Phase behavior of amphiphiles at liquid crystals/water interface: A coarse-grained molecular dynamics study

We present a coarse-grained molecular dynamics simulation study of phase behavior of amphiphilic monolayers at the liquid crystal （LC）/water interface. The results revealed that LCs at interface can influence the lateral ordering of amphiphiles. Particularly, the amphiphile tails along with perpendicularly penetrated LCs between tails undergo a two-dimension phase transition from liquid-expanded into a liquid-condensed phase as their area density at interface reaches 0.93. While, the liquid-condensed phase of the monolayer never appears at oil/water interface with isotropic shape oil particles. These findings reveal the penetration of anisotropic LC can promote ordered lateral organization of amphiphiles. Moreover, we find the phase transition point is shifted to lower surface coverage of amphiphiles when the LCs have larger affinity to the amphiphile tails.     

粗信息矩阵的数量特征

利用已给出粗信息矩阵及粗集的有关理论,提出并研究了粗信息矩阵的两个数量特征--粗牲度短阵及粗精度矩阵,给出了一系列性质及定理.     

叠前弹性波反演非线性优化方法

针对传统遗传算法自身存在的早熟收敛、搜索空间小以及计算效率低的问题,在保证算法收敛和最大限度地搜索模型空间的基础上,对遗传算子采取相应策略进行了改进,并通过界约束以增加解的稳定性.为了提高计算效率,采用粗粒度并行遗传算法,将并行计算机的高速并行性和遗传算法固有的并行性相结合,进行多种群并行搜索.选择合适的迁移拓扑结构和迁移策略,构建了并行模型,并给出了改进后并行遗传算法的设计流程图及详细算法描述.采用该算法进行了叠前弹性波反演的实际计算,取得了良好的效果.     

三维地图动画生成中的粗粒度分布式并行计算

根据粗粒度并行计算的原理 ,对形成地形貌动画中计算量较大过程采用人为分割 ,把分割后的各部分数据交给配置基本相同的各台PC机进行计算 ,采用以空间换取时间的方法 ,提高系统的实时性 .     

粗粒度异构预编译器的设计与实现

提出了一种基于用户指导法的异构计算的动态实现工具,称为粗粒度异构预编译器（ＣＨＰ）,定义了５种用户在并行编程时需显式说明的代码段的类型,以及用户对代码段的输入和输出参数需进行的说明。     

面向流体机械仿真的层次化并行计算模型

随着流体机械基础并行算法的发展,传统的单核处理器已经不能很好地满足先进流体机械研发的技术需求,为此本文深入研究了流体机械的物理模型以及高性能计算机架构特点,设计并实现了能够充分表达物理模型并行性的高效的面向流体机械仿真的层次化并行计算模型(HP2H)。HP2H模型充分考虑流体机械的多层几何结构以及高性能计算机的多层逻辑架构,深入挖掘计算平台、计算模型以及物理模型的并行性,实现从物理模型到计算资源的高效任务映射。依据具体的轴流压气机转子数值模拟的实际应用背景,结合粗粒度并行和细粒度并行对模型进行实现。对HP2H计算模型进行了功能测试和性能测试,当计算核心从36核提升到432核时,计算性能提升约12倍,并行效率达到了100%。实验结果表明,HP2H计算模型不但在正确地对流体机械进行数值模拟的前提下实现了较好的计算性能,并且由于HP2H计算模型结合了粗粒度并行与细粒度并行,因而可以在不同的计算平台上运行,还可以便捷地实现计算规模的扩展,具有良好的可移植性与可扩展性。     

电力系统负荷恢复优化的并行遗传算法实现

对电力系统的负荷恢复问题进行了研究.将该问题建模为一个多约束条件的组合优化问题,根据遗传算法特别适合求解大规模组合优化问题的特点,设计了一种粗粒度并行遗传算法来对此优化问题进行求解.在消息传递类并行软件开发环境提供的基于消息传递的并行虚拟环境下,采用master/slave的并行编程模式,有效地提高了算法的计算速度.将各种约束条件与目标函数融合在一起,建立一种序关系,来处理负荷恢复中的约束条件.求解过程满足系统的约束条件,不会出现系统的越限.算例结果表明,所提出的并行遗传算法不仅可以最大限度地恢复负荷,而且可有效提高算法的计算速度.     

遗传算法解TSP问题的并行实现

遗传算法是一种概率搜索算法,其本身固有并行性。目前,人们正不断地致力于把遗传算法应用于各种并行机器上。在基于工作站机群技术上,构架了一种粗粒度并行遗传算法,并在MPI并行环境下,用4台PC机测试了一个解决TSP问题的粗粒度并行遗传算法。该并行遗传算法可以更好的保护优秀个体从而提高遗传算法的收敛性。     

并行Pareto多目标演化算法

提出并实现了一个并行Pareto多目标演化算法(PPMEA)，PPMEA算法是一个通过演化算法来解决基于Pareto的多目标优化问题的并行计算模型。在这个算法中，采用了并行演化算法中常用的全局并行模型和粗粒度并行岛模型。构成每个岛的子群体以不同的杂交概率和变异概率各自独立的演化，但是每隔一定的代数它们要交换外部集中的个体。标准测试函数的数值实验结果表明，所提出的算法能够使找到的解集快速收敛到Pareto非劣最优目标域，并且解集沿着Pareto非劣最优目标域有很好的扩展性。     

JXTA在粗粒度并行计算中的应用

介绍一个针对粗粒度并行计算的系统框架,该框架采用JXTA技术,适合众多的操作平台,允许对计算资源进行动态分布式的管理.