面向Ghost光滑粒子动力学模拟的图形处理器快速邻居搜索算法

提出了一种全新的快速邻居搜索方法,该方法可提高基于光滑粒子动力学的流体模拟在图形处理器上的运行效率。此外,这种新的邻居表建立方法可以对两种或者两种以上的粒子进行邻居搜索,使所有粒子能在同一背景网格下拥有独立的粒子属性。在此基础上,引入了Ghost边界粒子以加强光滑粒子动力学方法在边界模拟上的准确性,从而使流体模拟更加真实。实验证明,与传统的基于图形处理器的光滑粒子动力学模拟相比,本文方法效率更高。     

基于并行计算的高效图稀疏化处理算法

针对目前的图聚类分析方法存在的不足,在分析研究MapReduce架构理论、最小哈希算法以及图聚类分析中的数据抽样和稀疏化处理机制的基础上,提出了一种基于并行计算的高效的图稀疏化处理算法。该方法以MapReduce架构理论为基础,通过Minhash算法进行并行化分析,利用MapReduce框架结构对图聚类分析稀疏化操作过程中的多个任务进行了高效的推算分析与处理,并在Hadoop计算环境下,通过模拟实验对提出的高效图稀疏化处理算法的性能进行了测试。测试结果表明:基于并行计算的高效图稀疏化处理算法可行,能对图聚类数据信息进行快速稀疏化处理。     

最大匹配问题Tile自组装模型

Tile自组装模型凭借其自组装、可编程等特性在解决NP问题方面具有巨大优势.文中提出了一种求解最大匹配问题的Tile自组装新模型,该模型主要由初始配置子系统、选择子系统及检测子系统3大部分构成.新模型中首先设计Tile分子存储问题信息,其次通过Tile分子自组装操作生成最大匹配问题解空间,最后通过Tile检测分子筛选得到最大匹配问题的解.对模型从所需Tile分子种类、计算时间和计算空间3个方面进行性能分析,并通过实验模拟论证了模型的有效性和正确性.     

基于OpenCL的并行图像加密算法研究

利用混沌映射所具有的遍历性、类随机性以及对初始状态的敏感依赖性等基本特性,同时利用二维Logistic映射具有的多参数、高随机性等优点,构造了一种新的图像加密算法。另外,为充分利用当前异构处理平台的计算资源以大幅提升算法的执行效率,在NIVIDIA Ge Force GTX 580 GPU上使用Open CL技术并行实现了该算法。实验结果和数值分析表明该并行加密算法具有较高的加密效率和良好的安全性,具有一定的应用价值。     

基于MPI的投影法数控编程算法

提出了基于消息传递的刀位轨迹并行计算方法.该方法首先将串行计算任务合理的划分成若干并行子任务,然后动态的分配到各处理机上,能充分利用网络中空闲的计算资源,提高计算速度.分别应用于投影法和自适应投影法编程,试验结果表明该方法具有令人满意的并行加速比.     

MPI并行计算性能的研究

探索了一种基于Windows系统平台的、用于实现高性能计算的MPI并行环境.采用MPI最新版本MPICH2-1.0.6作为并行计算的支撑环境,通过编制的三个具有代表性的MPI并行计算程序,并在以100M bps交换式局域网作为互连的机群上和具有双核处理器的PC机上分别进行了并行效率的实际测试,得到了预期结果,并做了相应分析.     

一种包络面的GPU渲染方法

包络面的渲染绘制是计算机图形学的重要应用技术。包络面的绘制方法的数学基础是微分几何与拓扑学的三角剖分理论。本文从这两个角度分别分析了建模方法与渲染效果之间的关系,并以一种条带剖分算法为几何基础,实现了GPU渲染包络面的3D动画。     

组网雷达探测能力的并行计算与可视化方法研究

深入研究了并行计算与并行绘制相结合的并行框架构建问题。针对组网雷达探测能力的计算与可视化特点,在(PC)集群的基础上,构建了一个并行计算与可视化运行框架。该框架在并行计算中,采用八叉树分割的方法对组网雷达计算区域进行任务分配；在并行绘制中,采用sort-last的并行绘制机制。仿真试验结果表明,该运行框架能够有效地满足大规模组网雷达探测能力计算与可视化的应用需要。     

基于HLSL的渐变动画GPU实现

研究如何运用HLSL实现渐变动画的绘制,将CPU中的处理转移动GPU,利用GPU的运算能力和可编程性,提高绘制效率.     

基于分布式并行计算的神经网络算法

为了提高计算性能（速度与可扩展性），提出了一种新颖的神经网络的并行计算体系结构和计算网络权函数的训练算法。权函数是广义Chebyshev多项式和线性函数的复合函数，只需要通过代数计算就可以求得，不需要梯度下降计算或者矩阵计算。各个权函数能够独立求解，可以通过并行系统采用并行算法计算。算法可以求得全局最优点，得到反映网络误差的一个有用的表达式。此外,算法在不超过权函数总数的范围内，还具有维持加速比与并行系统中提供的处理器的数量成线性增长的能力。仿真实验结果表明，本文算法的计算性能远远优于传统算法。