搜索资源列表
GPU-speedup
- 针对LA在解决大规模优化问题时需要消耗大量的时间无法达到实时性的问题，结合GPU的高速并行性，本文提出了一种基于GPU(Graphics Processing Unit，GPU)加速的细粒度并行免疫算法。本算法借助CUJDA(Compute Unifled Device Architecture，CUDA)统一架构，将实现过程转化成CUDA线程块并行计算过程，使得免疫算法在GPU中加速执行，在取得较好的优化效果的同时，解决了细粒度并行的群体规模限制问题，提高了算法的运行速度。-Solution
An-inverse
- 在目前常用的激光粒度仪反演算方法的优点和缺点基础上，为了实现各种方法的稳定性 与准确性的统一，提出一种基于退火演化算法和遗传算法组合的随机反演方法，该方法具有更 强的全局收敛性，也具有对粒径分布形状不敏感、抗噪声能力强等优点。该算法能对具有单峰 及双峰分布形式的颗粒尺寸进行精确求解，并获得合理的颗粒粒径分布结果。-, In order to achieve the unity of the stability and accuracy of the various method
Chahine-inverse
- 光散射法粒度测试涉及到粒度反演技术. 随着反演粒级数的增加, 通常的粒度反演法将 出现严重的振荡. 文章将Chahine迭代算法与平滑滤波技术相结合解决了高反演粒级数下数值解 的振荡, 在不改变激光粒度仪的原有结构情况下, 就可明显提高仪器的精度和分辨能力.-Light scattering particle size test relates to the granularity inversion technique. With increased the inversion gra
Inversional-gorithmof
- 针对Projection迭代反演算法对噪声极其敏感, 及在实际应用中造成粒度测量失真的问 题, 引入Vondrak数据平滑算法对Projection反演进行平滑处理。借助Visual C+ + 6. 0开发 平台, 编写测试软件对算法应用进行了仿真研究。通过分析比较平滑处理前后的反演结果, 得 出Vondrak数据平滑处理算法的引入有效提高了Projection反演的抗干扰性能。实验结果表 明: 基于Vondrak数据平滑处理的Projection反演结果能够反映粒度的真实分布,
j2-2
- 二维poisson方程并行有限差分方法，增加网格宽度可提高通信粒度，加快程序收敛速度。-Dimensional poisson equation parallel finite difference method to increase the width of the grid size can improve communication and accelerate the speed of convergence program.