一种大规模复杂优化算法关键平台制造技术

本发明专利技术提供一种大规模复杂优化算法关键平台，包括，类型划分模块，类型划分模块的输出端电性连接有算法选择模块，算法选择模块的输出端电性连接有算法优化模块，算法优化模块的输出端电性连接有预算提升模块，本发明专利技术提供的大规模复杂优化算法关键平台，通过类型划分模块对复杂的算法进行分类，然后再由算法选择模块对算法进行提炼、替代等方法处理，使得降低算法的复杂程度，并且在运行过程中，若超出运算的预设时间，则会由计算发散模块对运行的数据进行按类发散，使得分散至不同的运算单位，使得可以同时进行运算，然后在通过对运算后的数据进行合并，使得对复杂的大规模数据简化计算的同时，增加了计算速度，使得提升了复杂算法的运行速度。法的运行速度。法的运行速度。

【技术实现步骤摘要】
一种大规模复杂优化算法关键平台


[0001]本专利技术涉及算法优化
，尤其涉及一种大规模复杂优化算法关键平台。

技术介绍

[0002]计算机应用运算过程中，算法是其计算的核心，直接影响计算的效能，但是计算过程中复杂度较高的算法具有计算耗时长，变量存储空间需求大等问题，复杂算法实现过程中访存的时效性直接制约了算法的实现性能，简单的根据变量类型选择内存位置，或无预先规划好的存储映射方案往往并不能让计算单元在工作中达到高的资源占用，以致于空间存储资源被浪费，处理器计算资源调用速度慢，计算效率不高。
[0003]现有的大规模算法虽然可以对算法进行优化，使得增加运行速度的目的，但无法对单一的计算方式，无法对运算的数据进行发散运行，使得也会造成运算时间较慢，影响计算机的运行速度。
[0004]因此，有必要提供一种大规模复杂优化算法关键平台解决上述技术问题。

技术实现思路

[0005]本专利技术提供一种大规模复杂优化算法关键平台，解决了现有算法无法对运行的数据进行发散运行的问题。
[0006]为解决上述技术问题，本专利技术提供的大规模复杂优化算法关键平台，包括：类型划分模块，所述类型划分模块的输出端电性连接有算法选择模块，所述算法选择模块的输出端电性连接有算法优化模块，所述算法优化模块的输出端电性连接有预算提升模块，所述预算提升模块的输出端电性连接有计算发散模块，并且算法优化模块的输出端电性连接有结果预估模块，所述计算发散模块的输出端与所述结果预估模块的输入端电性连接。
[0007]优选的，所述类型划分模块是对复杂的数据进行划分，划分的类型可以根据整数数据类型、小数数据类型、字符数据类型和布尔数据类型。
[0008]优选的，所述算法选择模块包括提炼法、替换法和以多取代法，所述提炼法是对大规模的复杂的算法进行提炼，通过提炼成一个表达力的名字替换了一堆条件和计算达到降低复杂程度，所述替换法是对类似的算法直接的替换，或者对一些预设竖直的直接替换，所述以多取代法是对分类后数据的评估，若数据中存在的相似类型的数据，可以采纳相似性数据的运算结果，所述以多取代法中的相类似数据的采纳结果中相似的数据占总数据的70％
‑
100％。
[0009]优选的，所述算法优化模块是根据不同的运行情况选择不同的运行方式，初始化，将每个节点划分在不同的社区中，逐一选择各个节点，根据公式计算将它划分到它的邻居社区中得到的模块度增益，如果最大增益大于0，则将它划分到对应的邻居社区；否则，保持归属于原社区。
[0010]优选的，所述预算提升模块是当一个算法模块持续的对一种类型的数据进行计算，计算的时间达到预设值时，可以对该算法进行提升预算的等级，计算时间的预设值可以
进行设置，优选为10秒
‑
15秒。
[0011]优选的，所述计算发散模块是对所述预算提升模块判断时间超出预设值的数据进行发散，对数据根据区间或者同一类型的数据进行发散，发散至不同的计算区间进行计算，然后在对计算后的数据进行相邻直接的数据合并计算，依次类推得出最终的运算结果。
[0012]优选的，所述结果预估模块是对预设结构的粗略计算，选取进一位和降一位的数值对结果进行计算，且选取的数值优选为整数，然后对两个选取数据的运算结果进行总结，然后查看计算的结果是否存在与两个预设值之间，若存在则可以判断计算结果为准确的，若数值不存在，则可以判断结果为不准确的。
[0013]与相关技术相比较，本专利技术提供的大规模复杂优化算法关键平台具有如下有益效果：
[0014]本专利技术提供一种大规模复杂优化算法关键平台，通过类型划分模块对复杂的算法进行分类，然后再由算法选择模块对算法进行提炼、替代等方法处理，使得降低算法的复杂程度，并且在运行过程中，若超出运算的预设时间，则会由计算发散模块对运行的数据进行按类发散，使得分散至不同的运算单位，使得可以同时进行运算，然后在通过对运算后的数据进行合并，使得对复杂的大规模数据简化计算的同时，增加了计算速度，使得提升了复杂算法的运行速度。
附图说明
[0015]图1为本专利技术提供的大规模复杂优化算法关键平台的较佳实施例的流程图。
具体实施方式
[0016]下面结合附图和实施方式对本专利技术作进一步说明。
[0017]请结合参阅图1，其中，图1为本专利技术提供的大规模复杂优化算法关键平台的较佳实施例的流程图。一种大规模复杂优化算法关键平台包括：类型划分模块，所述类型划分模块的输出端电性连接有算法选择模块，所述算法选择模块的输出端电性连接有算法优化模块，所述算法优化模块的输出端电性连接有预算提升模块，所述预算提升模块的输出端电性连接有计算发散模块，并且算法优化模块的输出端电性连接有结果预估模块，所述计算发散模块的输出端与所述结果预估模块的输入端电性连接。
[0018]当算法优化模块对结果运算出时，可以直接将运算结果输送至结果评估模块的内部，使得不在需要经过预算提升模块。
[0019]所述类型划分模块是对复杂的数据进行划分，划分的类型可以根据整数数据类型、小数数据类型、字符数据类型和布尔数据类型。
[0020]对类型进行划分，使得不同类似运用不同的算法，使得达到快速运算的结果。
[0021]所述算法选择模块包括提炼法、替换法和以多取代法，所述提炼法是对大规模的复杂的算法进行提炼，通过提炼成一个表达力的名字替换了一堆条件和计算达到降低复杂程度，所述替换法是对类似的算法直接的替换，或者对一些预设竖直的直接替换，所述以多取代法是对分类后数据的评估，若数据中存在的相似类型的数据，可以采纳相似性数据的运算结果，所述以多取代法中的相类似数据的采纳结果中相似的数据占总数据的70％
‑
100％。
[0022]选用不同的算法，可以适应不同的情况，使得可以达到快速运算的方式。
[0023]所述算法优化模块是根据不同的运行情况选择不同的运行方式，初始化，将每个节点划分在不同的社区中，逐一选择各个节点，根据公式计算将它划分到它的邻居社区中得到的模块度增益，如果最大增益大于0，则将它划分到对应的邻居社区；否则，保持归属于原社区。
[0024]所述预算提升模块是当一个算法模块持续的对一种类型的数据进行计算，计算的时间达到预设值时，可以对该算法进行提升预算的等级，计算时间的预设值可以进行设置，优选为10秒
‑
15秒。
[0025]预设的时间可以在运算时间到达时，对运算的数据进行输送。
[0026]所述计算发散模块是对所述预算提升模块判断时间超出预设值的数据进行发散，对数据根据区间或者同一类型的数据进行发散，发散至不同的计算区间进行计算，然后在对计算后的数据进行相邻直接的数据合并计算，依次类推得出最终的运算结果。
[0027]计算发散模块是对复杂的数据输送至不同的运算单位，使得同步对数据进行运算。
[0028]所述结果预估模块是对预设结构的粗略计算，选取进一位和降一位的数值对本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种大规模复杂优化算法关键平台，其特征在于，包括：类型划分模块，所述类型划分模块的输出端电性连接有算法选择模块，所述算法选择模块的输出端电性连接有算法优化模块，所述算法优化模块的输出端电性连接有预算提升模块，所述预算提升模块的输出端电性连接有计算发散模块，并且算法优化模块的输出端电性连接有结果预估模块，所述计算发散模块的输出端与所述结果预估模块的输入端电性连接。2.根据权利要求1所述的大规模复杂优化算法关键平台，其特征在于，所述类型划分模块是对复杂的数据进行划分，划分的类型可以根据整数数据类型、小数数据类型、字符数据类型和布尔数据类型。3.根据权利要求1所述的大规模复杂优化算法关键平台，其特征在于，所述算法选择模块包括提炼法、替换法和以多取代法，所述提炼法是对大规模的复杂的算法进行提炼，通过提炼成一个表达力的名字替换了一堆条件和计算达到降低复杂程度，所述替换法是对类似的算法直接的替换，或者对一些预设竖直的直接替换，所述以多取代法是对分类后数据的评估，若数据中存在的相似类型的数据，可以采纳相似性数据的运算结果，所述以多取代法中的相类似数据的采纳结果中相似的数据占总数据的70％
‑
100％。4.根据权利要求1所述的大规模复杂优化算法关键平台，其特征在于，所述算法优化...

【专利技术属性】
技术研发人员：杨剑波，陈丛江，
申请(专利权)人：分外厦门科技有限公司，
类型：发明
国别省市：