度较低的缺陷，发展一种高精度插值算法.该插值算法采用迭代亏量校正技术（IDeC）对一次反距离加权插值结果进行修正，通过有限次迭代，理论上将计算精度提高至二阶.在基于结构化网格、非结构化网格的数值验证中，该插值算法的计算精度均保持在二阶左右.应用该算法针对二维圆形和三维球形界面重构时，算法提高了重构界面的光滑度，且计算精度保持为二阶.双层网格插值实验中，算法将速度和压力的绝对误差降低45%以上，得到的压力等值线更接近于初始场.     

核磁共振螺旋快速成像的新进展

核磁共振快速成像能在几十毫秒内获取数据，对运动器官作适时显示，并在功能成像的研究等方面具有常规成像不能替代的优点，是核磁共振成像的发展方向．螺旋快速成像对硬件的要求较低，近年来方法上的改善，已使其趋于实用．文章简要介绍了螺旋快速成像原理及网格重建算法．     

ALE中的重映算法

介绍了二维非结构网格上的守恒重映算法，重点是基于SFB／DC思想的通量重映算法。用统一的公式表示不同的单元量重映算法，包括原始的贡献网格法、Barth—Jespersen方法、最小二乘法，不同算法间的区别体现为梯度求法的差异。对于交错网格上速度的重映，介绍了SALE和HIS算法。此外，为保证重映算法的有界性，引入了修补方法。     

求解Euler方程的隐式无网格算法

研究了求解Eluer方程的稳式无网格算法，用点云离散计算区域，代替通常的网格划分；在当地点云上，引入二次平方极小曲面逼近计算空间导数，用Roe的近似Riemann解确定通量；并用LU-SGS算法求解离散得到的Euler方程稳式时间后差联立方程组，数值模拟了二维翼型跨音速绕流，由于无网格算法区域离散只涉及点云，具有灵活性，适合处理复杂的气动外形。     

属性嵌套计算网格智能算法实现车牌汉字精准识别的设计

设计了环境较差情况下高效精准、辨识汉字的智能车牌识别算法,通过引进属性嵌套计算网格实现了汉字高效辨识的车牌识别算法;算法应用结果表明:算法设计的网格密度与识别率是成正比的,采用的属性嵌套计算网格模型,显著地改进了字符的识别率;将属性计算网格算法与属性嵌套计算网格算法对比可知,采用属性嵌套计算网格算法识别率是98.7%,识别率明显较高;设计算法系统不仅实现了汉字识别的稳定、智能特性,同时表现了抵抗较强外界干扰的特性,这一研究对于智能化汉字识别有明显的借鉴价值。     

求解二维Euler方程有限单元边插值的降维重构算法

数值求解二维Euler方程的有限体积法（如k-exact，WENO重构、紧致重构等），无一例外地要进行耗时的网格单元上的二维重构.然而这些二维重构最后仅用于确定网格单元边界上高斯积分点处的解值，单元上二维重构似乎并非必需的.因此，文章提出用网格边上的一维重构来取代有限体积法中网格单元上的二维重构，分别在一致矩形网格和非结构三角形网格上发展了基于网格边重构的求解二维Euler方程的新方法，称为降维重构算法.数值算例表明该算法可以计算有强激波的无黏流动问题，且有较高的计算效率.      

摄像机标定中栅格型标定点的亚像素提取的研究

介绍了一种新的摄像机标定用栅格型靶标标定点亚像素的提取方法。该方法先利用一个基于Hessian矩阵的形状算子判定栅格点的像素位置,然后对栅格点邻近区域内的图像灰度函数进行二阶泰勒展开,并通过计算该灰度曲面的局部极小值点来确定栅格中心点的亚像素位置。相对于传统的直线拟合求交点的方法,该算法计算过程简单,且具有较高的提取精度。     

非均匀网格时域伪谱算法在超宽带技术中的应用

 与传统时域有限差分算法相比，采用以伪谱方法离散Maxwell微分方程为基础的时域伪谱(PSTD)算法计算大的电尺度电磁场时域问题，将大大提高计算效率，降低内存需求。为了拓宽PSTD算法的应用，近年来，基于网格插值方法的非均匀时域伪谱算法得到了发展。研究的重点是算法中非均匀网格技术的实现及其在时域瞬态脉冲电磁场模拟和高功率超宽带脉冲技术方面的应用。以高斯脉冲为激励源，用该算法计算了多层介质的反射和透射，并通过超宽带脉冲穿墙实验对这一方法的应用进行了验证。模拟和实验结果具有较好的一致性。     

多点择优推进阵面法生成曲面三角形网格

在现有曲面非结构网格生成法的基础上,提出了一种新的曲面网格生成法——多点择优推进阵面法.它可在曲面上直接进行三角形网格划分,克服了映射法的网格变形问题,并且可以在网格生成结束后,对曲面网格直接进行Laplace格点松弛光顺.该方法使用简单,不受曲面块类型的限制,且网格质量高,可以为三维非结构网格生成提供高质量的初始阵面,并给出了若干个算例.     

A grid based particle method for moving interface problems

We propose a novel algorithm for modeling interface motions. The interface is represented and is tracked using quasi-uniform meshless particles. These particles are sampled according to an underlying grid such that each particle is associated to a grid point which is in the neighborhood of the interface. The underlying grid provides an Eulerian reference and local sampling rate for particles on the interface. It also renders neighborhood information among the meshless particles for local reconstruction of the interface. The resulting algorithm, which is based on Lagrangian tracking using meshless particles with Eulerian reference grid, can naturally handle/control topological changes. Moreover, adaptive sampling of the interface can be achieved easily through local grid refinement with simple quad/oct-tree data structure. Extensive numerical examples are presented to demonstrate the capability of our new algorithm.     

蚁群元胞优化算法在人群疏散路径规划中的应用

针对疏散路径规划问题,以栅格化地图为背景的基础上,提出了蚁群元胞优化算法.首先为统一仿真时间步长,建立以六边形元胞为基础的栅格地图;然后利用静态势场对启发函数进行优化,利用分段更新规则优化信息素更新方式;最后,将模型参数作为粒子群优化算法的粒子位置信息进行优化,求解参数的最优组合值.仿真结果表明:采用蚁群元胞优化模型进行疏散路径规划时,不仅加快了搜索速度,而且增大了解空间,提高了搜索能力,可以有效避免陷入局部最优解.     

A PLIC–VOF method suited for adaptive moving grids

This paper presents a new variant of the volume-of-fluid (VOF) color function C advection algorithm based on the piecewise linear interface construction (PLIC) method suitable for use on general moving grids. From several existing methods for reconstructing the linear interface we adopted the least squares volume-of-fluid interface reconstruction algorithm (LVIRA) which can be easily implemented on general grids. The distinguishing step in the advection algorithm that takes into account the grid movement is the construction of the donating region containing the fluid passing through corresponding cell-faces in a single time-step. The donating regions are constructed utilizing fluid velocity in cell corners relative to grid (corner) velocities. The method is conservative as it complies with the space conservation law (SCL) and requires a proper definition of the grid velocities and fluxes due to the grid movement. The accuracy of the presented advection algorithm is assessed with standard test cases. It is comparable with other PLIC based algorithms on fixed grids, while the applicability on adaptive moving grids enables a considerable reduction in the number of grid cells.     

Eigenvector approximation leading to exponential speedup of quantum eigenvalue calculation

We present an efficient method for preparing the initial state required by the eigenvalue approximation quantum algorithm of Abrams and Lloyd. Our method can be applied when solving continuous Hermitian eigenproblems, e.g., the Schr?dinger equation, on a discrete grid. We start with a classically obtained eigenvector for a problem discretized on a coarse grid, and we efficiently construct, quantum mechanically, an approximation of the same eigenvector on a fine grid. We use this approximation as the initial state for the eigenvalue estimation algorithm, and show the relationship between its success probability and the size of the coarse grid.     

Application of the Difference Gaussian Rules to Solution of Hyperbolic Problems: II. Global Expansion

This work is the sequel to S. Asvadurov et al. (2000, J. Comput. Phys.158, 116), where we considered a grid refinement approach for second-order finite-difference time domain schemes. This approach permits one to compute solutions of certain wave equations with exponential superconvergence. An algorithm was presented that generates a special sequence of grid steps, called “optimal”, such that a standard finite-difference discretization that uses this grid produces an accurate approximation to the Neumann-to-Dirichlet map. It was demonstrated that the application of this approach to some problems in, e.g., elastodynamics results in a computational cost that is an order of magnitude lower than that of the standard scheme with equally spaced gridnodes, which produces the same accuracy. The main drawback of the presented approach was that the accurate solution could be obtained only at some a priori selected points (receivers). Here we present an algorithm that, given a solution on the coarse “optimal” grid, accurately reconstructs the solution of the corresponding fine equidistant grid with steps that are approximately equal to the minimal step of the optimal (strongly nonuniform) grid. This “expansion” algorithm is based on postprocessing of the approximate solution, is local in time (but not in space), and has a cost comparable to that of the discrete Fourier transform. An approximate inverse to the “expansion” procedure—the “reduction” algorithm—is also presented. We show different applications of the developed procedures, including refinement of a nonmatching grid. Numerical examples for scalar wave propagation and 2.5D cylindrical elasticity are presented.     

球形阵列自适应网格分层定位算法

刚性球形传声器阵列可以在无空间模糊的条件下进行球谐域数据处理,基于球形阵列的可控波束形成器导向响应功率(SRP)算法定位精度高,但是计算量大,计算效率低。通过将球面致密的全局网格搜索替换为分层搜索策略可以有效减小SRP算法的计算量。提出MRE-SRP算法保持球形阵列SRP定位精度的同时降低计算量,首先通过球谐域MUSIC(SH-MUSIC)算法判断入射声源的数量减小搜索区域;其次将相对熵模型引入球谐域SRP(SH-SRP)定位算法中,提取网格分层前后的信息增益,设计自适应网格选择判据,实现分层多分辨率网格的精准再细分,从而降低计算量。实验验证了所提出算法的性能,结果显示在单双声源定位中,该算法可以实现较高的定位精度,精准选择分层网格,计算量减少75%以上。     

基于KL-散度的智能电网用户特征提取方法

智能电网技术的发展,使得传统电力系统的规模及复杂度大大增加,同时产生了大量的用电数据,如何有效利用数据挖掘技术,从这些海量数据中挖掘出有潜在价值的信息,成为了当前电力系统分析中的一个挑战性问题。首先根据不同的时间段,将用户的用电数据进行划分,在分析每段时间内用户用电数据的基础上,采用KL-divergence（KL-散度）方法衡量用户差异,并结合基于密度改进的K-means算法,给出了一种新的用户特征提取算法,用以描述电网用户的特征差异,从而实现针对不同类别用户制定不同电力营销策略,这在一定程度上能够提高企业经济效益。最后,算例仿真结果表明,所给出的用户特征提取算法在计算的时间效率和准确性上,较传统方法都有了明显的提升。