求解带状线性方程组的并行分割算法

讨论了求解带状线性方程组的并行分割算法，对影响算法并行效率的约化方程组采取了在多台处理机上重复求解的方法，减少了数据的通信次数，提高了算法的并行效率，算法在一些新的并行计算机系统上使用，达到高并行效率。     

MPPM调制技术在基于并行组合扩频超宽带通信系统中的应用

通信的高效性和安全性是衡量现代通信系统性能的2个主要技术指标,并行组合扩频通信技术和超宽带通信技术因分别具有高效通信能力和保密通信性能而成为该领域的2个研究热点.在分析并行组合扩频通信和超宽带通信系统技术特征的基础上,结合这2种通信方式的技术优势,提出一种新的无线通信方案,并在新的通信系统中使用多进制脉冲位置超宽带调制方式,使该通信方案同时具有高效和安全的通信性能.仿真结果表明,并行组合扩频通信与超宽带通信具有结合的可行性以及MPPM是一种适合应用于并行组合扩频超宽带通信系统中的调制方式.     

测控系统主机双向并行通信的设计

由ＰＣ主机、通信控制总站、功能子站构成分布式测控系统是工业上经常采用的系统结构，本文主要论述ＰＣ主机与通信控制总站间双向并行通信的硬件和软件设计。     

基于LAN的并行处理

针对大规模并行处理，计算提出了基于LAN的并行系统的设计思想，着重分析了并行系统的并行效率，加速比和放大率等性能以及影响这些性能的处理机性能，并行度，通信效率主要因素，并讨论了偏斜，传输瓶颈，安全和对称等几个对该系统有重要影响的问题。     

VC++中内嵌汇编实现PC机与单片机的并行通信

介绍了在VC^＋＋6．0中内嵌汇编语言的一些技巧，针对PC机与单片机并行通信的硬件电路，给出了内嵌汇编语言以及通信程序的实现方法．     

基于CPLD的PC／104总线接口实现

采用CPLD芯片实现了单片机与PC／104总线接口的并行通信，保证了响应的实时性。     

基于单程序多数据流并行软件的性能预测法

为了提高预测并行软件性能的准确性和并行软件的开发效率,提出了一种基于单程序多数据流(SPMD)并行应用软件模块化技术的性能分析预测和并行软件辅助开发方法.通过量化计算开销、通信开销、通信与计算的耦合系数,阐述了在并行计算机系统中利用该方法开发并行计算软件和预测并行计算软件性能的过程.并就影响并行软件性能预测和开发效率的模块设计、模块性能数据建模、模块组合和计算与通信重叠等技术进行了研究.实验表明,该方法提高了预测并行计算软件性能的准确性,也提高了并行计算软件的性能和开发效率.     

PVM与MPI关于通信方法的比较

PVM与MPI是两个不同的并行编程环境，从上下和非阻塞通信方面描述了各自的概念及通信方法并比较了二的特点，最后总结将来PVM与MPI结合的发展方向PVMPI．     

MBOK调制方式在基于并扩的超宽带系统中的应用

并行组合扩频通信技术( PCSS)和超宽带(UWB)通信技术因为具有高效通信能力和保密通信性能而成为该领域的研究热点.该文在分析并行组合扩频通信和超宽带通信系统技术特征的基础之上,结合这2种通信方式的技术优势,提出了一种基于并行组合扩频的超宽带通信系统方案,并将高性能的多元双正交键控(MBOK)调制方式应用到该系统.仿真结果表明,在相同条件下,当误码率为10-4时,MBOK调制方式较传统的脉冲位置调制(PPM)方式的信噪比有约9 dB的提高.     

PC微机与多台单片微机的并行通信

分析了目前ＰＣ机与多台单片机通信的几种常用方法．在此基础上，提出一种ＰＣ机与多台单片机并行通信的方法．该方法具有数据高速传输、实时处理，同时硬件廉价，软件开发周期短等特点     

三维数值流形法覆盖系统并行分区生成算法

三维数值流形方法（three dimensional numerical manifold method,3D-NMM）是岩土工程数值模拟中强大的数值方法之一。但一直存在接触判断困难、计算处理数据量大,效率低等问题。将并行计算技术应用于三维数值流形方法覆盖系统生成可以有效提升其覆盖系统的生成效率。详细研究了并行编程模式下三维数值流形法覆盖系统的生成算法。基于MPI分布式内存编程原理,将分区覆盖生成作为三维数值流形法并行覆盖生成基本思路。先采用规则粗六面体网格覆盖问题域,并利用Metis划分网格形成负载基本均衡的子区域,在原有串行算法的基础上设计了子区域覆盖系统的生成算法。并基于分布式内存存储模式下不同区域间数据传递需求,对本并行算法建立了界面信息传递算法,用以并行计算过程不同区域间中数据交流。最后,使用C++开发了基于布尔运算的三维数值流形单元及覆盖系统并行生成算法。算例表明此并行覆盖系统生成算法可有效提高三维数值流形法覆盖系统的生成效率及其应用规模     

Hough变换的分布式并行计算

针对标准Hough变换存储空间需求高、计算量大的缺陷，提出了一种用分布式并行计算实现Hough变换的方法，对分布式算法的分析与设计、Java远程方法调用、多线程同步、负载均衡等关键问题进行了讨论．实验表明，在拥有k台提供资源计算机的分布式系统中，分布式并行计算的时空开销可降低到标准Hough变换的大约1／k．     

一个异步的PGD算法

分析了并行优化算法中同步运算与异步运算的优缺点。提出完全异步的PGD算法。并且在一定的条件下。给出了算法的收敛性证明。最后结合大规模分布式并行计算机系统曙光-2000做出数值试验。结果说明异步的并行优化算法的效率高于同步的算法。     

基于DSVM和消息传递的并行哈希连接算法的性能分析

基于分布式共享虚拟存储器（ＤＳＶＭ） 的软件设计方法是运行在网络工作站（ＮＯＷ） 上的支持并行计算与分布处理的新途径,它与传统的消息传递的编程方法不同·描述了在面向对象的分布式数据库系统ＳｈｕｓｓｅＵｏ 上,用ＤＳＶＭ 和消息传递两种方式分别实现并行哈希连接操作的３种算法;设计了测试数据库和３ 种不同的负载;并分析了ＤＳＶＭ 和消息传递这两种设计方法的性能·大量的测试结果表明,基于ＤＳＶＭ 的算法的性能比传统的消息传递的算法稍差,但ＤＳＶＭ 具有易编程等优点,因此在并行处理上仍是一项很有研究和开发价值的技术·     

一种网上求解线性方程组的Guass-Seidel并行迭代算法

针对基于PVM的微机网络并行计算环境下,处理机的运算速度较快而处理机间的通信相对较慢的实际情况,给出了一种网上并行求解线性方程组的Guass-Se idel迭代算法。该算法将方程组的增广矩阵按行卷帘方式分布存储在各处理机中,循环传送每一次的迭代向量以减少处理间的通信次数,同时,采用计算与通信部分重叠技术,提高并行算法的效率。并用1~12台桌面PC机联成的局域网,在PVM 3.4 on W indows2000,VC 6.0并行计算平台上编程对该算法进行了数值试验,试验结果表明,该算法较传统的基于列扫描法的Guass-Se idel并行迭代算法优越。     

分布多跳式网络吞吐量优化的并行性研究

传统的分布多跳式网络吞吐量的优化方法并不能满足用户高移动性、高数据速率的要求.为了提高分布多跳式网络吞吐量的优化性能,提出并实现了分布多跳式网络吞吐量的分布式并行优化算法.首先将分布多跳式网络等效成M/M/m级联排队系统,并用流水线技术实现了优化算法.然后研究了用户移动速度和网络环境对吞吐量的影响,并以此得出一般的近似最优的分布式算法.最后分析了多用户之间的干扰问题对网络吞吐量的影响.仿真结果表明,并行优化算法可以提高分布多跳式网络的吞吐量和降低通信时延;理论分析结果也说明了在某些情况下可将干扰看作高斯噪声.     

带状方程组q叉树MIMD算法

利用行处理法贪心方法和分治策略给出一个基于分布式存储MIMD一级q叉树树机模型求解任意带状方程组的并行迭代算法，证明算法对相容性带状方程组收敛并分析算法的通信复杂度。     

基于约束信息的并行k-means算法

为获得分布式数据集上用户所期望的聚类结果,提出了基于约束信息的并行k-means聚类算法.在分析并行k-means能够有效实现对水平分布式数据集进行聚类的基础上,修改并行k-means算法的目标函数,设计约束并行k-means算法,将站点用户的约束信息以chunklet的形式引入到分布式聚类过程,从而引导算法执行有偏搜...     

基于Matlab机群的分布式并行图像匹配算法

分析了Matlab并行计算工具箱中各部件的关系,对分布式并行计算环境中的关键参数进行了设置,构建了并行计算机群。将基于Matlab机群的分布式并行处理引入到图像匹配中。以灰度相关匹配算法为例,结合并行处理对图像灰度匹配进行并行实现。实验结果表明:并行化处理能有效缩短匹配时间,对进一步研究并行图像处理有一定的指导意义。     

基于K-spectrum的下一代测序数据的纠错算法分析

【目的】对现有的下一代测序(Next Generation Sequencing,NGS)纠错算法和工具进行分析,提出基于Hadoop平台的纠错算法,以解决大数据处理中计算机内存不足和运行时间长的问题,提升纠错性能。【方法】使用特定的数据对现有的基于K-spectrum的纠错算法进行测试,对各纠错工具的运行时间、内存峰值和纠错结果进行比较来衡量纠错工具的性能。在此基础上提出Hadoop分布式并行纠错算法(Parallel algorithm),并与串行程序、Lighter和Racer进行比较,分析分布式并行实现的可行性。【结果】现有的基于Kspectrum的纠错工具普遍存在较大的内存消耗现象,其中Racer和Sga的纠错效果较好。而Hadoop分布式并行纠错算法对计算机单机内存的消耗较低,当数据量超过一定值时,并行分布式程序的运算时间比串行单机程序明显减少。【结论】本研究提出的Hadoop分布式并行纠错算法不仅降低了内存消耗,而且提高了运算性能,更有利于大规模基因数据的分析处理。