贝叶斯与Metropolis-Hastings算法的高效实现让MrBayes成为使用广泛的分子序列系统发育分析工具。然而,分子序列与进化参数的增加导致候选分子树样本空间急剧扩大,使得系统发育树的重构工作面临巨大计算挑战。为降低MrBayes系统发育分析中分子树条件似然概率的计算时间,提高分析效率,近年来出现一批基于图形处理器(GPU)的并行加速方法。为提高并行方法的可扩展性,提出了一种优化的似然概率多线程并行计算方法。根据位点间可变进化速率模型中分子状态似然概率的计算需要对应不同转移概率矩阵,将前期使用多线程对不同位点似然概率的并行计算,进一步分解为多位点间不同转移概率矩阵下的条件似然概率的计算。该策略在不改变单个线程计算传输比的基础上,通过增加线程数量,优化了线程warp间的并行重叠度,提高了并行效率。此外,由于每个线程warp只计算同一种转移概率矩阵下的似然概率,避免了在使用共享内存时不同warp间的同步开销,进一步提升了内核计算效率。所提方法与前期方法在4组实际数据和30组模拟数据上的计算结果表明,在核心似然函数的计算加速上,本文取得的计算性能超过tgMC³(2.0版)和nMC³(2.1.1版)方法,最高达1.78和2.04倍。

故障发生会极大地影响船舶区域配电电力系统运行的安全性。为了保证船舶的安全运行,针对船舶区域配电电力系统中的10种短路故障,用MATLAB/Simulink建立船舶区域配电电力系统的电力系统仿真模型,利用SMOTE过采样对故障数据进行预处理。利用主成分分析(Principal Components Snalysis,PCA)提取出故障数据中的特征向量,并将其作为多分类支持向量机(Multiclass Support Vector Machine,MSVM)的输入进行故障诊断。为了优化诊断结果,提出烟花粒子群优化算法来优化MSVM的惩罚因子C和核函数参数γ,再与仅粒子群优化算法寻优后MSVM故障分类的结果进行对比。仿真验证结果表明,所提算法具有更高的故障分类准确率和精度。

为了缓解低碳环境下资金约束制造商融资难的问题,在“碳限额与交易”制度下,建立了由风险中性供应商主导、损失规避制造商跟随的 Stackelberg 博弈模型。假设在制造商的融资同时用于订购和减排投资决策的情形下,分别得出了风险中性和损失规避制造商的最优订购和减排决策,以及供应商的最优批发定价决策。理论和算例分析表明,制造商的损失规避度越高,制造商将采取更加保守的订购策略,这会促使供应商提高批发价格,从而使得制造商降低减排水平。制造商的损失规避性对自身期望效用的影响与政府分配的碳排放上限有关。当碳排放上限较大时,具有较高损失规避度的制造商可以在排放权交易市场出售更多剩余的排放许可量来获得额外的收益。

处理器正在由单核处理器向众核处理器发展,文章首先介绍了目前众核处理器的发展状况;然后重点从能效、性能和可靠性3个方面,分体系结构、片上存储和软件等不同层次综合分析国外众核处理器最新研究成果;结合后摩尔时代集成电路发展趋势,指出自适应技术和三维集成技术将是众核处理器发展的重点。文章最后认为,众核处理器未来发展将是不同拓扑结构、软件编程与硬件定义、经典设计与新器件、新工艺的创新融合。

为了解决现有阵列光幕测试系统无法对多个连续目标信号进行判断和识别和单元探测光幕易受外界干扰的难题,提出了利用相似性系数法对单元探测光幕中光电探测器阵列输出的干扰信号进行剔除,再根据D-S证据理论对阵列光幕探测系统输出信号的目标类型进行判断和识别的方法。研究目标穿过阵列光幕测试系统输出信号的特点,给出了以阵列光幕测试系统4个单元探测光幕为证据体下的输出信号目标类型的信度函数分配,再经过融合处理得到目标识别的结果。

基于深度学习的故障诊断方法在大数据发展的推动下逐渐成为近年来故障诊断领域的研究热点。但是在真实的工业领域,深度学习故障诊断仍存在两点局限性:1)早期故障特征微弱,故障信息提取不足;2)变工况下收集的故障数据分布不一致。这两点导致深度学习故障诊断存在故障识别率低、域适应性差的问题。为解决上述问题,提出了一种基于通道拆分CLAHE和自适应阈值残差网络的变工况故障诊断方法(FEResNet)。该方法从增强重要特征、删除冗余特征两个角度出发,首先对故障信号做Morlet小波变换,挖掘变工况下振动信号隐含的判别性时频信息;然后设计通道拆分的CLAHE方法,提高时频图的对比度和清晰度,增强故障特征;最后将特征增强后的时频图输入到设计的自适应阈值残差网络中进行训练,删除冗余特征。在CWRU数据集上的实验结果表明,该方法在同工况下的预测精度高达100%,在变工况下的平均预测精度高达99.03%,域适应性强。

剩余寿命预测是设备预测性维护的3个核心任务之一。目前最新的研究进展是利用机器学习来建立剩余使用寿命预测模型。论文首先梳理了设备剩余使用寿命预测主要采用的机器学习模型,包括支持向量回归模型、多层感知机模型、卷积神经网络和循环神经网络;然后介绍了3个在剩余使用寿命(Remaining Useful Life,RUL)预测中主要采用的公开数据集,以及两个广泛采用的预测性能评价指标。特色之处是基于NASA提供的涡扇发动机仿真数据集C-MAPSS展示了RUL预测建模的基本步骤和关键技术细节,详细比较了几种代表性预测模型的性能。实验结果显示浅层结构的支持向量回归模型的性能确实显著弱于包含深度神经网络的模型;而在深度神经网络中,卷积神经网络和循环神经网络又显示出了各自在挖掘复杂特征交互以及时序特征交互之间的强大能力。最后展望了剩余寿命预测技术的发展前景并讨论了面临的主要挑战。

量子计算天然的叠加性和纠缠性使其具有经典计算技术难以比拟的并行计算能力,基于量子计算强大的并行能力,某些已知的量子算法处理问题的速度要快于经典算法。然而现阶段由于量子计算机的研制还处于发展阶段,想要在量子计算机上进行算法实验的需求还不能被满足,因此可以在经典计算机上对量子算法进行经典模拟。HHL算法常用来解决线性系统的方程问题,其被广泛应用在数据处理、数值计算、最优化问题等领域。本文基于经典的计算机平台,通过高级编程语言C++对HHL算法进行模拟实现,并采用OpenMP并行编程模型对算法进行并行加速。实现了HHL算法模拟解决4×4,8×8,16×16矩阵的线性方程组,并且对算法进行了加速处理。

人工蜂群算法在农业农村大数据应用开发中被广泛采用,但是串行人工蜂群算法时间的复杂度较高,不适用于多维函数的快速求解问题。针对串行人工蜂群算法对多维函数求解执行效率较低的问题进行分析,通过解析多维函数及人工依赖关系判定,提出了一种基于人工蜂群算法的多维函数优化加速方法,该方法包括任务划分、数据分布、同步操作和任务并行。为了证明方法的有效性,以海光处理器为硬件测试平台,对4个多维函数进行对比测试。实验结果表明,与串行人工蜂群算法对多维函数的求解速度相比,该方法对于4个多维函数的求解速度能得到大幅提升。

进入新世纪,伴随着我国经济的高速发展,我国很多地区空气污染情况相对严重,同时政府对于空气污染情况的关注度与治理力度也越来越高。当前对于我国空气质量影响最大的是O₃,SO₂,NO₂,CO,PM₁₀,PM_2.5这6种污染物,因而对这6种污染物浓度进行预测预报,及时作出相应管控调整就成为了保障居民健康、建设美丽中国的迫切需求。目前污染物预测的主流方案是WRF-CMAQ预测系统,该系统基于污染物物化反应与气象模拟两部分构成。但因为当前对于如臭氧在内的污染物的生成机理等研究还有待深入,WRF-CMAQ模型的预测存在较大误差。因此采用了深度神经网络对污染物浓度进行二次建模的方式,来减少预测误差。同时,采用联邦学习方法,对于多个监测站使用联邦学习进行数据训练,提升模型泛化能力。实验结果表明,相比于一次WRF-CMAQ的一次预测结果,深度神经网络的方案在均方误差值上最多缩小到了3.93%。同时,采用联邦学习的方案相比于单个监测站点在广泛测试中最多提升了68.89%的性能。

当今量子算法的一个发展方向是对早期量子算法的再思考。在量子计算领域,每一种早期量子算法都提出了突破性概念。一般认为它们在很大程度上仅属理论范畴,原因它们所求解的问题几乎都没有实用价值。但这些早期量子算法依然重要,因为它们在解决问题的速度上相比经典算法呈指数级别的增长。文中做了两件工作:一方面详细阐述对早期量子算法再思考的最新进展,另一方面则对早期量子算法进行所谓的重新目的化,即重新用于量子密钥分发、纠错等领域。Deutsch-Jozsa算法、Bernstein-Vazirani算法和Simon算法是关注的重点。Deutsch-Jozsa算法用于判定多引数函数(Multi-argument Function)是平衡的还是常数的。最近的研究表明,其应用可以扩展到量子通信和形式语言(Formal Languages)领域。Bernstein-Vazirani算法能够搜索出在函数中编码的字符串,其应用可以扩展至量子密钥分发领域和通信中对信息的纠错处理。Simon算法则用于求解具有特定属性字符串的识别问题,它的现代应用包括量子通信和纠错。

借助加窗技术和模整数的陪集表示技术,在加法的近似编码表示基础上给出Shor算法量子线路的整体优化和资源估计,并对设计的量子线路进行了仿真实验。借助加窗技术和模整数的陪集表示技术可以有效减少Toffoli门的数目以及降低整个量子线路的深度,其中Toffoli门数目为0.18n³+0.000 465n³log n,线路深度为0.3n³+0.000 465n³log n。由于采用加窗的半经典傅里叶变换,使得空间资源代价为3n+O(log n)个量子比特。在增加少量近似误差(误差可以随着填充数目的增加呈指数减小)的前提下,实现了时间空间资源代价的折衷。

针对供应链风险在制造行业上下游企业之间产生的影响,首先以供应链运作参考(Supply Chain Operation Reference,SCOR)模型为基础,以汽车制造企业为研究背景,通过对汽车供应链风险进行分析并结合现场调研结果,研究了供应链风险指标识别过程,建立了涉及战略计划风险等五大风险类别的评价指标体系。其次,鉴于BP神经网络模型在优化评估过程中容易出现局部最优解等问题,通过增加动量对其改进优化,同时用Morlet小波函数替换基础评价模型中的S型函数,重构供应链风险评价模型。最后,通过汽车企业实际案例进行风险识别与评估研究,采用Matlab进行仿真,对比分析改进BP小波神经网络与模糊综合评价、BP神经网络、增加动量的BP神经网络,结果表明,改进的BP小波神经网络模型具有良好的实用性和可靠性。

针对企业普遍存在无法深度利用散布在各应用系统中的典型零件加工数据资源问题,提出通过建立典型零件加工工艺本体库,实现典型机械零件加工工艺数据全面融合。首先,将典型零件加工工艺知识归纳为理论知识和工艺知识两类,利用本体建模语言OWL建立完整的典型零件加工工艺本体库。希望这项研究成果能够为构建典型零件加工全要素的智能制造提供有力支持。

政府和社会资本合作(PPP) 项目能够完善基础设施建设、保障民生与促进经济发展,但也存在资金退出困难、建设周期长、参与主体多等缺陷,项目运营失败将直接损害各方投资者的收益,造成社会资源的浪费,故亟需对PPP融资风险进行科学、准确地预测。文中提出一种基于螺旋进化萤火虫算法(SEGSO) 和BP神经网络(BPNN) 的预测模型,并将其应用于PPP融资模式风险预测。首先采用佳点集理论进行种群初始化,引入交互机制、精英种群策略以及螺旋进化方式,提出螺旋进化萤火虫算法。然后运用SEGSO算法进行参数寻优,搜索BPNN的最优参数组合,构建基于SEGSO和BPNN的预测模型SEGSO-BPNN。最后在5个测试函数上验证了SEGSO算法的性能优势,在7个UCI标准数据集上的实验结果表明了所提模型的显著性和有效性。将所提模型应用于中国PPP项目的风险预测,取得了较好的效果,为PPP融资风险预测提供了一种新方法。

卫星云图分类一直都是气象领域的研究热点之一,但存在同一云型光谱特征不同、不同云型光谱特征相同以及主要利用点云光谱特征而忽视空间特征等问题。针对以上问题,提出一种基于CNN-LSTM网络的卫星云图云分类方法,充分利用光谱信息和空间信息来提升云分类准确率。首先,根据云的物理特性对光谱特征进行筛选,并结合点云的正方形邻域作为点云的空间信息;然后,通过卷积神经网络(Convolutional neural network,CNN)自动提取空间特征,解决了单用光谱特征分类难的问题;最后,在此基础上结合长短时记忆网络(Long short-term memory,LSTM)提取的空间局部差异特征,为卫星云图分类提供多角度特征,解决了云块空间结构相似导致误判的问题。实验结果表明,所提方法对卫星云图的整体分类准确率达到93.4%,相比单一CNN方法的整体云分类准确率提高了2.7%。

近年来,越来越多的高校开始开设数据科学与大数据技术专业,作为一个多学科交叉的新兴热门宽口径专业,其课程体系仍在进一步完善中。文中运用复杂网络方法对从互联网上收集到的106所高校的课程数据进行了分析和可视化,分别构建了课程共现网络和开设院校关系网络。对于耦合度较高的课程共现网络,提出了一种基于边权的壳层分解算法,对课程重要性进行逐层分析,并将所得结果与词频统计和由Apriori算法获取的频繁项集结果进行了对比分析。考虑到该专业可授予理学或工学学位,又将数据集划分为理学和工学两部分进行了分析和可视化。本研究的开展能够给即将开设或者已经开设数据科学与大数据技术专业的院校提供一定的参考,同时也为高耦合网络的分析提供一种有效的算法。

随着无人机相关技术的成熟,无人机的发展前景和潜在的应用场景也被越来越多的人所认识,其中无人机编队能够打破单个无人机在载荷和任务种类等方面受到的限制,因此无人机编队飞行是未来重要的发展方向。在飞行的过程中,无人机编队可能会受到新建高楼、临时禁飞区等未知障碍物的限制。目前避障方法的主要关注点是在出发前且障碍物信息已知的条件下,为二维场景下的无人机生成不与障碍物相交的参考路径。但是这种方法不够灵活,无法满足在实际三维环境前进的过程中避开这些未知障碍物的要求。文中提出一种碰撞风险感知的编队防碰撞系统(Formation Collision Avoidance System,FCAS),通过对无人机的运动趋势进行分析,筛选出编队中最有可能发生碰撞的无人机;通过改进人工势场(Improved Artificial Potential Field,iAPF)对未知障碍物进行躲避,能够有效避免避障过程中编队中无人机间的碰撞,有效减少编队内部通信链路的数量,将障碍物对无人机编队的影响降到最低。在完成避障后,所有无人机将重新保持原来的队形并返回参考路径。模拟实验显示,该系统使无人机编队在参考路径飞行过程中能够处理静态未知障碍物,并最终无碰撞地抵达终点,验证了策略的可行性。

微信中健康信息质量良莠不齐,分析平台、公众号和用户的行为决策演化过程,探究遏制公众号发布虚假信息的关键因素,可为优化健康生态环境提供有益参考。通过构建三方主体演化博弈模型,求解系统均衡点与约束条件,仿真分析主体策略演变的影响因素及系统最优稳定状态。引入前景理论,探究主体的风险态度和损失规避对最优结果的影响。仿真实验得出,平台和用户对风险的敏感性大于损失。相比监管所需的高额成本,平台更注重声誉的提升;相比虚假信息产生的误导,用户着重于满足主观需求。公众号对损失比较敏感,且对平台处罚的敏感性大于粉丝损失。当公众号发布真实信息的初始意愿较低时,平台处罚、媒体曝光等外界因素虽能遏制伪健康信息的传播,但系统最优难以尽快实现。

流程定制是实现业务流程个性化服务的一种重要手段,在使用单一软件系统的情况下,其通过调整业务流程模型的内部结构来提供差异性业务服务。然而,随着业务流程的规模和复杂程度日益增加,现有的流程定制技术在应对复杂多变的业务流程时,需要对流程模型进行重构,影响了流程定制的开发效率。因此,提供一种高效的流程定制方法一直是业务流程领域的研究热点。文中从多租户应用的角度出发,提出了一种支持多租户模式的业务流程动态定制模型。首先采用可变性任务节点组装的方式构建业务子流程,通过租户感知器实现租户身份判别和流程实例派生;其次针对租户的可变性业务需求,提供一种流程动态定制方法;最后结合实例分析,验证了该模型的有效性。

为解决常规速度级控制器难以在非理想接触条件下保证电驱动仿生六足机器人速度跟踪能力的问题,提出一种基于加速度模糊控制的六足机器人双边遥操作方法。首先建立主端位置与从端速度的半自主映射方案,在此基础上确定机体加速度与腿部关节驱动量之间的关系式;其次采用模糊控制算法对遥操作系统的控制律进行设计,再利用Llewellyn准则求解控制律参数的稳定范围,并将所跟踪的速度/力信息分别以触觉力的形式反馈给操作者;最后搭建半物理仿真实验平台,实验结果验证了所提方法具有可行性,且遥操作系统的速度跟踪以及力透明度得到了明显提升。

区块链不可篡改、可追溯等特性能较好地支撑食品溯源系统,在食品溯源与区块链技术相结合的应用中存在着延时长、节点多、系统开销大等问题。针对上述问题,基于实用拜占庭容错算法(Practical Byzantine Fault Tolerance,PBFT),提出一种适用于食品溯源场景的优化PBFT算法trace-PBFT(t-PBFT)。首先,将供应链中节点划分为3个等级,根据节点在共识中的实际通信量动态更新节点状态,并以此来评价节点的可靠性,作为选举主节点的依据;其次,结合食品供应链的特点,优化原算法中的一致性协议,减少节点通信次数。实验结果表明,相比PBFT算法,t-PBFT算法在通信开销、请求延时、吞吐量等方面表现更优;最后,基于t-PBFT算法且结合联盟链提出一种满足食品溯源需求的架构模型,对食品供应链中各环节进行数据记录,保证数据可追溯,确保食品流通过程的安全性。

针对现有诊断策略优化方法中对多值系统不可靠测试的研究较少,且难以充分考虑多值测试和不可靠测试对诊断策略优化的双重影响的问题,提出了一种基于禁忌搜索的准深度算法。首先对故障与多值测试不确定相关性矩阵和多值不可靠诊断策略问题进行了描述;然后针对该问题,阐述禁忌搜索改进的准深度算法步骤;最后通过案例对所提算法进行了仿真验证。实验结果表明,所提算法能在保证故障检测和隔离效果的基础上降低算法复杂度,使得诊断策略优化过程更加准确高效。

随着时代的发展,用户购买房屋的观念也在发生改变,在决策过程中更加注重房屋的区位资源。文中给出一种融合用户和区位资源特征的混合推荐方法,通过层叠式的方式将基于内容的推荐算法和基于用户的协同过滤算法相组合,通过用户兴趣偏好与区位资源的融合,提供更准确的房源推荐。通过整合17万余条房源交易数据和上千条区位资源数据,实验结果表明,该方法相比传统模型具有更好的推荐效果。

随着信息技术的革新与进步,物联网技术在各个领域的应用呈现爆发式增长,然而大部分物联网设备却面临着黑客攻击的威胁。基于物联网设备的僵尸网络节点迅猛增长,导致了大规模DDoS攻击等网络安全事件,给物联网用户造成了极大损失。因此,研究以Mirai病毒为代表的一系列僵尸网络恶意威胁在物联网设备节点间的传播规律至关重要。首先,为了细致刻画物联网僵尸网络的形成过程,将物联网中的设备节点分为传输性设备节点和功能性设备节点,并通过对Mirai病毒感染机制的分析,提出了一个新颖的物联网病毒传播动力学模型——SDIV-FB模型。其次,从理论上计算了模型的传播阈值和平衡点,并对平衡点的稳定性进行了证明和分析。通过数值仿真实验验证了理论结果,并分析了模型参数对物联网病毒传播过程的影响。最后,确定了影响物联网僵尸网络病毒传播的重要参数,提出降低感染率和提高清除率可作为抑制物联网僵尸网络的有效控制策略。

构建了由制造商、电商平台和传统线下零售商组成的供应链,其中电商平台选择线上销售模式并制定信息分享策略。针对线上转售模式和线上代理模式下电商平台信息分享和不分享的情形,基于贝叶斯博弈和信息泄露效应,探究了在需求预测需要投资和信息分享策略的共同作用下,双渠道供应链中电商平台的销售模式选择。研究发现:除非需求不确定性低且平台收入分享比例高,否则电商平台选择转售模式。电商平台信息分享策略与线上销售模式和需求不确定程度有关。转售电商平台总是没有动机的自愿地和制造商分享信息;当需求不确定性较高时,代理电商平台自愿和制造商分享信息。进一步的研究发现,在代理模式中,信息分享对所有供应链成员都有利;在转售模式中,信息分享可能会对供应链不利,只有在需求不确定性较高且渠道竞争程度较低时,信息分享才能提高供应链的整体绩效。

随着电动汽车的推广,公共充电站的数量难以满足日益增长的充电需求。充电站建设通常需要进行多周期、多等级的战略规划,同时受政策、经济环境等因素的影响。每个充电站各建设周期的充电需求量、各等级充电站的建设成本以及运营成本都存在很大的不确定性。在考虑充电站服务能力以及服务半径约束的情况下,构建了以全建设周期电动汽车用户充电满意度最大化、充电站总成本最小化为双目标的模糊规划模型,并设计基于自适应和反向搜索机制的多种群遗传算法求解该问题。案例分析对比了改进与标准遗传算法的结果,验证了改进算法及所提模型的有效性,并分析了不同置信水平和充电站服务半径对目标函数的影响。

当人体剧烈运动或撞到障碍物使足部惯性测量单元(Inertial Measurement Unit,IMU)超程时,行人导航系统无法有效地实现定位导航。针对此问题,提出了一种行人导航方法,构建由步态分类辅助的虚拟惯性测量单元(Virtual Intertial Mea-surement Unit,VIMU)。此方法采用基于注意力的卷积神经网络(CNN)对常见的行人步态进行分类,以实际IMU实时采集的行人腿部和足部的惯性数据作为训练和测试样本。针对不同步态,分别建立了对应的ResNet-GRU混合神经网络模型,并根据这些模型构建足部VIMU,在足部实际IMU超程的情况下进行定位。实验表明,此方法能够有效提高基于零速度更新的行人导航系统在行人剧烈运动或与障碍物碰撞时的性能,从而增强系统在复杂和未知地形中的适应性。综合步态下的定位误差约为路径总长的1.43%,满足军用和民用的精度要求。

作为模型的降维表示,中轴因具有良好的性能,在许多工程领域得到了广泛应用。目前,模型中轴的生成方法主要基于近似中轴的思想,要么中轴的质量不高,要么计算的时间成本较高。由此,提出了一种基于法线迭代的模型中轴生成方法。法线迭代方法首先将模型离散化为三角网格模型,然后对样本点和三角面片进行基于中轴定义的GPU并行跟踪计算,经过多次法线迭代,得到所有样本点对应的中轴点,最后根据样本点的拓扑连接性连接对应中轴点来得到模型的中轴。实验结果表明,不同模型下该方法均可以相对快而精准地生成模型中轴,从而验证了所提方法能有效提升中轴生成的时间效率和精准性。

随着冷热电耦合程度不断加深,分布式电源、中小型发电用户及其伴随负荷的并入给电网运行带来了新挑战。为解决各中小型用户之间及其与大电网之间交易的互信问题,保证各类分布式能源的协调互补,促进可再生能源发电就地消纳,首先针对中小型用户与大电网交易存在不透明环节等问题,应用区块链的各方共识互信机制建立第三方运营商与分布式多能源单元间的共识交易架构。其次,以运营商的效益成本与分布式多能源单元不同阶段的运行成本为目标函数构建数学模型。然后,依据区块链技术的加密广播机制,提出适用于运营商与各分布式多能源单元运行目标的共识交易策略,保证各单元通过运营商的整合达到交易互信、多能源协调互补及新能源就地消纳的运行目标。最后,经算例仿真验证了所提模型与方法的有效性与可行性。