并行子空间校正方法设计及其理论与应用

结题报告
项目介绍
AI项目解读

基本信息

  • 批准号:
    11701545
  • 项目类别:
    青年科学基金项目
  • 资助金额:
    25.0万
  • 负责人:
  • 依托单位:
  • 学科分类:
    A0405.连续优化
  • 结题年份:
    2020
  • 批准年份:
    2017
  • 项目状态:
    已结题
  • 起止时间:
    2018-01-01 至2020-12-31

项目摘要

Distributed/parallel optimization is a frontier direction and research hotspot in the field of modern optimization. Different from the traditional serial optimization algorithms, the distributed/parallel optimization ones can be fully integrated with the parallel architecture of modern computers to efficiently solve the big data optimization problems through distributed storage and parallel computing, which have the features of data explosion and distributed storage. This project will study the parallel subspace correction method, which has obvious advantage and potential at the aspects of algorithm design and numerical performance in the area of distributed/parallel optimization. We will consider four points including solving the problem with non-separable non-smooth term, the accelerated technique, solving the constrained problem, and the asynchronous parallel technology. With analyzing the structure and the optimality condition of the problem, discussing the algorithm framework of this method, and combining the classical optimization techniques, we will solve several key issues such as the decomposition of the feasible regional, the technique for the global optimality condition, the step size strategy design, and the implementation of the asynchronous parallel computation. Consequently, this project will improve and enhance the theoretical convergence results of this method, expand its application range, and design and develop efficient distributed/parallel computing software packages. This project aims at the forefront of the science and technology in the world. Moreover, it is in line with the National Big Data Strategy of the China's 13th Five-Year Plan. Therefore, this project has important theoretical significance and practical value.
分布式/并行优化是现代最优化领域的一个前沿方向和研究热点。不同于传统的串行优化算法,分布式/并行优化算法可与现代计算机的并行架构完美结合,通过分布式存储与并行计算,实现高效求解大数据背景下数据集出现规模爆炸和分布式存储特点的优化问题。本项目选取该方向中在算法设计和数值表现上有明显优势和潜力的并行子空间校正方法作为研究对象,具体开展四个方面的研究工作:求解带不可分非光滑项问题;Nesterov加速方法;求解带约束问题;异步并行技术。本项目将通过研究问题的结构特点、分析问题的最优性条件、讨论该方法的算法框架、结合经典优化技术,解决区域分解的构造、全局最优性条件的建立、步长策略的设计、异步并行的实现等关键问题,完善和提升该方法的理论收敛结果,扩展其应用范围,设计和开发高效的分布式/并行计算软件包。本项目瞄准世界科技前沿,符合国家在十三五制定的“大数据战略”,具有重要的理论研究意义和实际应用价值。

结项摘要

分布式/并行优化是现代最优化领域的一个前沿方向和研究热点。不同于传统的串行优化算法,分布式/并行优化算法可与现代计算机的并行架构完美结合。本项目选取并行子空间校正方法(PSC)作为研究对象,通过研究实际具体问题的结构特点、分析问题的最优性条件、讨论该方法的算法框架、结合经典优化技术,解决带有TV项优化问题的区域分解构造算法并建立相关的算法收敛性理论,提出PSC的加速技术,突破带有约束问题的并发求解机制,建立PSC的异步计算基础,从而完善和提升该方法的理论收敛结果,设计和开发高效的软件包,尝试进行相关并行技术的实际应用。具体研究工作要点概况如下。第一,针对求解带有TV项的问题,重新构造了子区域满足的边界条件,在理论上给出了全局收敛性证明,根据上述理论分析设计实现了PSC-TV算法,提出伪互补测量的观测矩阵生成机制,初步形成MATLAB软件包。第二,针对光滑凸问题在非重叠分块情形下,提出基于Nesterov加速的PSC方法,得到加速的收敛速率,得到搜索步长的可计算性。第三,利用子区域边界的变量分裂技术,将带有TV项的优化问题进行目标函数水平拆分,设计了基于增广Lagrange函数的带有子空间校正过程的原始对偶变量交替更新方法(ALMPSC),初步形成MATLAB软件包。第四,深入分析了并行数据算法中同步/异步计算机制,从并行子空间校正的非精确求解入手,设计了非精确并行子空间校正方法(PSCI),给出非精确子空间校正的可验证性、步长设计等理论分析,初步形成C+MPI软件包。第五,应用PSC方法中的并行程序设计框架去解决实际问题,主要包含SAR卫星多景联合定位以及人工智能测试技术。本项目按照计划执行,基本完成了预期研究目标,提出的相关并行子空间校正算法以及相关的并行技术框架具备实际应用价值。

项目成果

期刊论文数量(2)
专著数量(0)
科研奖励数量(0)
会议论文数量(3)
专利数量(2)
Pseudo Complementary Measurement for the Traditional Single-pixel Camera
传统单像素相机的伪互补测量
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    Chinese Physics B
  • 影响因子:
    1.7
  • 作者:
    Qian Dong;Xu-Ri Yao;Xin Liu;Bing Liu;Guang-Jie Zhai
  • 通讯作者:
    Guang-Jie Zhai
ObjectGAN: Autonomous Driving Evaluation Dataset Construction
ObjectGAN:自动驾驶评估数据集构建
  • DOI:
    --
  • 发表时间:
    2020
  • 期刊:
    Measurement & Control Technology
  • 影响因子:
    --
  • 作者:
    PengQi Wang;LingZhong Meng;Qian Dong;Guang Yang;Yuan Shi;YunZhi Xue
  • 通讯作者:
    YunZhi Xue

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--"}}
  • 发表时间:
    {{ item.publish_year || "--" }}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--"}}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}

数据更新时间:{{ journalArticles.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ monograph.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ sciAawards.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ conferencePapers.updateTime }}

{{ item.title }}
  • 作者:
    {{ item.authors }}

数据更新时间:{{ patent.updateTime }}

其他文献

Computational Spectral Imaging Based on Compressive Sensing
基于压缩感知的计算光谱成像
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    CHIN. PHYS. LETT.
  • 影响因子:
    --
  • 作者:
    王超;郑福;刘雪峰;俞文凯;姚旭日;蓝若明;董乾;孙志斌
  • 通讯作者:
    孙志斌
Gzip 压缩的硬件加速电路设计
  • DOI:
    --
  • 发表时间:
    2015
  • 期刊:
    电子学报
  • 影响因子:
    --
  • 作者:
    李冰;王超凡;顾巍;董乾
  • 通讯作者:
    董乾
Computational Spectral Imaging Based on Compressive Sensing
基于压缩感知的计算光谱成像
  • DOI:
    --
  • 发表时间:
    2017
  • 期刊:
    CHINESE PHYSICS LETTERS
  • 影响因子:
    3.5
  • 作者:
    王超;刘雪峰;姚旭日;俞文凯;郑福;董乾;蓝若明;孙志斌;翟光杰;赵清
  • 通讯作者:
    赵清

其他文献

{{ item.title }}
{{ item.translation_title }}
  • DOI:
    {{ item.doi || "--" }}
  • 发表时间:
    {{ item.publish_year || "--"}}
  • 期刊:
    {{ item.journal_name }}
  • 影响因子:
    {{ item.factor || "--" }}
  • 作者:
    {{ item.authors }}
  • 通讯作者:
    {{ item.author }}
empty
内容获取失败,请点击重试
重试联系客服
title开始分析
查看分析示例
此项目为已结题,我已根据课题信息分析并撰写以下内容,帮您拓宽课题思路:

AI项目思路

AI技术路线图

相似国自然基金

{{ item.name }}
  • 批准号:
    {{ item.ratify_no }}
  • 批准年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}

相似海外基金

{{ item.name }}
{{ item.translate_name }}
  • 批准号:
    {{ item.ratify_no }}
  • 财政年份:
    {{ item.approval_year }}
  • 资助金额:
    {{ item.support_num }}
  • 项目类别:
    {{ item.project_type }}
{{ showInfoDetail.title }}

作者:{{ showInfoDetail.author }}

知道了

AI项目解读示例

课题项目:调控A型流感病毒诱导IFN-β表达的机制研究

AI项目摘要:

本研究聚焦于TRIM2蛋白在A型流感病毒诱导的IFN-β表达中的调控机制。A型流感病毒是全球性健康问题,其感染可导致严重的呼吸道疾病。IFN-β作为关键的抗病毒因子,其表达水平对抗病毒防御至关重要。然而,TRIM2如何调控IFN-β的表达尚未明确。本研究假设TRIM2通过与病毒RNA或宿主因子相互作用,影响IFN-β的产生。我们将采用分子生物学、细胞生物学和免疫学方法,探索TRIM2与A型流感病毒诱导IFN-β表达的关系。预期结果将揭示TRIM2在抗病毒免疫反应中的作用,为开发新的抗病毒策略提供理论基础。该研究对理解宿主抗病毒机制具有重要科学意义,并可能对临床治疗流感病毒感染提供新的视角。

AI项目思路:

科学问题:TRIM2如何调控A型流感病毒诱导的IFN-β表达?
前期研究:已有研究表明TRIM2参与抗病毒反应,但其具体机制尚不明确。
研究创新点:本研究将深入探讨TRIM2在IFN-β表达中的直接作用机制。
技术路线:包括病毒学、分子生物学、细胞培养和免疫检测技术。
关键技术:TRIM2与病毒RNA的相互作用分析,IFN-β启动子活性检测。
实验模型:使用A型流感病毒感染的细胞模型进行研究。

AI技术路线图

        graph TD
          A[研究起始] --> B[文献回顾与假设提出]
          B --> C[实验设计与方法学准备]
          C --> D[A型流感病毒感染模型建立]
          D --> E[TRIM2与病毒RNA相互作用分析]
          E --> F[TRIM2对IFN-β启动子活性的影响]
          F --> G[IFN-β表达水平测定]
          G --> H[TRIM2功能丧失与获得研究]
          H --> I[数据收集与分析]
          I --> J[结果解释与科学验证]
          J --> K[研究结论与未来方向]
          K --> L[研究结束]
      
关闭
close
客服二维码