喷管内流场并行计算方法研究

建立了基于区域分解的并行计算方法,将已有的后台阶喷管内流场三维ＴＶＤＭａｃ－Ｃｏｒｍａｃｋ显式格式的串行计算程序改造成为并行程序,获得了较高的并行加速比。并行计算结果同串行结果进行了对比,证明计算是成功的。     

网络分布式并行计算的负载平衡

利用分布式系统动态负载平衡的原理,设计了一种适应网络分布式并行计算环境的负载平衡实现机制,采用集中式负载信息收集策略,集中和分布式相结合的传输控制策略.定义了一种新的复合型负载指标来衡量各处理机的负载程度.讨论了相应的理论和实现中的关键问题,给出了主要的实现策略和算法.仿真比较研究表明这种体系结构和相应策略能对网络环境下分布式并行计算提供有力支持.      

区块链与 5G MEC在军事领域的融合应用

第 5代移动通信技术(5G)与移动边缘计算(Mobile Edge Computing,MEC)的深度融合,实现了省带宽、降时延、均负载和高隔离的目标。为进一步增强军事场景中信息安全保障能力,首先,开展了基础理论研究,梳理了技术发展现状、能力指标和网络架构,为设计区块链与 5G MEC融合架构提供了理论支撑;其次,采用映射方法对民用技术的军事转化与融合改进开展了可行性分析,指出了技术融合的涌现性;此外,基于多视图方法论开展了需求分析,提出了 1种 5G网络架构下 MEC与区块链的融合架构;最后,基于所提系统设计了 3种军事应用场景,并给出了系统参考架构和优化方法。通过分析,3项技术在军事领域的融合应用具有一定的可行性,在综合保障、演训行动和卫勤医疗场景中能够提供安全可信条件下数据的高效处理和灵活流转。     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

符号运算在工程分析中的应用

从用户的角度出发，简单介绍了国外符号运算在工程分析中的应用现况和发展趋势，旨在引起同行对这个领域的兴趣和重视。文中给出了一个符号运算的简单例子—用ＭＡＰＬＥ导出了１２自由度矩形板弯曲单元刚度矩阵的显式并将其自动转换成ＦＯＲＴＲＡＮ程序，以说明符号运算的优越性。可以看出，符号运算的程序简洁、直观，且不易出错。繁锁的公式推导和程序编制均由计算机自动完成，这不但大大提高了效率，而且也确保了公式推导和程序编制的可靠性。顺便指出，本文导出的矩形板弯曲单元比目前不少教材中采用的单元在性能上要优越。由于本文已给出了单元的插值函数的显式，故可望用该单元来替代教材中所用的单元．     

基于学习的并行免疫量子进化算法

提出了基于学习的多宇宙并行免疫量子进化算法,算法中将种群分成若干个独立的子群体,称为宇宙。并给出了多宇宙的并行拓扑结构,其中各宇宙独立演化．宇宙内采用免疫量子进化算法,宇宙间采用基于学习机制的移民、模拟量子纠缠的种群交叉等信息交互方式．使得进化算法具有更好的种群多样性,更快的收敛速度和全局寻优能力。仿真实验结果表明该算法比串行的免疫量子进化算法运算效率更高。     

基于宏定义动态链接的模块化星载软件升级方法研究

提出了基于宏定义动态连接的软件模块化设计思路, 并针对某小卫星平台的体系结构, 对其星载软件进行了具体的模块化实现, 同时提出了一种在轨升级方案. 经实验验证分析, 所提出的模块化设计思路提高了星载软件在轨升级的效率和灵活性, 升级过程中对结构化模块信息上载和验证, 提高了升级方法的可靠性和安全性.      

DDES方法在复杂旋翼流场计算中的应用

应用延迟脱体涡模拟（DDES）方法,进行了复杂分离流动旋翼流场的数值模拟研究。为控制计算规模,更好地模拟旋翼桨叶近壁面附近区域流动分离及远场尾迹发展,采用了贴体与背景自适应直角网格嵌套的网格系统;同时为提高计算速度,采用了基于分布式存储的数据并行模式,实现了贡献单元搜索、洞切割和流场计算的并行化。计算工作包含一个共轴双旋翼悬停和单旋翼下降状态,目的是分别讨论DDES方法在旋翼表面附近空间区域是否存在大范围分离时计算结果与雷诺平均Navier-Stokes结果之间的差异。计算表明,对于下降状态,DDES方法预测出了更强的尾迹区分离流动;对于桨叶表面基本为附着流动的双旋翼中等桨距角情况,两种方法预测的流场结构相似,仅在下旋翼桨叶气动力和旋翼桨根下方空间区域的诱导速度计算结果上存在微细差异。     

E 级计算给 CFD 带来的机遇与挑战

E 级(Exascale)计算机有望在2020年前后投入使用,E 级计算将给计算科学和科学研究带来革命性的变化。计算流体力学(CFD)作为超大规模计算机应用的重要领域之一,将迎来前所未有的发展机遇,同时也将面临极其严峻的技术挑战。本文对当前国内外超大规模 CFD 计算的现状进行了概述,探讨了未来 CFD 的发展趋势,并对 E 级计算给 CFD 带来的机遇与挑战进行了分析,最后提出了适应未来 E 级计算的 CFD 发展思路与建议。为了实现 E 级计算的宏伟目标,CFD 与计算机科学、应用数学等学科的“协同设计”势在必行。我们期待本文的分析能对我国的高性能计算应用、CFD 发展有一定的启示作用。