在临床上,药物不良反应导致的死亡和用药不当造成的住院及门诊费急剧升高,成为临床安全合理用药面临的主要问题之一。目前对药物不良反应的回顾性分析和文献分析多以公开发表的文献资料为依据。学术文献作为重要的数据来源之一,如何自动批量地对其进行数据处理尤为重要。针对医药文本独特的表述方式,基于BERT及其组合模型进行文本分类技术比对实验,建立对药物不良反应个例报道文献数据进行高效快速分类的方法,进而分辨出药物不良反应的类型,有效预警药害事件。实验结果表明,使用BERT模型的分类准确率达到99.75%,其可以准确高效地对药物不良反应个例报道文献进行分类,在辅助医疗、构建医学文本结构化数据等方面均具有重要的价值和意义,进而能够更好地维护公众健康。

电网物资供应商履约质量是电网安全稳定运行的基础,供应商履约涉及环节众多且风险因素复杂,使得当前对其研究较为匮乏且大多停留在理论业务分析层面。针对这一问题,提出基于XGBoost(Extreme Gradient Boosting)的供应商履约风险预测模型,充分考虑业务全流程中的各种风险因素,综合内部供应链运行、知识图谱数据以及外部天眼查、疫情等数据,基于特征工程构造了191个风险特征进行初始训练,在模型优化后对筛选出的49个特征再次训练,兼顾实际业务中的预测准确性和特征可解释性要求,采用SHAP(SHapley Additive exPlanations)值方法进行模型解释。实验结果表明,对比其他3种主流机器学习算法,所提模型准确率、精确率、KS值分别高达93.05%,94.45%,45.38%,进而验证了XGBoost算法在履约风险预测中的可行性和优越性。该模型可应用到电网物资供应链中,进一步指导业务应用。

通过图卷积神经网络对交通事故进行风险预测是交通领域的研究热点。然而,现有的使用图卷积神经网络对交通事故进行风险预测的研究存在着缺乏语义邻接性的构造、无法进行图权重的自适应学习的问题。针对以上问题,文中基于多源交通大数据,构建了数据驱动的多粒度、多视角的时空拓扑图,实现了交通网络中时空关联性和依赖性的精准建模。图上的结点从时间和空间两个维度对路段结点的交通状态进行综合描述,边则从地理邻接性和语义邻接性两个视角表现了路段之间的抽象邻接关系。在时空拓扑图的基础上,文中设计了基于动态时空图网络的交通事故风险预测模型,实现了路段级交通事故风险的准确预测。该模型引入了具有多头注意力机制的空间图网络层对空间关联性进行学习,同时采用了基于一维扩张卷积的时间学习单元捕获短时依赖性与长时周期性。在北京地区的实际交通数据集上进行大规模实验,所提方法的召回率达到0.899,F1-Score达到0.860,其他指标与主流方法相比也均有所提升。

用电高峰期的用电需求给电力系统带来了巨大压力,因此优化家庭用电调度变得尤为重要。针对用电高峰期用户端存在的用电经济性及舒适度不够的问题,提出了一种基于改进遗传算法的家庭用电调度优化方法。首先以分时电价为基础,建立综合考虑用电经济性与用户满意度的家用电器调度模型,然后对不同类型的电器采取不同的编码方式来替代传统遗传算法的单一编码,并用带惩罚函数的适应度函数来约束各个电器用电任务所需时长等,以对传统遗传算法进行改进和用电行为优化。结果表明,所提算法可有效地依据分时电价实现用电负荷调度优化,在满足用户用电舒适度情况下为用户提供经济性的用电方案,且复杂度较低,能有效解决用电高峰期的用电经济性和舒适度问题。

对股票市场未来回报和风险的精确预测不仅能够帮助理性投资者更加合理有效地进行投资,也能够为政策制定者和投资者提供有用的指导。利用金融新闻标题文本,通过词嵌入模型和机器学习等文本分析方法,构建考虑新闻累积效应的投资者时闻累积情绪指数表征投资者情绪;以上证指数为例,采用变分模式分解(VMD)方法将指数波动数据分解为各种内在固有模式进行实证分析。最后,引入双向门控循环单元(BiGRU)作为深度学习模型进行股票预测。结果表明,投资者情绪指数显著影响上证指数波动,并且积极情绪和消极情绪的影响是不对称的;考量投资者情绪指标进行信号分解,能够有效提高股票的预测性能,相对于单纯分析股票时间序列的 BiGRU预测模型,VMD-BiGRU模型的MAE,RMSE,RMSPE,MAPE等指标降低超过30%;在基准场景下,VMD-BiGRU模型性能优于多个计量经济模型和机器学习模型,对于收益率和波动率预测的MAE,RMSE,RMSPE,MAPE等指标普遍降低超过40%;模型在五粮液、工商银行、科大讯飞3只个股的推广中保持着同样稳定精确的预测效果。

分布式海战是未来战争形态发展的必然趋势。与传统海战样式相比,分布式海战作战部署更加灵活,作战区域更广。分布式海战条件下的后勤保障区域分布范围广、保障半径大、分散程度高,传统伴随保障方式难以适应战争形态发展。依托中继保障基地进行递进保障,并运用补给舰编队进行物资转运的补给模式,更加适合分布式海战特点。考虑复杂多变的海洋天气对远距离物资投送带来的极大影响,首先基于不同地理位置的历史天气信息模拟有效波高,然后根据有效波高测算天气因素对舰船航速及补给开销的影响程度,最后触发优化模型与仿真模型之间的反馈并得到优化方案。将优化方案与未触发仿真模型的理想优化结果进行比较,以验证不同策略的性能表现,得到契合实际应用环境的优化方案,从而提高最优路径的鲁棒性,为分布式海战物资补给提供较好的决策支撑。

噪声环境下语音检测准确率偏低是短波通话面临的公开挑战。当前已有方法应用有限,其根源在于难以可靠地在噪音环境下提取准确且高效的语音特征。针对上述问题,提出了一个面向短波通信的低秩方向梯度直方图(Low-rank Histogram of Oriented Gradient,LHOG)话音检测方法。首先,对目标音频源数据进行预处理,实现噪声环境下语音信息的可视化表征;然后,在HOG特征提取器中嵌入低秩化结构,缓解特征中的冗余信息,并降低噪声干扰,从而获得准确且高效的特征;最后,通过常用的SVM分类模型便可在噪声环境中准确快速地区分话音和噪声。测试结果表明,该方法的准确率达到了95.12%,误报率仅为0.96%,漏报率为13.14%。与现有主流方法的对比实验证明,该方法话音检测准确率高,资源占用少,能够有效提高短波通信侦控效率。

新型电力系统背景下,新能源发电商的报价问题一直是电力现货市场中的研究热点。相比传统能源,风电出力受外界不确定性因素的影响较大,给风力发电商求解最优报价带来了挑战。为此,基于多智能体强化学习算法WoLF-PHC构建了计及风电的发电商报价策略模型。模型中,考虑了风电、火电和水电3种能源参与的现货市场,每一个发电商抽象为一个智能体,且基于随机约束规划算法建模风电智能体的收益函数;对于智能体的报价策略模型,将D3QN与WoLF-PHC算法结合,使模型能够满足报价时智能体状态空间复杂的情况;此外,对于交互环境的建模,提出利用DDPM扩散模型生成风电出力数据,优化风电出清场景的仿真。最后,基于3节点的电力仿真系统开展模拟实验,实验结果表明,提出的风电收益函数建模、WoLF-PHC改进、风电出力生成等技术是可行的,能有效解决风电参与竞价的现货市场报价问题,并且能够在较少的迭代次数后学习到较优的策略。

目前,我国基于服装个性化智能量身定制的理念日趋完善。但是,在消费者目标尺寸自动获取方面仍然缺乏实用的设备和技术,成为了大多数企业个性化智能定制发展的一个瓶颈,其根本原因是缺少实用性强的个性化智能定制系统。人体动态测量与其他工业产品精密测量相比具有自身独有的特殊性和困难。在探讨了现有的光学类基于个性化智能定制系统的现状的前提下,针对目前存在的激光三维人体扫描测量系统普遍存在硬件设备庞大、结构复杂的问题,对文中提出的基于个性化智能定制系统进行了原理设计,建立了系统的物-像结构算法的数学模型。该算法采用了扫描单元旋转的测量方式,使系统能够在垂直方向上获得较大的测量范围,目的是使系统采用较小的硬件获取满意的三维人体空间坐标,有利于节省竖直空间、减小体积。该算法已成功应用于基于服装个性化智能定制系统。为了验证本算法的精度,设计了与法国力克系统的三维人台对比扫描实验,实验数据验证了本系统结构算法的精度、工程实用性和可靠性。

审定试飞是民用飞机获取型号合格证书的重要活动,具有高成本、高风险的特点。研究审定试飞的实施流程有利于推动试飞工作有序进行,进而缩短试飞周期及降低试飞成本。目前对试飞流程的研究局限于流程描述与定性分析,缺乏对试飞流程的形式化建模与性能分析,无法检验流程中的关键环节。为解决上述问题,文中研究了审定试飞3个阶段的实施流程,并利用随机Petri网构建了该流程的仿真模型;通过建立与该模型同构的马尔可夫链,对实施流程进行了性能分析,识别出了流程中耗时较多的关键环节,进而分析了关键环节的实施速率对流程平均运行时间的影响。最后通过一个案例验证了模型与方法的可行性。结果表明,制造符合性检查环节与试飞数据处理环节是流程中耗时较多的关键环节,应将其作为流程优化的重点,同时提升上述两个关键环节的实施速率相比提高单环节速率,成本更低且流程运行效率提升幅度更大。

随着工业4.0时代的到来,制造业与人工智能的深度融合已成为了业界的重要发展趋势,工业质检是其中的重要突破口,但目前业界缺乏对工业质检产品进行评估的标准方法,各质检产品的性能往往不透明,不利于优化迭代及规模推广。针对上述问题,提出了一种面向工业界产线应用需求的AI工业质检算法评测方法,可在工业领域样本数量少且不均衡的情况下,面向产线落地应用需求,对AI工业质检产品及其竞品进行对标评估。该评测方法通过交叉验证法构建数据集,从而避免数据集规模小且不均衡导致的评测结果波动较大的问题,通过灰盒测试法避免数据集来源单一导致的评测结果不客观问题,并根据产线实际生产需求制定相关评估指标,可真实反映产线应用场景下质检产品检测性能。将上述方法应用于光伏电池片EL检测产品的对标评测中进行验证,结果表明该评测方法具备可行性,且能客观反映各产品的真实性能。最后,基于对评测结果的分析对比,为AI工业质检产品的优化提供了一些建议。

滚动轴承是机械设备的关键部件,为了对滚动轴承的故障类别进行有效识别,提出了一种融合自注意力机制(Self-Attention,SA)和轻量级网络MobileNetV3的SAMNV3滚动轴承智能故障诊断模型。利用该模型中自注意力机制对特征进行自适应加权的优点以及轻量级网络MobileNetV3体积较小的优点,通过直接将两个不同数据集的原始振动信号输入SAMNV3模型中,进行故障的特征提取与识别分类,从而实现端到端的滚动轴承智能故障诊断。在两种不同的数据集上进行验证,结果表明该模型具有较高的准确率和较低的计算复杂度,可以有效提高滚动轴承故障诊断的准确性和可靠性。

针对战时国防工程电力系统网架技术性能评估问题,尤其是生存性指标量化评估问题,提出了国防工程电力系统网架生存性多指标综合评价方法,从抗毁性、安全性和恢复性3个维度衡量国防工程电力系统网架生存性,并考虑敌方可能采取的多种攻击策略,得到国防工程电力系统网架生存性量化指标随等效攻击波次变化曲线,可对国防工程电力系统网架的运行和改进决策提供分析方法和工具;并采用该方法对某国防工程电力系统网架进行仿真实验,实验结果表明,该方法可有效评估多种攻击策略下的国防工程电力系统网架的生存性,网架结构信息保密和网架防护等级对国防工程电力系统网架生存性有较大影响。

故障诊断对于保障大型机械设备安全稳定运行具有十分重要的意义,但获得的数据存在严重标签缺失或缺少的问题,且不同工况下的数据特征分布显著不同。传统机器学习或微调的方法存在特征提取模式单一、视角固定的局限性,使得同类不同域的特征难以对齐。针对以上问题,文中提出了一种基于域对抗统计特性增强的跨域故障诊断方法DASEM(Domain-Adversarial Statistical Enhancement Model)。该方法采用直推式深度迁移学习技术,在域对抗框架下增强全局统计特性的表示,并与局部结构模式融合,构建双路径特征提取器。同时,利用域标签和数据结构之间的平衡关系来描述域对抗的表现形式,并通过类标签输出故障诊断结果。在西储大学轴承数据集和江南大学轴承数据集上的实验结果显示,DASEM在各个跨域任务上的平均精度分别达到了94.90%和93.15%,证明了该方法的有效性。

为解决板球系统因受到外部负载扰动、摩擦力、交叉耦合干扰等不确定性扰动而跟踪精度不高的问题,提出一种基于改进的非线性干扰观测器(NDO)和非线性信息增益滑模控制策略。利用预设性能函数(PPF)对误差的变换技术,将误差限定在规定范围内,建立改进的NDO来估计不确定性扰动。运用精确的估计值来设计滑模控制器,滑模面包含一个修正项,可以降低扰动的影响,从而提高控制精度,并采用非线性信息增益设计自适应切换项增益,降低抖振的影响。最后,仿真表明改进的NDO能有效地估计扰动,改善了动态品质,所提控制方案提高了传统的NDO的控制精度和抗扰能力。

为更准确地预测远程会诊需求量,提高远程会诊资源配置效率,文中引入多元回归分析(Multiple Linear Regression)和注意力机制来优化长短期记忆网络(LSTM)。首先,根据远程会诊需求中存在的假期效应生成假期指标,通过多元回归分析选取显著性高的指标作为模型输入,然后根据长短期记忆网络学习输入指标的内部复杂映射关系,利用注意力机制对指标分配不同权重,最后根据权重和LSTM隐藏层输入预测结果。基于国家远程医疗中心(NTCC)的实际历史会诊数据,研究MLR-Attention-LSTM的预测性能,并比较其与整合移动平均自回归模型、支持向量机、K近邻、BP神经网络和LSTM神经网络5种模型的预测效果。结果表明,优化后的LSTM模型预测精度最高。进一步地,探究假期指标对模型性能的影响,结果表明假期指标的输入可以进一步提高模型的预测精度,验证了MLR-Attention-LSTM和假期相关变量输入在远程会诊需求预测领域的可行性与适用性,为远程医学中心实际应用提供了理论支撑和实践指导。

随着市场竞争日益激烈,在产出不确定的情况下,供应商资金不足尤为常见。基于此,构建了一个以风险中性制造商为领导者,以损失规避供应商为跟随者的Stackelberg博弈模型。在银行融资和制造商预付款融资两种模式下,分别给出了损失规避供应商的最优生产投入量决策和制造商的最优损失分担决策。通过理论和算例分析表明:当各参数在一定范围内取不同值时,供应商和制造商可能倾向于选择不同的融资模式;在预付款融资模式下,供应商为最大化损失规避,将采取更加保守的生产策略,此时,制造商会通过承担更多的损失分担比例来激励供应商增加生产投入量。

城市交通流具有复杂的非线性动态特征,用简化的线性交通流模型无法准确描述交通流的非线性特征。因此,在考虑扰动对子区边界控制影响的基础上,首先建立了考虑扰动的非线性城市宏观交通流模型,该模型能够更好地描述实际交通流的运行情况。其次,结合城市交通流运行的周期性特点,设计了基于迭代学习控制的子区边界控制策略,并利用Lipschitz条件和偏导数分析了迭代学习控制律的收敛性。最后,通过仿真案例验证了基于非线性交通流模型的交通子区边界控制策略的有效性。

目前飞行器外流场仿真方法中存在流体可压缩性判断依赖经验知识以及目标外流场三维仿真缺乏封闭约束条件的问题。对此,提出一种基于自适应修正模型的三维外流场数值计算方法。根据飞行器外流场变异系数先验知识,采用加权平均N-S方程表示可压缩流体物理量分布,同时利用膨胀压缩修正和激波不定项修正两种策略自适应地修正k-ε湍流模型的可压缩性约束条件,并采用壁面函数对近壁区进行近似计算修正约束条件。以某型号无人机外流场分布三维建模仿真实验,结果表明:当飞行器速度达到1.5马赫时,可压缩修正模型出现边界约束条件临界值,所提自适应可压缩修正算法能有效判断气体可压缩性的变化并提升流体分布计算的准确性。

随着中国国际影响力的提高和汉语国际地位的提升,将中文作为第二语言学习的外国人数量逐年增加,中文已成为世界上最为流行的语言之一。基于此,中文语法错误诊断的研究备受关注。首先,从中文语法错误诊断的定义出发,总结目前的研究现状。其次,通过对各种中文语法错误诊断方法的分析,构建了基于条件随机场的中文语法错误诊断系统,探究中文语法自动检错系统及其具体应用流程,以帮助中文学习者提高学习效率。在CGED2016数据集上的实验结果表明,该系统在检测层和识别层上的性能较好,在位置层上还需要改进。

本研究以构建以人类可以理解的方式寻找解决实际问题的方法与步骤的机器思维机制为目的。数学是人类描述客观世界状态和运行规律的重要思维工具。数学也是机器类人自动求解问题答案、解释运行方法和生成中间步骤的重要工具。客观世界的描述语言表述形式多样、规模巨大且特征稀疏,其语义表示、语义积聚、语义分析、以及机器思维机制的实现方法都是基于用例积累渐进式明晰和完善的。在数学应用题类人自动求解领域,机器思维主要依靠的基本数学概念及其蕴含的计算理论包括集合、比例(分数)、不等关系、枚举和数据归纳与推导(趋势判别)等。从机器思维系统实现的角度,以集合对象及其比例计算的语义渐进积聚和识别为例,讨论了数学原理在机器思维系统中的应用技术路线。最后,用示例介绍了机器自动类人求解一道具体的初等数学应用题的完整过程和中间步骤,展望了机器思维应用不等关系、枚举、数轴、坐标系和数学归纳与推导等数学工具的方法和前景。

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。