CN112052517A - 基于吉布斯原理的组件布局随机采样方法 - Google Patents
基于吉布斯原理的组件布局随机采样方法 Download PDFInfo
- Publication number
- CN112052517A CN112052517A CN202010812557.0A CN202010812557A CN112052517A CN 112052517 A CN112052517 A CN 112052517A CN 202010812557 A CN202010812557 A CN 202010812557A CN 112052517 A CN112052517 A CN 112052517A
- Authority
- CN
- China
- Prior art keywords
- component
- sampled
- layout
- sampling
- interference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/15—Vehicle, aircraft or watercraft design
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Geometry (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Aviation & Aerospace Engineering (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Automation & Control Theory (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于吉布斯原理的组件布局随机采样方法,包括:任意给定一组可行的布局方案;固定待采样组件的纵坐标和其余所有组件的位置,确定待采样组件不与其余组件和布局区域的边界发生干涉的横轴有效采样区间;将待采样组件移动至横轴有效采样区间内任一位置;基于移动后的位置固定待采样组件的横坐标和其余所有组件的位置,确定待采样组件不与其余组件和布局区域的边界发生干涉的纵轴有效采样区间;将待采样组件移动至纵轴有效采样区间内任一位置,完成待采样组件的随机采样;依据随机采样后的布局方案,选定下一组件作为待采样组件进行随机采样;重复上述过程直至完成对所有组件的随机采样,生成布局方案样本。
Description
技术领域
本发明涉及组件布局优化设计技术领域,尤其涉及一种基于吉布斯原理的组件布局随机采样方法。
背景技术
航天器内包含许多分系统,而每个分系统中包含各类部件,是复杂的工程系统。综合运用数学、力学、计算机等各学科的知识,在充分考虑各类约束要求的基础上,将各类部件等进行合理布局,尽量达到功能合理、部件之间结构紧凑、比例协调等要求,是目前带性能约束的三维布局优化问题所需考虑的内容。
卫星布局方案设计是卫星总体方案设计的重要内容,研究卫星布局方案的优化设计对于卫星研制周期的缩短和整体性能的提升有着重要的促进作用。卫星布局方案设计时,性能约束通常包含组件之间的不干涉约束等,目前布局方案设计主要依赖于工程经验,目前无法通过理论的方法找到最优方案。开展布局采样工作意在随机地生成大量的可行布局设计方案,而后可利用其生成对应的温度场性能数据,从而利用深度学习技术进行热布局的优化设计研究。
现有技术提供的一种组件布局随机采样方法为:在一定的布局域中,为了简化模型,将二维布局区域在方向轴上按照单位划分为若干个单元格,同时将每个组件简化为一个单元格,随机生成所有组件的坐标,利用接受-拒绝法来判断该次布局是否合格,获得符合要求的布局样本。缺点是效率低,随机性使得大部分方案不满足约束条件,组件的大小在布局区域中并未体现。
发明内容
为解决上述现有技术中存在的技术问题,本发明提供了一种基于吉布斯原理的组件布局随机采样方法。具体技术方案如下:
一种基于吉布斯原理的组件布局随机采样方法,所述方法包括:
确定布局区域、组件数量以及每个组件的尺寸和形状;
根据布局区域建立包括横纵和纵轴的二维坐标系,每个组件的中心位置对应坐标系中的一个坐标点;
任意给定一组可行的布局方案,随机选定一个组件作为待采样组件;
固定待采样组件的纵坐标和其余所有组件的位置,待采样组件的横坐标可采样区域为平行于横轴的带状区域,从可采样区域内确定待采样组件不与其余组件和布局区域的边界发生干涉的横轴有效采样区间;
将待采样组件移动至横轴有效采样区间内任一位置;
基于移动后的位置固定待采样组件的横坐标和其余所有组件的位置,待采样组件的纵坐标可采样区域为平行于纵轴的带状区域,从可采样区域内确定待采样组件不与其余组件和布局区域的边界发生干涉的纵轴有效采样区间;
将待采样组件移动至纵轴有效采样区间内任一位置,完成待采样组件的随机采样;
依据随机采样后的布局方案,选定下一组件作为待采样组件进行随机采样;
重复上述过程直至完成对所有组件的随机采样,生成布局方案样本。
在一种可能的设计中,所述方法还包括:
建立二维坐标系后,任意给定一组可行的布局方案作为初始样本点,定义布局向量:
X={x1,y1,x2,y2,...,xn,yn}或X={t1,t2,...,tj,...,t2n}
其中(xi,yi)(i=1,2,...,n)表示组件Ci的中心点坐标,n为组件的数量。
在一种可能的设计中,所述方法还包括:初始化采样变量编号j=1,固定其余(2n-1)个变量,对布局方案中的第j个变量进行单变量的条件随机采样。
在一种可能的设计中,所述方法还包括:
若第j个变量是待采样组件Ci的横坐标,且组件为矩形时,
构建虚拟组件Ci_virtual,其宽度等于布局区域的宽度,高度等于待采样组件的高度,将该虚拟组件与其余所有组件进行干涉判断,找出存在干涉的组件;
计算各段不干涉随机采样区间的长度,判断该长度与待采样组件的宽度的大小,若小于待采样组件宽度则舍弃该区间,反之留下,得到最终的多段不干涉随机采样区间;
在上述得到的多段不干涉采样区间上对待采样组件的横坐标进行均匀随机采样,实现对布局向量X中的第j个变量的随机采样。
在一种可能的设计中,所述方法还包括:
若第j个变量是待采样组件Ci的纵坐标,且组件为矩形时,
构建虚拟组件Ci_virtual,其高度等于布局区域的高度,宽度等于待采样组件的宽度,将该虚拟组件与其余所有组件进行干涉判断,找出存在干涉的组件;
计算各段不干涉随机采样区间的长度,判断该长度与待采样组件的长度的大小,若小于待采样组件长度则舍弃该区间,反之留下,由此得到最终的多段不干涉随机采样区间;
在上述得到的多段不干涉采样区间上对待采样组件的纵坐标进行均匀随机采样,即可实现对布局向量X中的第j变量随机采样。
在一种可能的设计中,所述方法还包括:
然后令j=j+1,进行下一变量的随机采样,直至对所有变量进行一次随机采样。
在一种可能的设计中,所述方法还包括:当n个组件摆放完毕后,得到的布局向量Xnew=X(2n),即为随机生成的可行布局方案样本。
在一种可能的设计中,所述方法还包括:采用不适合多边形算法进行干涉判断。
本发明技术方案的主要优点如下:
本发明的基于吉布斯原理的组件布局随机采样方法,将约束的二维布局采样问题通过单变量轮换采样的方式转化为无约束的一维随机采样问题,且待采样组件进行干涉判断时考虑了组件的形状和尺寸。因此,本发明实施例提供的基于吉布斯原理的组件布局随机采样方法不仅考虑了组件尺寸,而且每次随机生成的组件位置均符合不干涉条件,可以获得任意可能的布局。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解,构成本发明的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明一实施例提供的基于吉布斯原理的组件布局随机采样方法流程图;
图2为本发明一实施例提供的任一给定的可行的布局方案示意图;
图3为本发明一实施提供的对组件Ci的横坐标变量xi进行条件随机采样实现过程示意图;
图4为本发明一实施例提供的对组件Ci的纵坐标变量yi进行条件随机采样实现过程示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明具体实施例及相应的附图对本发明技术方案进行清楚、完整地描述。显然,所描述的实施例仅是本发明的一部分实施例,而不是全部的实施例。基于本发明的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
以下结合附图,详细说明本发明实施例提供的技术方案。
本发明实施例提供了一种基于吉布斯原理的组件布局随机采样方法,如附图1所示,该方法包括:
确定布局区域、组件数量以及每个组件的尺寸和形状。
根据布局区域建立包括横纵和纵轴的二维坐标系,每个组件的中心位置对应坐标系中的一个坐标点。
任意给定一组可行的布局方案,随机选定一个组件作为待采样组件。
固定待采样组件的纵坐标和其余所有组件的位置,待采样组件的横坐标可采样区域为平行于横轴的带状区域,从可采样区域内确定待采样组件不与其余组件和布局区域的边界发生干涉的横轴有效采样区间。
将待采样组件移动至横轴有效采样区间内任一位置。
基于移动后的位置固定待采样组件的横坐标和其余所有组件的位置,待采样组件的纵坐标可采样区域为平行于纵轴的带状区域,从可采样区域内确定待采样组件不与其余组件和布局区域的边界发生干涉的纵轴有效采样区间。
将待采样组件移动至纵轴有效采样区间内任一位置,完成待采样组件的随机采样。
依据随机采样后的布局方案,选定下一组件作为待采样组件进行随机采样。
重复上述过程直至完成对所有组件的随机采样,生成布局方案样本。
本发明实施例提供的基于吉布斯原理的组件布局随机采样方法,将约束的二维布局采样问题通过单变量轮换采样的方式转化为无约束的一维随机采样问题,且待采样组件进行干涉判断时考虑了组件的形状和尺寸。因此,本发明实施例提供的基于吉布斯原理的组件布局随机采样方法不仅考虑了组件尺寸,而且每次随机生成的组件位置均符合不干涉条件,可以获得任意可能的布局。
以下将结合具体实施例,对本发明实施例提供的基于吉布斯原理的组件布局随机采样方法进行进一步阐述:
需要说明的是,本发明实施例提供的方法可以适用于不同形状的组件布局随机采样,只要能在纵坐标不变的情况下根据干涉判断确定出横坐标的有效采样区间,以及横坐标不变的情况下根据干涉判断确定出纵坐标的有效采样区间即可。该具体实施例中仅针对组件均为矩形时,对如何确定横纵坐标的有效采样区间进行说明。
为了详细解释,该实施例中给出布局方案示例:假设一共有n个不同大小的矩形组件需要摆放在布局区域D内。如图2所示的布局方案设计中,需要将12个组件摆放进布局区域内,且满足不干涉约束,即组件之间和组件与布局区域边界之间均不存在重叠。
S1、初始化各组件参数
针对n个组件的布局采样问题,任意给定一组可行的布局方案作为初始样本点,并给定布局向量:X={x1,y1,x2,y2,...,xn,yn},其中(xi,yi)(i=1,2,...,n)表示组件Ci的中心点坐标,可另记为X={t1,t2,...,tj,...,t2n}。
S2、待布局组件的条件随机采样
初始化采样变量编号j=1,固定其余(2n-1)个变量,对布局方案中的第j个变量进行单变量的条件随机采样。判断布局方案向量X中的第j个变量是待采样组件Ci的横坐标(即j=2n-1,n=1,2,···)还是纵坐标(即j=2n,n=1,2,···)。如果是横坐标,转向S3.1,否则执行步骤S3.2。
S3.1、组件在横坐标上的条件随机采样
如图3所示,固定待采样组件Ci的纵坐标和其余所有组件的位置,组件Ci的横坐标可采样区域只能是平行于x轴的带状区域。要求组件与组件之间、布局边界不发生干涉,确定带采样组件Ci的在横坐标中的有效采样区间,具体步骤如下:
第一步:构建虚拟组件Ci_virtual,其宽度等于布局区域的宽度,高度等于待采样组件的高度,即如图3所示的带状虚线框组件。将该虚拟组件与其余所有组件进行干涉判断,找出存在干涉的组件。
第二步:求出上述存在干涉组件的横坐标采样区间并将采样区间中存在重叠的部分进行合并,得到独立的多段干涉采样区间。在横坐标可采样的总区间[0,L]中移除上述多段干涉采样区间,得到初步的多段不干涉随机采样区间。
第三步:计算各段不干涉随机采样区间的长度,判断该长度与组件的宽度的大小,若小于组件宽度则说明该区间无法放下该组件,故舍弃该区间,反之留下,得到最终的多段不干涉随机采样区间。
第四步:在上述得到的多段不干涉采样区间上对待采样组件的横坐标进行均匀随机采样,即可实现对布局向量X中的第j个变量的随机采样。
S3.2、组件在纵坐标上的条件随机采样
找到组件Ci在横坐标中的有效采样区间后,固定待采样组件的横坐标和其余所有组件的位置,组件Ci的纵坐标可采样区域是平行于y轴的带状区域。要求组件与组件之间、布局边界不发生干涉,确定带采样组件Ci在纵坐标中的有效采样区间,具体步骤如下。
第一步:构建虚拟组件Ci_virtual,其高度等于布局区域的高度,宽度等于待采样组件的宽度,即如图4所示的带状虚线框组件。将该虚拟组件与其余所有组件进行干涉判断,找出存在干涉的组件。
第二步:求出上述存在干涉组件的纵坐标采样区间并将采样区间中存在重叠的部分进行合并,得到独立的多段干涉采样区间。在纵坐标可采样的总区间[0,H]中移除上述多段干涉采样区间,得到初步的多段不干涉随机采样区间。
第三步:计算各段不干涉随机采样区间的长度,判断该长度与组件的长度的大小,若小于组件长度则说明该区间无法放下该组件,故舍弃该区间,反之留下,由此得到最终的多段不干涉随机采样区间。
第四步:在上述得到的多段不干涉采样区间上对待采样组件的纵坐标进行均匀随机采样,即可实现对布局向量X中的第j变量随机采样。
S4、更新布局向量
步骤5、生成方案样本
当n个组件摆放完毕后,得到的布局向量Xnew=X(2n),即为随机生成的可行布局方案样本。
综上所述,本发明实施例提供的基于吉布斯原理的组件布局随机采样方法,将约束的二维布局采样问题通过单变量轮换采样的方式转化为无约束的一维随机采样问题,解决了二维组件布局方案的随机采样难题。通过引入虚拟组件进行干涉判断确定有效采样区间,降低了干涉判断的难度,减少了运算量。
需要说明的是,在本文中,诸如“第一”和“第二”等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来,而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。此外,本文中“前”、“后”、“左”、“右”、“上”、“下”均以附图中表示的放置状态为参照。
最后应说明的是:以上实施例仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于吉布斯原理的组件布局随机采样方法,其特征在于,所述方法包括:
确定布局区域、组件数量以及每个组件的尺寸和形状;
根据布局区域建立包括横纵和纵轴的二维坐标系,每个组件的中心位置对应坐标系中的一个坐标点;
任意给定一组可行的布局方案,随机选定一个组件作为待采样组件;
固定待采样组件的纵坐标和其余所有组件的位置,待采样组件的横坐标可采样区域为平行于横轴的带状区域,从可采样区域内确定待采样组件不与其余组件和布局区域的边界发生干涉的横轴有效采样区间;
将待采样组件移动至横轴有效采样区间内任一位置;
基于移动后的位置固定待采样组件的横坐标和其余所有组件的位置,待采样组件的纵坐标可采样区域为平行于纵轴的带状区域,从可采样区域内确定待采样组件不与其余组件和布局区域的边界发生干涉的纵轴有效采样区间;
将待采样组件移动至纵轴有效采样区间内任一位置,完成待采样组件的随机采样;
依据随机采样后的布局方案,选定下一组件作为待采样组件进行随机采样;
重复上述过程直至完成对所有组件的随机采样,生成布局方案样本。
2.根据权利要求1所述的基于吉布斯原理的组件布局随机采样方法,其特征在于,所述方法还包括:
建立二维坐标系后,任意给定一组可行的布局方案作为初始样本点,定义布局向量:
X={x1,y1,x2,y2,...,xn,yn}或X={t1,t2,...,tj,...,t2n}
其中(xi,yi)(i=1,2,...,n)表示组件Ci的中心点坐标,n为组件的数量。
3.根据权利要求2所述的基于吉布斯原理的组件布局随机采样方法,其特征在于,所述方法还包括:
初始化采样变量编号j=1,固定其余(2n-1)个变量,对布局方案中的第j个变量进行单变量的条件随机采样。
4.根据权利要求3所述的基于吉布斯原理的组件布局随机采样方法,其特征在于,所述方法还包括:
若第j个变量是待采样组件Ci的横坐标,且组件为矩形时,
构建虚拟组件Ci_virtual,其宽度等于布局区域的宽度,高度等于待采样组件的高度,将该虚拟组件与其余所有组件进行干涉判断,找出存在干涉的组件;
计算各段不干涉随机采样区间的长度,判断该长度与待采样组件的宽度的大小,若小于待采样组件宽度则舍弃该区间,反之留下,得到最终的多段不干涉随机采样区间;
在上述得到的多段不干涉采样区间上对待采样组件的横坐标进行均匀随机采样,实现对布局向量X中的第j个变量的随机采样。
5.根据权利要求4所述的基于吉布斯原理的组件布局随机采样方法,其特征在于,所述方法还包括:
若第j个变量是待采样组件Ci的纵坐标,且组件为矩形时,
构建虚拟组件Ci_virtual,其高度等于布局区域的高度,宽度等于待采样组件的宽度,将该虚拟组件与其余所有组件进行干涉判断,找出存在干涉的组件;
计算各段不干涉随机采样区间的长度,判断该长度与待采样组件的长度的大小,若小于待采样组件长度则舍弃该区间,反之留下,由此得到最终的多段不干涉随机采样区间;
在上述得到的多段不干涉采样区间上对待采样组件的纵坐标进行均匀随机采样,即可实现对布局向量X中的第j变量随机采样。
7.根据权利要求6所述的基于吉布斯原理的组件布局随机采样方法,其特征在于,所述方法还包括:
当n个组件摆放完毕后,得到的布局向量Xnew=X(2n),即为随机生成的可行布局方案样本。
8.根据权利要求3或4所述的基于吉布斯原理的组件布局随机采样方法,其特征在于,所述方法还包括:
采用不适合多边形算法进行干涉判断。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010812557.0A CN112052517B (zh) | 2020-08-13 | 2020-08-13 | 基于吉布斯原理的组件布局随机采样方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010812557.0A CN112052517B (zh) | 2020-08-13 | 2020-08-13 | 基于吉布斯原理的组件布局随机采样方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112052517A true CN112052517A (zh) | 2020-12-08 |
CN112052517B CN112052517B (zh) | 2021-12-03 |
Family
ID=73601673
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010812557.0A Active CN112052517B (zh) | 2020-08-13 | 2020-08-13 | 基于吉布斯原理的组件布局随机采样方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112052517B (zh) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103412987A (zh) * | 2013-07-29 | 2013-11-27 | 西北工业大学 | 基于ks函数的多组件结构系统布局优化设计方法 |
GB2547058A (en) * | 2016-02-02 | 2017-08-09 | Romax Tech Ltd | Driveline model |
US20170255734A1 (en) * | 2014-01-28 | 2017-09-07 | Arm Limited | Computer Implemented System and Method for Generating a Layout of a Cell Defining a Circuit Component |
CN108052662A (zh) * | 2017-12-29 | 2018-05-18 | 上海器魂智能科技有限公司 | 基于网页的组件布局方法、装置、设备及存储介质 |
CN110362909A (zh) * | 2019-07-04 | 2019-10-22 | 中国人民解放军军事科学院国防科技创新研究院 | 多目标卫星布局优化设计方法 |
CN110362913A (zh) * | 2019-07-08 | 2019-10-22 | 李敏 | 基于Phi函数进行干涉计算的卫星组件布局优化设计方法 |
CN110955970A (zh) * | 2019-11-27 | 2020-04-03 | 合肥阳光新能源科技有限公司 | 光伏电站布局方法和装置 |
CN111460723A (zh) * | 2020-04-03 | 2020-07-28 | 西北工业大学 | 一种基于粒子群算法的水下航行器内部组件分层布局方法 |
CN111460622A (zh) * | 2020-03-06 | 2020-07-28 | 华中科技大学 | 一种基于参数化彩色水平集的多组件布局拓扑优化方法 |
-
2020
- 2020-08-13 CN CN202010812557.0A patent/CN112052517B/zh active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103412987A (zh) * | 2013-07-29 | 2013-11-27 | 西北工业大学 | 基于ks函数的多组件结构系统布局优化设计方法 |
US20170255734A1 (en) * | 2014-01-28 | 2017-09-07 | Arm Limited | Computer Implemented System and Method for Generating a Layout of a Cell Defining a Circuit Component |
GB2547058A (en) * | 2016-02-02 | 2017-08-09 | Romax Tech Ltd | Driveline model |
CN108052662A (zh) * | 2017-12-29 | 2018-05-18 | 上海器魂智能科技有限公司 | 基于网页的组件布局方法、装置、设备及存储介质 |
CN110362909A (zh) * | 2019-07-04 | 2019-10-22 | 中国人民解放军军事科学院国防科技创新研究院 | 多目标卫星布局优化设计方法 |
CN110362913A (zh) * | 2019-07-08 | 2019-10-22 | 李敏 | 基于Phi函数进行干涉计算的卫星组件布局优化设计方法 |
CN110955970A (zh) * | 2019-11-27 | 2020-04-03 | 合肥阳光新能源科技有限公司 | 光伏电站布局方法和装置 |
CN111460622A (zh) * | 2020-03-06 | 2020-07-28 | 华中科技大学 | 一种基于参数化彩色水平集的多组件布局拓扑优化方法 |
CN111460723A (zh) * | 2020-04-03 | 2020-07-28 | 西北工业大学 | 一种基于粒子群算法的水下航行器内部组件分层布局方法 |
Non-Patent Citations (1)
Title |
---|
崔宗泰: "《旋转多段舱组件布局优化方法》", 《计算机集成制造系统》 * |
Also Published As
Publication number | Publication date |
---|---|
CN112052517B (zh) | 2021-12-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Meyerhenke et al. | Parallel graph partitioning for complex networks | |
Schloegel et al. | Graph partitioning for high performance scientific simulations | |
Mostaghim et al. | Multi-objective particle swarm optimization on computer grids | |
Günther et al. | A cache-aware algorithm for PDEs on hierarchical data structures based on space-filling curves | |
MacFarland et al. | A new parallel P3M code for very large-scale cosmological simulations | |
Song et al. | Scheduling workflows with composite tasks: A nested particle swarm optimization approach | |
CN112633490B (zh) | 执行神经网络模型的数据处理装置、方法及相关产品 | |
Meyerhenke et al. | Drawing large graphs by multilevel maxent-stress optimization | |
Sasidharan et al. | Miniamr-a miniapp for adaptive mesh refinement | |
Du et al. | Model parallelism optimization for distributed inference via decoupled CNN structure | |
CN113221475A (zh) | 一种用于高精度流场分析的网格自适应方法 | |
CN112765094A (zh) | 一种基于数据划分和计算分配的稀疏张量典范分解方法 | |
CN106484532B (zh) | 面向sph流体模拟的gpgpu并行计算方法 | |
CN112052517B (zh) | 基于吉布斯原理的组件布局随机采样方法 | |
Fu et al. | Modified atom search optimization based on immunologic mechanism and reinforcement learning | |
Ou et al. | Parallel remapping algorithms for adaptive problems | |
Sarje et al. | Parallel performance optimizations on unstructured mesh-based simulations | |
CN116303219A (zh) | 一种网格文件的获取方法、装置及电子设备 | |
Zagaris et al. | A toolkit for parallel overset grid assembly targeting large-scale moving body aerodynamic simulations | |
Pain et al. | A neural network graph partitioning procedure for grid‐based domain decomposition | |
Hamandi et al. | Review of domain-decomposition methods for the implementation of FEM on massively parallel computers | |
CN113986816A (zh) | 可重构计算芯片 | |
CN112052516B (zh) | 基于序列摆放的组件布局随机采样方法 | |
US20190286770A1 (en) | Computer-readable recording medium storing divided region generating program, divided region generating apparatus, and divided region generating method | |
JP5477242B2 (ja) | 最適化処理プログラム、方法及び装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |