我在斯坦福（转）

 

我在斯坦福

想必您一定听说过Stanford，如果没有，那么其学生创办的企业：HP, Cisco, EBay, Google, Nike, Sun, Yahoo您绝对听说过了！

硅谷曾经就是stanford的果园，真可谓现代科技文明之源…

楼

来看看附近的几个楼：My office 所在的J2E2，是杨致远先生和他夫人捐赠的，上面有他们的名字，也是Y2的由来：

       Computer science 的key stone上刻着William H. Gates， 令我肃然起敬……

北面的两栋楼，一栋叫H，一栋叫P，想必大家一定知道什么意思了吧：）

Y2E2真可谓智慧大楼，包含了很多先进的科技：没有空调却冬暖夏凉，上图是我工作室，可以看出采光设备的功效，大部分灯都感应人的动作，发现没动静了就自动灭了，直到你挥挥手。水都是能够循环利用的，绝不轻易浪费。

分布式文件系统

学校有一个巨大的分布式文件系统 AFS(Andrew File System)，能够将大量异构的机器都联合起来，可以通过无线网络，或者到处都能找到的苹果终端登录，用自己的SuNet ID，就能够享受到自己的3G空间，而不需要关心空间具体在哪个机器上面。几乎所有的事情都可以在自己账户里面做，包括所有资金的操作。我常去买打折meal plan，这样可以边上网边学习边享受大量自助美食：）

参与项目

第一个任务是这样的，EIG原来开发的Egress疏散仿真系统和Auto Desk新版本的ADT不兼容了，导师law希望我解决这个问题。当时我并不了解AutoLISP，花了几天学习这个语言，一周以后我终于解决了这个问题！另law刮目相看了(我给他第一印象不是特别好，有点shy，而美国文化崇尚外向)。

解决问题之后我并没有罢休，因为我觉得，系统依赖于ADT并不是长远之道，因此决定自行开发能够完成AutoCAD基本功能的子系统，然后自己去接Egress。

因为有基础，通过1个月努力，终于成功了，我用GDI+开发的“AutoCAD ”基本能够达到和真货媲美的速度，并且针对Egress做了特定的功能，这次令law教授更加欣赏了，在evaluation form上给了我难忘的评价：

Mr. Gao Peng is an outstanding individual who is industrious and very motivated. The strengths of Mr. Gao Peng are undoubtedly his outstanding intellectual ability, curiosity and learning skill.

—— Kincho H. Law:

Professor of Civil and Environmental Engineering

Stanford University

http://eil.stanford.edu/law/

最后，我还用Click Once将Demo版程序部署到了网站上面

http://eil.stanford.edu/pengao/ResentFocus/

这也是我第一次发现，居然还可以部署到学校Unix上的Apache，但是相比IIS也有缺点，只能用IE访问……因为我没有学校服务器管理权，也无法更改mime。

 

辅助决策系统

第二个任务是一个辅助决策系统，Decision Support System for Sustainable Office Building Renovation and Energy Performance

问题

这是一个建筑翻修方案优化问题：共有k(本文k=27)个可改进项(Current condition)，每个Current condition包含3～5个改进方案(Strategy)，每个Strategy具有一定的价格(Cost)及改进效果的评分(Score)。现规定每个Current condition只能选择一种Strategy，那么目标是：在一定的总预算内，使得改进效果的总评分最高。

通过简单计算即可得知，若27个Current condition都需要改进，那么此问题解的总数为5×3×3×4×2×3×3×2×3×5×4×5×3×4×4×4×3×3 ×3×3×4×4×3×4×4×4×4 。这意味着：若穷举，即使每秒能处理1亿个解的计算机也需要花费1千小时左右。

求解

这是一个online的辅助决策系统，因此对时间要求非常高。

刚开始我认为这是一个确定性问题，因此采用A*算法得到了比较好的效果。为了作对比，又设计了遗传算法，居然发现在少数情况下能“变异”到更好解。大量实验后，自行设计了一种数据结构替换哈希表，性能又提升10倍之多。而后我发现了两种算法虽然原理差别很大，数据结构上却存在内在联系，能够组合成一种具备通用性的框架，解决大量离散优化问题，搜索问题。

因此我提出了叫GAA*算法（遗传算法和A*启发式搜索结合的并行算法），经过大量实验和改进，实现了在0.1 秒以内满足现有项目需求（10¹⁴ 规模），超出了当初大家10秒以内的期望。初步测试显示比Excel 中的规划求解算法快10 倍以上，而且解的质量更高。另外从工程的角度，我们通过与实际成功案例的对比，验证了计算得到的方案具备良好的工程可行性。

从上图可以看出，Scenario 1是改进前制冷和照明所需要的能源，Scenario 2是真实的一个成功案例改造后的效果，Scenario 3是我们系统求解得到的方案。可以看出，制冷高一些，照明低一些，总体效果是满意的。

后来建筑的专家解释说，我们求解得到的制冷稍高，是因为这个大楼比较特殊，有中庭，而系统是针对一般情况。

以后还可以做特定环境的参数配置。

后续连载我再详细介绍算法吧：）

原贴地址：http://gpww.blog.163.com/blog/static/118268164200991083556453/