一种基于分治和流水线技术的并行碰撞检测算法

提出了一种基于并行的碰撞检测算法,主要采用并行算法中的分治策略,建立环境中每个物体的平衡包围盒树,通过遍历每两棵包围盒树,形成对一任务树的遍历,并将所有任务树的遍历平均分配到每个处理器,然后采用并行算法中的流水线技术,通过划分进程来遍历任务树,从而加速碰撞检测算法,同时在进程中也应用了多线程技术,因而能运行于单处理机和多处理机上。     

几种矩阵乘并行算法的对比分析

描述了DNS、Cannon、Fox、Systolic矩阵乘并行算法的原理,并对其时间复杂度进行了理论分析。通过对并行算法的各项性能参数的对比分析,得到的结论是DNS算法的时间复杂度最好,但加速比、效率和成本不是最优的。Cannon算法和Fox算法的算法思想类似,但是Cannon算法比Fox算法在数据播送上的花费少,因此整体性能较好。Systolic算法是基于流水线技术的并行矩阵乘算法,有较好的综合性能。     

达梦数据库中大规模数据可扩展并行算法

DM数据库中的数据规模大且维度复杂,为了在有限的条件下尽可能满足用户对DM数据库功能的需求,提出一种新的DM数据库中大规模数据可扩展并行算法。不可扩展并行算法包括朴素并行、典型并行与逻辑并行三种处理规则,新算法将这三种处理规则结合起来实现数据自主运算,令每个运算节点均拥有三种处理模式,采用有向图将大规模数据划分为局部数据,并分配到处理器上,通过设置数据处理优先等级,完成流水线形式的数据处理过程,赋予并行算法强大的可扩展性。实验结果表明,新算法具有较强的可扩展性,负债均衡能力强。     

网格中数据并行流水线的任务指派优化

为缩短网格中数据并行流水线在吞吐率受限下的延迟,提出了一种优化任务指派的算法.在一个流水线中,每个任务都可以是一个数据并行程序.当多个任务被指派到同一个并行系统时,假设每个任务排它地使用一组处理机.     

多细胞基因表达式编程函数优化的并行算法研究

并行算法是当前研究解决算法效率问题的成熟技术之一。为提高GEP算法解决复杂函数优化问题的效率,将并行算法引入多细胞基因表达式编程函数优化问题,解决传统计算形式不能充分发挥多核处理器性能的问题。通过分析多细胞基因表达式编程并行算法的机理和MPI和Open MP混合并行模型,设计与实现多细胞基因表达式编程函数优化的并行算法(Parallel Multicellular Gene Expression Programming algorithm for Function Optimization)PGMFO。实验结果表明针对复杂的函数优化问题,在不影响精度和收敛性的情况下,PGMFO算法比原有的算法效率高出10%~20%。     

基于MapReduce的Apriori算法并行化

Apriori是挖掘关联规则最经典的算法之一,针对该算法存在的瓶颈问题研究了基于MapReduce编程框架的简单Apriori并行算法;并在简单Apriori并行算法的基础上提出一种采用固定多阶段结合挖掘策略的改进算法——多阶段并行算法。实验结果表明,改进算法能缩短挖掘时间,提高执行的效率。     

网格中流水式计算的一种任务指派算法

为取得网格中流水式计算的高吞吐率,提出一种任务指派算法X max min.在一个流水线中,任务彼此是并行的,且每个任务本身是可并行化的.当多个任务被指派到同一个并行系统时,通过最小化任务计算成本的最大值确定每个任务分得处理机的个数.任务用于收发数据集的通信成本依赖其他任务的指派,故当相关任务的指派未完成时,需要在任务通信成本中引入均值估计.任务响应时间是计算成本和通信成本之和,它是任务指派的函数.用max min算法确定任务指派,可有效降低任务响应时间的最大值,从而使流水线的吞吐率得到提高.仿真实验表明,X max min算法使流水线取得的吞吐率与复杂的Taura算法相当.     

网格中数据并行流水线的任务指派优化

为了缩短网格中数据并行流水线在吞吐率受限下的延迟,提出了一种优化任务指派的算法.在一个流水线中,每个任务都可以是一个数据并行程序.当多个任务被指派到同一个并行系统时,假设每个任务排他地使用一组处理机.根据优化目的,优化过程可分成连续的两个阶段,即提高吞吐率和缩短吞吐率受限下的延迟.对不同的优化阶段,用不同的启发式算法确定一个并行系统中每个任务的处理机数.改派任一任务都会使流水线的性能发生变化,性能提高的幅度被称为任务优先级.通过重复改派优先级最高的任务,流水线的性能可迅速提高,这在仿真实验中已得到了证实.     

PipelineJoin:一种新的基于MapReduce的多表连接算法

MapReduce是一个并行分布式计算模型,已经被广泛应用于处理两个或多个大型表的连接操作.现有的基于MapReduce的多表连接算法,在处理链式连接时,不能处理多个大表的连接,或者需要顺序运行较多的MapReduce任务,效率较低.为此提出了一种基于MapReduce的多表连接算法——PipelineJoin,高效地实现任意多个大表的链式连接.PipelineJoin采用流水线模型和调度器来实现MapReduce任务的流水线式执行,从而有效提高多表连接的效率,同时可以较好地克服链式多表连接算法的缺陷.最后,在不同规模的数据集上进行了大量实验,实验结果表明PipelineJoin算法与原有链式多表连接算法相比,可以有效减少连接所需的时间.     

基于分群式粒子群算法的压裂水平井试井曲线自动拟合

为提高压裂水平井试井多参数自动拟合的计算精度、速度和稳定性,将传统方法、智能算法和并行算法相结合,提出并行分群式粒子群优化算法,并将高斯-牛顿法与粒子群算法相结合,同时采用OpenMP并行算法求解。结果表明:在粒子群优化算法中,通过粒子分群使粒子搜索方向趋近于线性,避免了粒子群算法易陷入局部最优的问题,加快了搜索速度;与高斯-牛顿法相结合保证了计算的稳定性;采用OpenMP并行算法求解降低了模型的复杂度,提高了计算效率;分群式粒子群优化算法比其他优化算法计算速度更快,计算精度更高,并可在一定程度上为多裂缝水平井试井解释划分流动阶段。     

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。     

改进的端到端实时CORBA调度模型可调度性分析算法

端到端实时CORBA系统调度模型的可调度性分析算法存在着一些缺陷和局限．针对其局限性，提出了改进的可调度性分析算法，采用时间需求分析方法，增加考虑了同一处理器上兄弟子任务对时间需求的影响，以及一个端到端任务在同一处理器上存在着2个以上子任务的情形。通过计算任务影响函数，分别推导出2类子任务的时间需求函数。新的可调度性分析算法不仅具有良好的通用性，而且提高了原有算法的判定能力。可适用于含有递归调用的实时CORBA任务集的可调度性分析和判定。     

基于任务分类思维的云计算海量资源改进调度

对云计算海量数据下的资源调度的研究过程中,进行资源调度时资源分配无法到达合理化调度,存在资源调度效率低的问题。提出分类思维的云计算海量数据资源优化调度方法。该方法引入膜计算概念,将云计算下的海量资源调度的总任务划分为多个子任务,并详细计算每个子任务的资源调度任务量。将优化调度系统内部分解为主膜和辅助膜,利用蝙蝠算法在辅助膜内进行资源分配个体寻优,并将优化后的资源分配最优个体传送到主膜间进行云计算海量数据下的资源分配优化。实验仿真证明,基于改进膜计算蝙蝠算法的云计算海量数据下的资源优化调度方法调度效率高,分配较为均衡。     

基于多核的粗粒度2.5维电磁场正演并行算法

基于CPU多核处理器实现了粗粒度2.5维电磁场并行正演算法,使用OpenMP对串行算法的频率域进行粗粒度分解,主线程进行任务分配,从线程在CPU多核上并行计算各频率域电磁场值,并分析了OpenMP并行效率与模型及核心数目的关系.多组不同模型测试结果表明,本文并行方法与串行方法得到的数值结果相同,并获得了接近CPU逻辑核心数目的性能提升.     

有限元网格自动生成的并行区域划分算法

提出了一种基于网格生成递归法的并行区域划分算法,该算法依据网格生成代价的估算分析,采用迭代分解法对区域进行并行划分．在曙光１０００Ａ系统上的运行结果表明,该网格算法的效率和加速比均优于串行递归算法     

支持资源协同分配的网格任务调度研究

提出通用的网格和任务执行模型,并以此为基础,给出一种支持资源协同分配的任务调度算法。算法通过定义临界资源的概念,改进了传统的列表调度算法。模拟实验结果表明该调度策略更符合网格计算的复杂环境,能得到较短的任务执行时间,并更好的支持不同类型资源的协同分配。     

异构机群下的快速傅立叶变换动态算法

基于异构机群，设计了动态快速傅立叶变换算法．在前端机将任务划分为若干个子任务之后，所有后端机根据自身的负载，自主地向前端机发出执行子任务的请求，获取操作数据．将结果返回给前端机，前端机等待所有子任务完成后，对中间结果进行合并计算，得到最终结果。     

并行运算策略在同步发电机任务调度中的应用

本文以同步发电机为研究对象,通过对模型系统结构的构建和分割,建立起数学模型仿真的任务调度图,并结合动态负载平衡调度策略,进行了同步发电机的任务调度,通过对并行运算的加速比和并行效率进行分析,从而验证了并行运算在同步发电机任务调度仿真中应用的可行性。     

一种用于视频编码的块运动估计新算法

提出了一种连续排除的像素子抽样轮换(SASE)块运动估计新算法，用四分之一子抽样模式轮换法实现对参考区域的全搜索．实验表明具有和穷尽式块匹配相近的效果，而搜索的计算量只有穷尽式搜索的四分之一同时在每一个子块的计算过程中，利用图像帧间不等式进行连续位置排除，进一步有效地减小了搜索计算量，提高了搜索效率．     

最大互信息系数的并行计算方法研究

针对最大互信息系数（Maximal Information Coefficient，MIC）近似算法在大规模数据场景下的计算时间复杂度高，计算时间增长快的问题，提出一种最大互信息系数并行计算（The Parallel Computing Maximal Information Coefficient，PCMIC）方法。分别在Spark和Spark-消息传递接口（Message Passing Interface，MPI）计算框架中，在不同的数据规模和不同的噪声水平下，利用PCMIC算法对十四种典型的相关关系做并行计算。另外在不同节点数的情况下，选择两种具有代表性的相关关系来测试PCMIC算法在两种计算框架中的性能。实验结果表明：（1）PCMIC算法在两种框架下的运算效果与原始MIC近似算法相比，同样具有普适性和均匀性，而且具有良好的可扩展性。（2）随着数据规模和节点数的增加，PCMIC算法在两种框架中运算的时间增长明显比MIC近似算法慢，而且在Spark-MPI框架下的并行加速比和效率略优于Spark。（3）Spark能够支持MPI任务的调度，为研究不同并行计算框架之间的融合奠定了一定的理论和应用基础。