一旦得到初始主問題和子問題，在得出初始MP和子問題後，算法從主問題開始，然後在它們之間交替進行，直到找到一個最優解。較小的問題基本上是多項式時間可計算的問題，而它們的獨立性允許有效利用並行性。

　　在這次的行動中，在指揮控制方面，公安大學的超算大數據研究中心在作戰方案推演、遠程指揮控制等方面融入了以算法構建的平行仿真推演、腦機融合等智能技術，實現了決策優勢。

　　超算通過深度學習技術，訓練智能體對戰場交戰規則、作戰指揮決策、事件認知推理等知識進行學習和模擬，提升智能體認知的智能性、實時性與科學性。

　　在地形態勢實時共享的基礎上，對實時數據數據進行智能化處理，通過平行仿真推演作戰方案，形成對對手下一步可能的軍事行動和戰場演進趨勢的智能預測，自動匹配最佳行動策略。

　　其實早在3年前左右，公安大學的超算大數據研究中心就已經立項了名為“深綠”的系統研發項目，旨在建造一套人工智能作戰輔助決策系統。

　　該系統利用平行仿真、動態博弈等技術，基於戰場實時數據，可動態模擬戰場敵我雙方作戰行動，並預測戰場態勢走向，幫助指揮官提前思考，縮短決策時間，該項目主要通過利用大數據分析、博弈對抗等方法對戰場數據進行分析，構建敵方作戰行動與路徑模型，幫助作戰人員確定敵方真實作戰意圖，制定並選取我方最有效的行動方案。

　　另外，超算還可以通過特殊算法，實現圖像配準和視頻篩選。

　　圖像配準包括對源圖像進行空間轉換，以便與目標圖像對齊，對齊是通過一個特定的映射來進行的，這個映射被稱為“同構“。

　　在這其中有大量的算法可以準確地進行圖像配準。

　　當圖像被暴露在噪聲中，導致一個場景在圖像中顯得雜亂無章時，現有的最佳解決方案具有多項式時間複雜性。

　　高分辨率圖像的實時配準(詳見正在由高速硬件來解決，這些硬件利用並行性和自適應采樣技術來滿足高速便攜式多媒體設備的要求。

　　計算機視覺應用於從多個攝像機收集的高分辨率輸入，這些輸入最終需要轉化為相同的坐標系，以便為後續算法創建一致的數據。

　　在未來，還可以擴大應用於目標信息獲取。綜合利用微波輻射、可見光、多光譜、紅外、聲學、磁力等多種探測手段，實現對戰場目標信息的高效準確采集和獲取;

　　應用多譜段-多體制協同探測、多源數據智能融合等技術，提高對目標的多維特征提取，精確解算目標位置，實現對目標屬性、類型、國別、身份、敵我等快速準確識別，實現目標信息的所見即所。

　　而視頻篩選主要是圖像和視頻拚接是指通過拚接幾個有多處重疊的圖像/視頻來獲得全面的圖像/視頻視野，從而消除圖像或視頻中的視野限制。

　　視頻拚接本質上是對多圖像拚接的概括，具有一系列新的限制和挑戰。