自适应控制下图像分割及并行挖掘算法.pdf

自适应控制下图像分割及并行挖掘算法.pdf

并行计算框架Spark的自适应缓存管理策略

并行计算框架Spark缺乏有效缓存选择机制,不能自动识别并缓存高重用度数据;缓存替换算法采用LRU,度量方法不够细致,影响任务的执行效率.本文提出一种Spark框架自适应缓存管理策略(Self-Adaptive Cache Management,SACM),包括缓存自动选择算法(Selection)、并行缓存清理算法(Parallel Cache Cleanup,PCC)和权重缓存替换算法(Lowest Weight Replacement,LWR).其中,缓存自动选择算法通过分析任务的DAG(Directed Acyclic Graph)结构,识别重用的RDD并自动缓存.并行缓存清理算法异步清理无价值的RDD,提高集群内存利用率.权重替换算法通过权重值判定替换目标,避免重新计算复杂RDD产生的任务延时,保障资源瓶颈下的计算效率.实验表明:我们的策略提高了Spark的任务执行效率,并使内存资源得到有效利用.

并行自适应克隆选择算法

并行自适应克隆选择算法 在FbgFunc.m中设置目标函数和优化参数 在CloneySelection.m中设置参数取值范围及其他算法参数 本算法在基本克隆选择算法的基础上增加自适应和并行功能计算效率比基本克隆选择算法高。 附带论文为本人为第一作者撰写的，论文中有一部分内容介绍该算法流程。 对该算法有任何疑问可以通过dxbsoccer@163.com联系我。 目前该算法暂时是无约束优化，欢迎大家试用并提出宝贵意见。 (Parallel adaptive clonal selection algorithm It was added parallel computing and adaptive techniques based on clonal selection algorithm. It is more effective than basic clonal selection algorithm. Feel free to contact me via dongxbmail@gmail.com)

并行算法的一般设计策略

MPI 第五章 并行算法的一般设计策略 详细的查阅了有关资料，并自己做了一个易懂的ppt

并行图论算法,并行图论算法

并行图论算法并行图论算法并行图论算法并行图论算法

并行计算实验快速排序的并行算法

3.1实验目的与要求 1、熟悉快速排序的串行算法 2、熟悉快速排序的并行算法 3、实现快速排序的并行算法 3.2 实验环境及软件 单台或联网的多台PC机，Linux操作系统，MPI系统。 3.3实验内容 1、快速排序的基本思想 2、单处理机上快速排序算法 3、快速排序算法的性能 4、快速排序算法并行化 5、描述了使用2m个处理器完成对n个输入数据排序的并行算法。 6、在最优的情况下并行算法形成一个高度为logn的排序树 7、完成快速排序的并行实现的流程图 8、完成快速排序的并行算法的实现

【matlab】基于BP算法和遗传算法的自适应噪声抵消器

一、引言自适应噪声抵消技术是一种能够很好的消除背景噪声影响的信号处理技术，应用自适应噪声抵消技术，可在未知外界干扰源特征，传递途径不断变化，背景噪声和被测对象声波相似的情况下，能够有效地消除外界声源的干扰获得高信噪比的对象信号。 从理论上讲，自适应干扰抵消器是基于自适应滤波原理的一种扩展，简单的说，把自适应滤波器的期望信号输入端改为信号加噪声干扰的原始输入端，而它的输入端改为噪声干扰端，由横向滤波器的参数调节输出以将原始输入中的噪声干扰抵消掉，这时误差输出就是有用信号了。在数字信号采集、处理中，线性滤波是最常用的消除噪声的方法。线性滤波容易分析，使用均方差最小准则的线性滤波器能找到闭合解，若噪声干扰类型为高斯噪声时，可达到最佳的线性滤波效果。 计算机论文www.lunwendingzhi.com； 机械毕业论文www.lunwenwanjia.com 在实际的数字信号采集中，叠加于信号的噪声干扰往往不是单一的高斯噪声，而线性滤波器所要求的中等程度噪声偏移，使线性滤波器对非高斯噪声的滤波性能下降，为克服线性滤波器的缺点，往往采用非线性滤波器，所以本文采用神经网络对信号进行滤波处理。二、基于BP算法和遗传算法相结合的自适应噪声抵消器在本文中，作者主要基于自适应噪声对消的原理对自适应算法进行研究，提出了一种新的算法，即BP算法和遗传算法相结合的自适应算法。 作者对BP网络的结构及算法作了一个系统的综述，分析了BP算法存在的主要缺陷及其产生的原因。传统的BP网络既然是一个非线性优化问题，这就不可避免地存在局部极小问题，网络的极值通过沿局部改善的方向一小步进行修正，力图达到使误差函数最小化的全局解，但实际上常得到的使局部最优点。 管理毕业论文网www.yifanglunwen.com； 音乐毕业论文www.xyclww.com； 英语毕业论文www.lanrenbanjia.com； 学习过程中，下降慢，学习速度缓，易出现一个长时间的误差平坦区，即出现平台。通过对遗传算法文献的分析、概括和总结，发现遗传算法与其它的搜索方法相比，遗传算法（GA）的优点在于：不需要目标函数的微分值；并行搜索，搜索效率高；搜索遍及整个搜索空间，容易得到全局最优解。所以用GA优化BP神经网络，可使神经网络具有进化、自适应的能力。 BP-GA混合算法的方法出发点为： 经济论文www.youzhiessay.com 教育论文www.hudonglunwen.com； 医学论文网www.kuailelunwen.com； （1）利用BP神经网络映射设计变量和目标函数、约束之间的关系；（2）用遗传算法作实现优化搜索；（3）遗传算法中适应度的计算采用神经网络计算来实现。BP-GA混合算法的设计步骤如下：（1）分析问题，提出目标函数、设计变量和约束条件；（2）设定适当的训练样本集，计算训练样本集；（3）训练神经网络；（4）采用遗传算法进行结构寻优；（5）利用训练好的神经网络检验遗传算法优化结果。若满足要求，计算结束；若误差不满足要求，将检验解加入到训练样本集中，重复执行3～5步直到满足要求。 通过用短时傅立叶信号和余弦信号进行噪声对消性能测试，在单一的BP算法中，网络的训练次数、学习速度、网络层数以及每层神经元的节点数都是影响BP网络的重要参数，通过仿真实验可以发现，适当的训练次数可以使误差达到极小值，但是训练次数过多，训练时间太长，甚至容易陷入死循环，或者学习精度不高。学习速度不能选择的太大，否则会出现算法不收敛，也不能选择太小， 会使训练过程时间太长，一般选择为0.01～0.1之间的值，再根据训练过程中梯度变化和均方误差变化值确定。基于梯度下降原理的BP算法，在解空间仅进行单点搜索,极易收敛于局部极小，而GA的众多个体同时搜索解空间的许多点，因而可以有效的防止搜索过程收敛于局部极小，只有算法的参数及遗传算子的操作选择得当，算法具有极大的把握收敛于全局最优解。使用遗传算法需要决定的运行参数中种群大小表示种群中所含个体的数量，种群较小时，可提高遗传算法的运算速度，但却降低了群体的多样性，可能找不出最优解；种群较大时，又会增加计算量，使遗传算法的运行效率降低。一般取种群数目为20～100；交叉率控制着交叉操作的频率，由于交叉操作是遗传算法中产生新个体的主要方法，所以交叉率通常应取较大值，但若过大的话，又可能破坏群体的优良模式，一般取0.4～0.99；变异率也是影响新个体产生的一个因素，变异率小，产生个体少，变异率太大，又会使遗传算法变成随机搜索，一般取变异率为0.0001～0.1。 由仿真结果得知，GA与BP算法的混合算法不论是在运行速度还是在运算精度上都较单纯的BP算法有提高，去噪效果更加明显，在信噪比的改善程度上，混合算法的信噪

基于OpenMP的并行遗传算法

基于OpenMP的粗粒度并行遗传算法，相比于串形遗传算法提升了运行速度。

并行CRC算法的实现方法

并行CRC算法的实现方法

并行自适应码流PAoB图像编码算法

并行自适应码流PAoB图像编码算法并行自适应码流PAoB图像编码算法

并行算法.pdf并行算法.pdf

并行算法 并行算法 并行算法 并行算法 并行算法 并行算法

论文研究-自适应SSDA图像匹配并行算法设计与实现.pdf

为了充分利用多核处理器的硬件资源和计算能力来提高图像匹配应用的实时性，通过对自适应阈值SSDA图像匹配算法原理的分析，基于任务分解的多核并行编程模式思想，设计了一种自适应阈值SSDA图像匹配并行算法，并在多核计算机上采用OpenMP模型编程实现该并行算法，同时还进行了相关的代码优化。实验结果表明，优化后的并行算法在保持匹配算法精度的同时大大提高了匹配速度和多核利用率，取得了良好的效果。

基于Spark的并行遗传算法研究

当前Spark分布式编程框架由于内存计算得到了快速发展,相对于传统Map Reduce并行编程模型在迭代运算上有明显优势。针对串行遗传算法处理大规模问题能力有限的现状,提出了一种基于Spark平台的粗粒度并行遗传算法(SPGA)。该方法利用Spark框架并行实现了遗传算法的选择、交叉和变异操作,并对并行操作算子的性能进行了分析,优化了算法并行化实现方案,极大地提高了遗传算法全局搜索效率。实验结果表明,新的并行遗传算法在收敛速度上有显著的提高,能够很好地提高优化效率。

论文研究-三种GPU并行的自适应邻域模拟退火算法.pdf

提出了三种新的GPU并行的自适应邻域模拟退火算法，分别是GPU并行的遗传-模拟退火算法，多条马尔可夫链并行的退火算法，基于BLOCK分块的GPU并行模拟退火算法，并通过对GPU端的程序采取合并内存访问，避免bank冲突，归约法等方式进一步提升了性能。实验中选取了11个典型的基准函数，实验结果证明这三种GPU并行退火算法比nonu-SA算法具有更好的精度和更快的收敛速度。

并行计算 结构·算法·编程 第3版

并行计算 陈国良编著 呵呵 大家来下载 是第三版《并行计算:结构•算法•编程(第3版)》是并行计算系列丛书之开篇，它以并行计算为主题，围绕并行计算机、并行算法和并行程序设计展开讨论，强调融并行计算机体系结构、数值与非数值并行算法设计以及并行程序设计为一体，着力构建并行计算“结构-算法-编程-应用”完整的学科体系与系统的课程框架，在着重讨论并行计算学科基础核心内容的同时，也力图反映本学科的新近成就和发展趋势。, 全书内容按照“并行结构-并行算法-并行编程-并行应用”的整体框架进行规划，分为四篇。第一篇为并行计算硬件平台；并行计算机，包括并行计算与计算机科学、并行计算机结构模型、系统互连与基本通信操作、典型并行计算机系统介绍和并行计算性能评测。第二篇为并行计算理论基础：并行算法，分为上篇和下篇，其中上篇为并行算法设计，包括并行算法的基础知识与并行计算模型、并行算法基本设计策略、常用设计技术和一般设计过程；下篇为并行数值算法，包括稠密矩阵运算、线性方程组求解、快速傅里叶变换和数值计算的基本支撑技术。第三篇为并行计算软件支撑：并行编程，包括并行程序设计基础、共享与分布存储系统并行编程以及并行程序设计环境与工具。附录篇为并行计算发展动力：并行

并行图形绘制技术综述

为研究并行图形绘制技术，介绍图形绘制的流水线过程，对其内在的可并行性进行分析，研究并行绘制的实现方式，包括流水线并行、数据并行和作业并行，以及前分布拼接合成、中分布拼接合成和后分布拼接合成，讨论并行绘制面临的主要问题及其发展趋势。

论文研究-实数自适应并行遗传算法的研究.pdf

针对遗传算法中的早收敛现象，提出了一种实数自适应并行遗传算法（real adaptive parallel genetic algorithm，RAPGA）。该算法采用了一种并行遗传进化结构，并将自适应交叉、变异算子引入到本算法中，增强和保持了种群的多样性。最后，通过与其他经典优化遗传算法进行比较显示，RAPGA对多个标准测试函数均表现出较好的搜索性能。

并行遗传算法研究综述

电子书，论文，并行遗传算法研究综述 电子书，论文，并行遗传算法研究综述 电子书，论文，并行遗传算法研究综述

随机并行梯度下降算法的自适应优化方法

随机并行梯度下降（SPGD）算法已被证明是一种较为有效的像清晰化系统控制算法，具有不依赖波前传感器直接对系统性能指标进行优化的特点。其控制参数增益系数和扰动幅度决定了算法的收敛速度以及收敛稳定性。参数取值范围较窄，超出范围将导致收敛后期的震荡，或者较慢的算法收敛速度。研究了算法增益系数和扰动幅度对校正效果和收敛速度的影响，提出了一种参数自适应优化的方法。基于52单元变形镜、位置敏感传感器等器件建立了SPGD控制算法的像清晰化实验平台，验证该方法的有效性。实验结果表明，该方法扩展了参数取值范围，提高算法收敛速度的同时具有较好的收敛稳定性。