多核平台上基于可声明并行性的程序优化框架

针对多核体系平台上充分、有效地发掘目标程序中各种可用并行性的需求,通过引入"层次关系"、"等价关系"和"特性权重"的支持,提出了一种扩展的TStreams模型,并在此基础上实现了一个基于可声明并行性的程序并行优化框架(FAPOF).该框架支持用户对算法的并行特性进行多角度、多粒度的描述并指定适用的各类并行优化规则.基于...     

应用禁忌粒子群算法的车间调度及其并行化实现

为了解决批量生产、制造、装配等车间调度问题,基于Hadoop集群,提出应用禁忌粒子群算法的车间调度及其并行化实现.以某装载机制造车间最小化完成时间为目标,通过使用禁忌粒子群算法对车间调度问题进行求解.结果表明：在车间批量大的情况下,禁忌粒子群算法可得出有效的调度方案,避免算法陷入局部最优解.与现有的智能算法相比,禁忌粒子群算法更有利于实现全局最优解.     

General and efficient parallel approach of finite element-boundary integral-multilevel fast multipole algorithm

A general and efficient parallel approach is proposed for the first time to parallelize the hybrid finiteelement-boundary-integral-multi-level fast multipole algorithm （FE-BI-MLFMA）. Among many algorithms of FE-BI-MLFMA, the decomposition algorithm （DA） is chosen as a basis for the parallelization of FE-BI-MLFMA because of its distinct numerical characteristics suitable for parallelization. On the basis of the DA, the parallelization of FE-BI-MLFMA is carried out by employing the parallelized multi-frontal method for the matrix from the finiteelement method and the parallelized MLFMA for the matrix from the boundary integral method respectively. The programming and numerical experiments of the proposed parallel approach are carried out in the high perfor- mance computing platform CEMS-Liuhui. Numerical experiments demonstrate that FE-BI-MLFMA is efficiently parallelized and its computational capacity is greatly improved without losing accuracy, efficiency, and generality.     

稀薄气体直接仿真蒙特卡洛方法交互式并行化系统研究与实现

在分析稀薄气体直接仿真蒙特卡洛（Direct Simulation Monte Carlo,DsMc）方法特点的基础上,研究了基于高性能计算平台的DSMC问题交互式并行化技术,提出了DSMC交互式并行化流程和DSMC程序并行化系统体系结构,实现了能对DSMC问题进行处理的交互式并行化软件系统,并应用到两个微通道DSMC方法算例的并行化中,并行化后的两个算例在8个节点的并行集群系统上的计算结果与原串行程序完全吻合,证明了该交互式并行化方法的正确性．     

类簇级测试任务并行化研究

为了提高传统串行类簇级测试速度, 对类簇测试任务并行化方法进行研究。使用类间依赖关系和类测试依赖关系分析方法将类簇级测试任务并行化问题转化为求解对象关系图中节点的并行性。复杂的类簇关系会形成有向环路, 为确定环路中测试的起始位置需要将环路打破, 提出了综合考虑节点度数、环路数和测试桩复杂度3 种因素的破环方法; 对消除环路的对象关系图进行并行性分析, 并设计了一种分层并行算法。通过实验对串行方案和分层并行方案进行对比, 证明了分层并行方案的有效性。     

基于FPGA的卷积神经网络加速系统

以在现场可编程门阵列(FPGA)上部署卷积神经网络为背景,提出了卷积神经网络在硬件上进行并行加速的方案.主要是通过分析卷积神经网络的结构特点,对数据的存储、读取、搬移以流水式的方式进行,对卷积神经网络中的每一层内的卷积运算单元进行展开,加速乘加操作. 基于FPGA特有的并行化结构和流水线的处理方式可以很好地提升运算效率,从对ciafr-10数据集的物体分类结果看,在不损失正确率的前提下,当时钟工作在800 MHz时,相较于中端的Intel处理器,可实现4倍左右的加速.卷积神经网络通过循环展开并行处理以及多级流水线的处理方式,可以加速卷积神经网络的前向传播,适合于实际工程任务中的需要.     

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。     

JXTA在粗粒度并行计算中的应用

介绍一个针对粗粒度并行计算的系统框架,该框架采用JXTA技术,适合众多的操作平台,允许对计算资源进行动态分布式的管理.     

在多重网格上同时计算的叠缩法

讨论一种多重网格叠缩并行计算方法。此方法在多重网格上同时执行对所有未知量的运算，它的全部工作渐近估计为Ｏ（２ｌｏｇＮ），与标准Ｖ周期多重网格方法的计算复杂性等同。     

多网格叠缩并行计算

提出一种非递归多网格算法。它适合于允许递归和不允许递归两种场合，在分布式存储计算机上的叠缩并行实现结果表明：其顺序／并行加速显著，并行化效率有大幅度提高。