互连网络已经成为提升高性能计算系统性能的技术瓶颈。对高性能互连网络中的拥塞控制进行研究，针对通信热点的形成过程，给出了一种基于网络包延迟偏差的硬件动态拥塞控制机制CMDPD，利用网络包传输延迟偏差预判网络拥塞状态，控制端到端网络注入，避免拥塞形成。构建了模拟环境，在Fat-tree和Dragonfly两种网络结构下，对CMDPD进行了模拟实验。结果表明，在Fat-tree网络中CMDPD的吞吐率可提高5%~12%。
遗传算法求解多峰函数极值需进行反复多次的迭代运算，面对大数据样本时会出现运算效率过低的现象，这极大地限制了遗传算法的实际应用。经典Hadoop并行平台可在一定程度上提高遗传算法的运行效率，而新一代Spark并行平台可以更加充分地发挥遗传算法的并行潜能。设计并实现了基于Spark的并行遗传算法，在各个子节点上并行执行子种群个体的交叉、变异等操作，达到了高度并行化进化种群以高效求取多峰函数极值的目的。为方便比较，同时设计并实现了单机及Hadoop平台下的相应算法。实验结果表明，处理大数据样本时，相比传统单机和Hadoop平台，基于Spark的并行化遗传算法显著降低了求解多峰函数极值的耗时，大幅提高了算法的效率；同时，由于其并行计算带来的强大随机性，也有效避免了种群单一过早收敛的问题,提高了算法的准确性。
能耗是目前高性能计算系统性能提升的一大挑战。主处理器连接加速器的异构计算技术可以有效提升系统能效，因而被广泛应用于当前高性能计算系统的设计。同等系统规模下，异构计算系统的Linpack效率普遍低于同构系统。针对这一问题，从结构设计的角度，基于真实计算系统的设计参数和性能数据，分析了大规模异构高性能计算系统Linpack效率受限的主要因素及其对结构设计的需求，并构建了针对异构计算系统的Linpack性能模型对分析结论进行了验证。研究成果对异构计算系统Linpack的性能优化以及未来高效异构架构的设计具有一定的指导意义。
无线通信技术的发展和演进，使得多种广域蜂窝网和大量无线局域网共存、重叠。针对热点区域，密集分布的大量用户同时发起同种业务请求应用场景，提出一种基于演化博弈的多用户网络选择算法，依据选择网络的用户数设计效用函数，给出了演化博弈的复制动态方程。与RSSI算法的对比仿真结果表明：该算法能快速达到演化均衡，用户平均收益高于RSSI算法，接入网络的用户分布更均衡，能合理利用网络资源。
故障定位是软件调试过程中一项耗时耗力的工作，自动化查错的应用对于提高软件调试效率具有重要的现实意义。近年来，基于程序谱的故障定位方法得到了研究人员的大量关注。针对单错误现象，提出了基于改良程序谱的软件故障定位新方法，该方法基于“在单错误情况下，若测试用例运行错误，则该测试用例运行必定覆盖了故障语句”这一论断，将所有的故障测试用例对程序语句的覆盖情况做交运算，从而得到故障基，再利用故障基定位故障。最后，以西门子测试程序集为测试数据，对比了不同方法对故障定位的效果和效率的影响，其结果表明所提出的方法可以有效地提高故障定位的效果和效率。
利用计算机视觉技术智能分析处于任务中的人的专注度问题。通过对人脸图像视频和对应脑电信号的采集和分析处理，建立连续的面部图片对应脑电信息的样本库，提出一种在脑电信息监督面部图片专注度的前提下，使用人的面部信息分析其专注度的方法。根据在多分布样本下训练的支持向量机分类器的识别结果，面部信息与其专注度确实存在相关关系，所以利用人脸图片分析任务中人的专注度是可行性的，并为后续的状态分析提供客观数据。
由于室内定位场景的非视距特点，基站布局对于蜂窝网的定位精度具有重要影响，而目前基站布局仅关注容量、覆盖、信号质量，尚未考虑对室内定位精度的影响。提出了一种改进禁忌搜索的基站布局优化算法ITSA，改进了代价函数、邻域产生规则和解禁规则。对所提出的算法在相同的室内场景中仿真实验，结果说明，相比RFID读写器部署优化算法，该算法能够更好地降低定位区域的整体误差。
传统的两层二值双向联想记忆(BAM)网络因其结构的限制存在着存储容量有限、区分小差别模式和存储非正交模式能力不足的缺陷，结构上将其扩展至三层网络是一个有效的解决思路，但是三层二值BAM网络的学习是一个难题，而三层连续型BAM网络又存在处理二值问题不方便的问题。为了解决这些问题，提出一种三层结构的二值双向联想记忆网络，创新之处是采用了二值多层前向网络的MR Ⅱ算法实现了三层二值BAM网络的学习。实验结果表明，基于MR Ⅱ算法的三层二值BAM网络极大地提高了网络的存储容量和模式区分能力，同时保留了二值网络特定的优势，具有较高的理论与实用价值。
