CTaiJi--新的粗粒度可配置计算结构研究

首先阐述了粗粒度可配置计算结构在进行数据处理时的特点。依据此特点，提出了CTaiJi粗粒度可配置结构，详细说明了结构中各个组成部分。在系统结构中，将环形结构与网格结构相结合，PEZ（处理单元组合）非常适合处理循环、条件语句。能够将循环、条件及简单算术运算集中于同一PEZ中实现，利于系统实现实时配置和提高PE（处理单元）利用率。介绍了常用的数字信号处理算法在此粗粒度可配置结构上的映射。     

基于自路由互连网络的粗粒度可重构阵列结构

互连网络在粗粒度可重构结构(Coarse-Grained Reconfigurable Array, CGRA)中非常重要,对CGRA的性能、面积和功耗均有较大影响。为了减小互连网络导致的面积开销和功耗并提升CGRA的性能,该文提出一种具有自路由和无阻塞特性的互连网络,构建了一种层次型的网络拓扑结构。通过这种互连网络,任意一对处理单元之间均可以建立连接和交换数据,而且这种连接是自路由和无阻塞的。实验结果显示,与已有结构相比,该结构以至多增加14.1%的面积开销为代价,获得最高可达46.2%的整体性能提升。     

基于预配置和配置重用的粗粒度动态可重构系统任务调度技术

配置时间过长是制约可重构系统整体性能提升的重要因素,而合理的任务调度技术可有效降低系统配置时间。该文针对粗粒度动态可重构系统(CGDRS)和具有数据依赖关系的流应用,提出了一种3维任务调度模型。首先基于该模型,设计了一种基于预配置策略的任务调度算法(CPSA);然后根据任务间的配置重用性,提出了间隔配置重用与连续配置重用策略,并据此对CPSA算法进行改进。实验结果证明,CPSA算法能够有效解决调度死锁问题、降低流应用执行时间并提高调度成功率。与其它调度算法相比,对流应用执行时间的平均优化比例达到6.13%～19.53%。     

基于分组网络结构NOC的蚁群路由算法

单个芯片集成度的增大增加了全局同步设计的困难,于是出现了片上网络NOC的概念,其设计的核心是将计算机网络技术移植到芯片设计中来,因此需要利用某种路由算法来实现好的服务质量.通过对NOC网络通信的分析,基于蚁群算法提出了一种路由算法,利用4×4Mesh结构,通过对同一约束不同请求和不同约束同一请求等实验研究,证明其在NOC路由应用中能在较短的时间内完成指定的任务,最后预测了该算法在大规模路由应用上的发展.     

基于蚁群系统的QoS单播路由算法

针对QoS路由算法中的QoS要求、资源的优化利用和负载均衡3方面问题,对原有的算法模型进行了改进,提出了相应的启发式信息和链路代价计算公式。对基本算法中的步骤进行改进,使算法能准确、迅速地找到全局最优解。实验结果表明,算法能在整网性能,尤其是网络负载均衡方面大幅优化了传统QoS单播路由算法。     

粗粒度可重构结构的性能估计方法

在设计初期,估计粗粒度可重构结构的性能,对粗粒度可重构结构设计具有指导意义.在考虑局部数据存储器结构以及局部数据存储器与可重构阵列的接口结构的情况下,建立了粗粒度可重构结构的参数模型,使用改进的螺旋形绑定策略将应用算法DFG(Data Flow Graph)中的算子绑定到可重构阵列的处理单元上,提出了一种粗粒度可重构结构的性能估计方法.应用实例表明,在设计初期,该方法能得到周期精确的估计结果,有效地指导粗粒度可重构结构的设计.     

基于蚁群的无线电源管理网络路由算法

蚁群算法(Ant Colony Algorithm,ACA)是一种新型的基于群体的仿生算法。采用蚁群算法实现了对无线电源管理网络的路由优化,为远程设备管理提供了新的解决思路。对原始蚁群算法进行了改进,提出了一种多蚁群的优化算法。基于蚁群算法及其并行搜索最优的特征,通过蚁群聚类和动态调整网络优化参数的方法,可作为一种面向无线电源管理网络的路由算法,经过仿真验证了该算法的有效性。     

一种基于蚁群算法的分布式多播路由算法

随着计算机网络的不断发展,大量多媒体应用要求网络具有满足QoS约束的多播功能.应用多播的关键是确定有效的多播路由,即求解最优Steiner树.目前提出的大部分都是集中式的或本质上是集中式的启发式算法,关于分布式算法的研究还比较少.本文提出了一种基于蚁群算法的分布式多播路由算法.该算法在源节点不掌握整个网络信息的情况下,利用网络的局部启发式信息和蚂蚁留下的信息素建立最优的多播路由.结合多播路由问题的特点,对算法进行了改进,使算法的收敛速度和解的质量都得到了较大的提高.仿真实验结果验证了该算法的有效性.     

一种基于蚁群系统原理的QoS单播路由算法

蚁群算法是一种基于蚁群系统原理的、具有自组织能力的、新型的启发式优化算法。为了研究QoS路由问题,本文利用蚁群算法能寻找最短路径这一特性,提出了一种基于蚁群系统原理、用于解决带宽和时延约束问题的QoS单播路由算法。仿真结果表明了该算法的有效性、自适应性、鲁棒性和可扩展性。     

基于蚁群优化算法的路由协议的研究

生物仿真学群集算法在路由中有广泛的的应用,为了充分利用网络资源,降低拥塞程度,提出了一种基于蚁群优化算法的Ad Hoc网络负载均衡路由算法Pro-antnet,通过对蚂蚁收集到的网络信息所对应的参数赋予不同加权值的方法对路由表进行控制,有效地缓解了网络的拥塞问题。该算法具有良好的分布式特性,能为网络提供多条备用路径,增强网络的抗毁性。     

基于蚁群算法的OFDMA系统接纳控制

由于接纳控制算法的优劣关系到网络资源能否被有效利用。文中提出了一种新的OFDMA系统的接纳控制算法。结合蚁群算法对用户需要的的总传输功率进行计算,并通过该功率对用户进行接纳控制。仿真结果表明,文中所提算法可使系统的总传输功率减小,增加用户的可接入数量,达到资源有效利用的目的。     

用改进蚁群算法实现突发威胁下的航迹规划

航迹规划对UAV完成任务具有重要的意义。为解决突发威胁下的UAV航迹规划问题,根据Voronoi图的局域动态特性提出了一种基于改进蚁群算法的实时重规划方法。采用全新的目标吸引策略、引入信息素增量调节因子并自适应调整信息素挥发系数来对基本蚁群算法进行了改进,提高了算法的求解效率,并进行仿真验证。根据战场已知威胁源生成Voronoi加权图,并与所提的改进蚁群算法相结合求解规划空间中的最优航迹。仿真结果表明,利用改进蚁群算法能够有效地提高收敛速度和寻优能力,可以较好地解决突发威胁下的UAV航迹规划问题,保证UAV能够回避战场威胁,顺利飞抵目标点。     

基于蚁群算法的数字微流控芯片并行测试

可靠性是数字微流控生物芯片的一项重要指标,尤其是在安全性要求较高的应用领域。因此,芯片需要在生产制造后或生化实验前进行充分测试,以排除故障,确保实验结果准确。文中针对芯片的结构故障,提出了一种基于蚁群算法的并行测试方案,实现对较大规模的数字微流控芯片进行多液滴并行测试。该方案首先将芯片模型转化为MTSP模型,并利用蚁群算法分布式计算特性搜索多组优化的测试路径,完成对数字微流控芯片实验路径的测试。实验结果表明,该方案可用于在线测试,并能有效地减少大规模芯片的测试时间,且提高了工作效率。     

基于路径选择的自适应蚁群算法研究

本文提出样本空间经过K-均值聚类算法聚类加工处理后,算法通过动态地调整选择路径概率,优化TSP求解过程中解的分布均衡性,可以在加速收敛和防止早熟、停滞现象之间取得很好的平衡。这种新的算法提供了在样本空间预处理情况下,动态自适应地解决TSP问题最优解的新方法。比起普通蚁群算法,此算法对大规模数据的最优解的求解更有显著效果。     

基于改进蚁群算法的无人机低空突防三维航迹规划

探讨了无人机低空突防三维航迹规划中地形、威胁以及航迹代价评估等模型的建立方法.将蚁群算法引入无人机航迹规划,针对传统蚁群算法易出现停滞现象,引入偏航角对启发信息进行调整改进;建立优先搜索集,使蚁群算法更快速有效地搜索到最优航迹.仿真实验结果证明了该规划方法的效率.     

人工蚁群聚类码书设计算法

文中将频率敏感算法引入到基本的蚁群算法中,提出了一种改进的蚁群聚类码书设计算法。在提出的码书设计算法中采用LBG码书优化准则,引入了频率敏感算法。仿真实验表明,提出的算法避免了停滞现象发生,有效地提高了其全局搜索能力。     

基于OPENMP求解旅行商问题的并行蚁群算法

蚁群算法具有自组织性、正反馈性、较强的鲁棒性和天生的并行性等优点,不足之处是需要较长的搜索时间.为了解决其搜索时间过长的问题,文中提出了一种并行实现策略,用OPENMP应用编程接口采用C++语言编程实现,能明显减少搜索所用的时间.给出了一种解决旅行商问题(TSP)的并行蚁群算法,并通过串并算法执行时间的比较,说明并行算法的优越性.     

多传感器优化分配问题蚁群算法求解

考虑目标优先级在检测、跟踪和分类等多传感器管理问题中的影响,结合目标识别和威胁度判断所产生的信息增益,构造了新的目标函数.通过分析当前多传感器目标优化分配中存在问题,建立了多传感器目标优化分配问题蚁群算法的模型,实例仿真证明了该方法的可行性.     

P2P网络架构下蚁群算法的应用研究

蚁群算法(ACO)是一种新型的模拟进化算法,是受自然界中蚂蚁搜索食物行为启发而提出的一种智能优化算法。探讨了P2P网络架构下蚁群算法的应用,对在P2P网络架构下怎样使用蚁群算法解决网络服务中的Peer间的通信和路由、服务注册和查找等问题进行了研究。采用的蚁群算法在性能和收敛性速度上优于常规算法。