大型稀疏系统分块并行齐次化算法

在对大型稀疏线性问题的齐次化算法研究的基础上,提出了分块并行齐次化算法,讨论了该算法的收敛性及稳定性,数值实验表明,该算法具有收敛速度快、计算精度高等特点.     

基于Spark的DA算法并行化研究

在对大规模数据进行蜻蜓算法优化时,由于要计算的维度过多,迭代次数过大,从而耗费大量运算时间,而基于Spark分布式计算可以减少大数据运算的耗时。将DA算法在Spark分布式计算平台下进行并行计算,把蜻蜓种群被分配到各个节点,每节点中蜻蜓个体信息通过多线程并行更新,然后共享全局最优解,从而提高大规模数据优化的运行速度。最后仿真实验的验证是由4个测试函数进行测试,验证结果显示:在保证正确率的前提下,基于Spark的DA算法在对大规模数据优化的计算用用时最少。     

MPP上的并行松弛迭代算法

讨论了松驰迭代算法在大规模并行处理机（massively parallel processor，MPP）计算模型上的并行化，给出了在MPP上的并行算法。该算法将计算近似解向量各分量值的时间错开，从而使各个分量的迭代计算可并行进行。对算法性能进行的分析和在大规模并行处理机系统曙光2000中对算法进行的计算均表明：并行松驰迭代算法具有较好的收敛速度、较高的加速比和可扩放性。     

粒子群算法并行化方法研究

本文研究了目前比较流行的并行化方法,并分别使用了基于任务分解的方法．基于分治模式的方法,基于主从模式的方法对粒子群算法（PSO算法）进行了并行化实现,分析了并行PSO算法的优势,并提出其适用范围。     

三对角线性方程组的一种并行解耦算法

就三对角线性方程的求解,提出了一个适用于MIMD并行计算机的并行解耦算法,新的算法适用于工作站群式的分布式并行计算机(COW),数值测试结果表明,当方程组的规模较大时,并行效率明显。     

基于Hadoop平台的DBIK-means聚类算法并行化研究

针对Hadoop存在的不足,提出了利用分布式数据库来模拟共享存储空间的解决方案。并对DBIK-means聚类算法做了并行化设计和实验分析,验证了DBIK-means聚类算法在处理大数据时,能够获得较好的加速比。     

一种粗糙集并行离散化算法

文中将并行计算的思想融入粗糙集离散化过程中,提出了一种并行粗糙集离散化算法。该算法在保证离散化质量的前提下,将离散化务划分到多个处理器中同时处理,从而较大提高了离散化的效率。仿真实验结果说明了该算法的高效性。     

序列比对算法的并行化研究与应用

针对生物信息序列比对的动态规划算法介绍了基于并行前缀的比对算法和并行化思路.     

基于并行优化的免疫推荐算法

随着互联网应用的不断发展,电子商务受到越来越多的重视。如何为用户提供更加个性化的服务,提高其商品的吸引力,进而为企业带来更大的收益,就成为了网站所面临的核心问题。通过对人工免疫理论的研究,讨论了将人工免疫网络技术应用于电子商务个性化推荐的思想,并对已有算法进行了并行化的改进提出了并行免疫推荐算法(PINR)。实验结果表明,该算法在保证免疫推荐质量的基础上,大大降低了算法的运行时间,具有很好的应用价值。     

高分三号数据分布式负载均衡并行转换算法

针对PolSARpro软件原有高分三号数据转换模块无法适应分布式环境及数据转换效率相对较低的问题,提出一种基于MPI、MapReduce和OpenMP并按照该软件的数据格式要求进行分布式负载均衡的并行转换算法。该算法外层采用MPI按任务分布式计算,中间层采用MapReduce按景并行处理,内层采用OpenMP按极化方式并行计算,并采用“Z”字形数据负载均衡策略,将高分三号不同成像模式下的多极化数据快速精确定标及格式转换,以抗数据偏斜。实际数据的测试结果表明,该算法的整体性能提升了约50%,验证了算法的可行性、高效性和正确性。