流场分析和设计的并行计算

网络连接机群是一种有效的并行计算工具,讨论了在此环境下流场分析和设计的并行计算问题。流场解中采用了Euler方程作为主控方程,并用有限体积方法和时间隐式方法进行求解。在MPI／PVM环境下用分区方法作了二维翼型和三维机翼绕流的并行计算。数值算例表明流场计算的正确性和并行计算的有效性,并讨论了影响加速比和并行效率的各种因素。用耦合流场解和并行遗传优化算法做了二维翼型和三维机翼的单目标／双目标数值优化。算例表明：使用的适应函数优于传统线性组合法构成的,遗传算法计算三维优化问题时必须并行化。     

基于视窗操作系统网络并行计算环境的建立与应用

针对单台微型计算机进行数值模拟耗时长的问题,在微软公司开发的32位视窗操作系统下建立了网络并行计算环境.把2台微型计算机连成一个星形结构的以太网,以并行虚拟机作为网络并行计算平台、Vi sualC 作为开发工具,通过建立帐号及主目录、配置网络、设置系统环境变量和测试等步骤,完成了并行虚拟机的配置与调试.采用C语言自行研制了并行凝缩算法的源程序,并进一步以主从进程模式对金属平板轧制过程的弹塑性力学行为进行了数值模拟.研究结果表明,所建立的网络并行计算环境运行可靠,并行加速比可达1 785,并行效率达到了89%,与单台微型计算机相比,不仅提高了运行速度,且大大缩短了计算时间.     

MPI环境下FDTD高效率网络并行计算研究

FDTD(FiniteDifferenceTimeDomain)计算复杂电磁场问题存在计算时间长和内存耗用大的难题,并行计算可以减少单机处理量,是解决该难题的有效途径.本文针对网络并行系统特点结合FDTD算法,提出了有效的优化步骤,采用MPI并行函数库实现高效率FDTD并行计算.在一套16台微机组成的网络并行计算机系统上完成了三维FDTD并行计算举例.计算结果证明了该方案的正确性,并且得到了较高的并行效率.     

基于并行遗传算法的结构损伤检测研究

随着我国土木工程的不断发展,结构损伤的探测问题成为近年来研究的热点,基于模型法进行结构损伤识别仅局限于非线性最优问题,通常得到的是局部最小值。遗传算法是在结构损伤识别方面有很好的运算优势,它具有良好的全局优化性能和稳健性。但是,当遗传算法计算复杂的目标函数时运算速度较慢。并行遗传算法由此应运而生,它不但运算速度快而且在相同条件下可以得到更优解。用实编码并行遗传算法来进行结构损伤识别,用一个预应力简直梁来进行数值模拟,结果表明,此方法不但能对结构损伤进行定位、定量计算,而且运算速度较遗传算法快。     

无网格数值模拟的并行算法研究

对无网格数值模拟的并行算法进行了详细研究.包括使用并行桶搜索算法进行节点搜索,使用并行几何搜索算法进行样点搜索,并行计算无网格形函数及其导数,边界条件的并行处理,使用并行预处理共轭梯度法求解方程组以及负载平衡等.最后给出了无网格数值模拟并行计算的实施流程和计算实例.计算结果表明,无网格数值模拟具有很高的并行性和很好的并行效率,计算规模越大,并行效率越高.     

滑动轴承混合润滑多线程并行计算数值方法

针对混合润滑数值分析将动压效应、弹性变形和界面接触特性耦合而非常耗时的问题,基于共享内存并行系统的多线程程序设计语言OpenMP,提出一种多线程混合润滑并行计算数值方法——红黑线交叉并行计算法.该并行计算模型是将雷诺方程求解域分成两个相互独立的子求解域,依次对两个子求解域进行并行数值求解,可以有效克服CPU线程间数据争用问题,加快求解速度.着重研究了并行计算核数、网格数量和工作站配置对并行计算性能的影响,分析结果表明:并行计算模型能够有效提高滑动轴承混合润滑计算速度,并行计算速度的提升幅度与并行计算核数成非线性关系,随着CPU核数的增加计算速度的增加幅度逐渐减小;此外,与内存和缓存相比,CPU的主频对并行计算速度有非常大的影响.     

电力系统负荷恢复优化的并行遗传算法实现

对电力系统的负荷恢复问题进行了研究.将该问题建模为一个多约束条件的组合优化问题,根据遗传算法特别适合求解大规模组合优化问题的特点,设计了一种粗粒度并行遗传算法来对此优化问题进行求解.在消息传递类并行软件开发环境提供的基于消息传递的并行虚拟环境下,采用master/slave的并行编程模式,有效地提高了算法的计算速度.将各种约束条件与目标函数融合在一起,建立一种序关系,来处理负荷恢复中的约束条件.求解过程满足系统的约束条件,不会出现系统的越限.算例结果表明,所提出的并行遗传算法不仅可以最大限度地恢复负荷,而且可有效提高算法的计算速度.     

双链式智能体遗传算法用于数值优化的研究

针对传统智能体遗传算法全局优化计算精度不够高、时间较长的不足,提出了一种改进的双链式智能体结构,并基于此设计了一种新的智能体遗传算法--双链武智能体遗传算法.该算法采用了多子群并行搜索的模式,闭合链式智能体结构和循环链武智能体结构,可实现多机并行优化,具有优化时间短、优化精度高的特点.为了验证本文算法的优越性,采用国际标准的测试函数对该算法性能进行测试,并与智能体遗传算法(MAGA)相比较.实验结果表明,该算法在全局优化精度、优化收敛速度方面均优于MAGA.     

定常不可压Navier-Stokes方程的并行有限元算法

Navier-Stokes(N-S)方程组是描述流体运动的基本方程组,其数值模拟对我国的国防建设与工业设计非常重要。在高性能并行机和并行计算技术飞速发展的今天,其并行数值计算方法的研究是当前计算流体力学领域最前沿的热门课题之一。基于局部与并行有限元离散技巧和区域分解方法,给出了数值求解定常不可压N-S方程的若干高效并行算法,这些算法实现简单,稍加修改现有的串行程序即可实现并行计算,通信需求少,能快速有效地模拟复杂的流体流动行为。我们给出了一些理论结果和数值算例,验证这些算法的有效性。     

并行计算在轻型客车耐撞性改进中的应用

为了提高某平头轻型客车的耐撞性能,组建了网络集群并行计算系统,建立了整车有限元模型,针对正面碰撞做了大量并行计算,对该车进行了耐撞性改进设计。数值算例表明:在8结点机网络集群条件下,并行加速比为6.45,并行效率为80.6%,计算效率得到了显著提高。实车碰撞试验结果表明:改进后该车主梁变形量增加约68mm,测得的加速度峰值降低约1/3,达到中国正面碰撞安全法规CMVDR294的要求。     

关于并行优化算法的分析

对整体的并行优化算法，如：并行变量分块算法（PVD）、并行梯度分块算法（PGD）、并行变量转换算法（PVT）等进行了分析。这些算法将原最优化问题分解为一系列规模较小的且相互独立的子问题，从而用多台处理机同时对这些子问题求解，减少了工作量、缩短了计算时间。     

基于OpenCL的图像灰度化并行算法研究

随着图像数据量的增加,传统单核处理器或多处理器结构的计算方式已无法满足图像灰度化实时处理需求.该文利用图像处理器(GPU)在异构并行计算的优势,提出了基于开放式计算语言(OpenCL)的图像灰度化并行算法.通过分析加权平均图像灰度化数据处理的并行性,对任务进行了层次化分解,设计了2级并行的并行算法并映射到“CPU+GPU”异构计算平台上.实验结果显示:图像灰度化并行算法在OpenCL架构下NVIDIA GPU计算平台上相比串行算法、多核CPU并行算法和CUDA并行算法的性能分别获得了27.04倍、4.96倍和1.21倍的加速比.该文提出的并行优化方法的有效性和性能可移植性得到了验证.     

一种并行自适应微粒群聚类算法

大规模的数据挖掘如聚类问题迫切需要大量计算,提出了自适应微粒群优化的并行聚类算法。通过从多种群并行地开始搜索,基于群体搜索技术的微粒群优化算法减少了初始条件的影响,采用任务并行和部分异步通信策略,降低计算时间。结合并行微粒群算法的自适应参数动态优化特性,克服群体逐渐失去迁移性而停止进化的问题,保持群体多样性从而了避免种群退化。仿真实验证明,该算法在并行机群上运行时,加快了聚类算法的计算速度,提高了聚类质量。     

混合动态数据库集群的并行空间连接优化算法

传统算法数据划分冗余度和倾斜度高,无用连接数据多,降低负载均衡性,对整体效率产生不好的影响,不适于实际应用。为此,面向混合动态数据库集群提出一种新的并行空间连接优化算法。采用网格划分法对数据进行划分,依据空间数据划分结果获取数据分布状态,计算节点按照数据分布状态得到候选集。通过平面扫描形成若干子空间连接的子任务,利用构建节点花费模型,依据花费模型对并行空间连接所需的平均节点访问个数进行评估,把候选任务集分配至不同计算节点,在不同节点执行并行空间连接操作。通过边界过滤策略,删除不可能有结果的元组,提高效率,增强算法的实用性。实验结果表明,所提算法适于实际应用,效率高。     

云计算网络数据库中的加密优化模型仿真分析

针对云计算网络数据库中大数据加密耗时长的弊端,提出一种新的并行同态加密(DGHV)方案。在云计算网络环境下,采用DGHV同态加密算法进行初步数据加密,并对加密过程产生的噪声进行去噪处理。引入MapReduce计算框架的并行特性,使用分块算法对云环境中的大数据进行分割,并采用同态算法进行加密,最后将加密后的密文块汇总,得到整个数据库中的密文。实验结果表明,通过相同的实验平台对云环境网络数据进行加密优化。相比较其他方法针对大数据的处理的加速比较高,能够有效地减少加密时间。     

量子计算在增量式大数据并行挖掘中的应用

针对传统大数据并行挖掘方法是一次性对所有数据进行挖掘,导致挖掘时间较长,挖掘精度较低等问 题,采用量子计算对增量式大数据并行挖掘方法进行优化设计。首先,按照数据挖掘的基本流程搭建并行数据 挖掘模型; 然后分别通过定义量子比特、量子搜索算法、量子神经网络处理以及量子映射变换4 个步骤,实现 增量式数据的预处理,利用矩阵向量相乘分解得到过滤权重组合,通过该组合实现预处理结果的并行协同过 滤; 最后通过量子模糊聚类得出增量式大数据并行挖掘结果。实验结果表明,应用量子计算的增量式大数据并 行挖掘方法的平均召回率为97． 25%,并行挖掘时间在2． 1 ～ 3． 2 s 的范围内浮动,准确率超过95%,且该方法 的收敛性最好,寻优能力强。     

基于GPU的并行克里格及其在储量估算中的应用

克里格法是空间信息统计学中最主要和最基本的一种局部估计方法, 利用区域化变量的空间分布特征实现对未知区域的估计. 针对克里格算法高时间复杂度问题, 提出一种基于GPU 的并行克里格算法, 实现对克里格插值算法的改进, 在精度不降低的情况下很好地解决了克里格算法高时间复杂度的问题. 西藏甲码铜资源量估算结果表明, 并行克里格方法具有良好的加速比与并行计算效率, 验证了该方法的可实践性, 与纯CPU 计算的对比实验验证了GPU 并行计算结果的正确性与可信度.      

基于生物鲁棒性的一类微生物连续发酵优化模型及其并行算法

针对一类微生物连续发酵生产1,3-丙二醇问题,基于生物鲁棒性,建立了最优控制和优化模型.证明了最优控制解的存在性,构造了并行粒子群算法,并通过大规模并行计算得到了底物最优流加策略.数值结果显示该流加策略可以显著提高稳态时刻1,3-丙二醇的浓度.     

一个结构优化设计的并行算法

将结构分析中的最小总势能原理加以推广，建立了结构优化中的最小总势能模型，使结构的分析与优化相结合，不再需要在每次迭代中进行完整的重分析。这种方法充分利用了结构优化的并行性；算例表明，其具有较高的加速比和计算效率。     

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。