基于C／S结构的Ada并行计算模型

在研究Ａｄａ９５并行计算语义的基础上，提出了一个基于Ｃ／Ｓ结构的Ａｄａ并行计算模型Ａｄａ－ＰＣＭ，讨论了在Ｃ／Ｓ 环境下实现Ａｄａ并行计算存在的问题和解决方法。该模型不驻是研究Ａｄａ并行计算环境的基础，同时可为其它分布并行计算问题提供借鉴。     

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.     

共享存储器多处理机并行计算编译及调度机制

引入并行程序段标记、程序段归并构造并行程序编译思想,设立并行计算调度状态字构造并行计算调度表,提出了一种有效的共享存储器多处理机程序、作业级并行计算编译调度思想及相应的算法。     

小型Linux集群系统的组建

并行计算广泛地应用到各个领域,基于Linux集群的MPI并行环境是一个廉价而高效的并行计算、系统.介绍了一种基于Linux集群的MPI并行计算平台的构建方法,并提出了软件的详细配置过程.     

大数据环境下并行计算模型的研究进展

在大数据时代,制约并行计算发展的掣肘正在发生改变,为分布式并行计算带来了前所未有的机遇和挑战.回顾了并行计算的发展和大数据环境下的新变化;结合硬件环境、计算模式、以及应用需求等对于并行计算模型研究的影响,综述了面向批处理、面向流处理、面向图数据以及面向内存等几类并行计算模型的相关研究;展望了其发展趋势.     

Navier-Stokes方程有限元并行计算方法最新进展

Navier-Stokes方程是流体力学的基本方程,其并行数值求解方法是当前计算数学和计算流体力学领域的最前沿课题之一。综述了Navier-Stokes方程有限元并行计算方法的研究现状。将已有的方法进行分类,分别介绍了其基本思想,评述了各种有限元并行计算方法的优缺点,讨论了有限元并行计算方法所面临的问题,并对其发展趋势进行了展望。     

分层并行计算模型

传统单一的并行计算模型变得越来越复杂,对并行计算各阶段针对性不强、指导能力差的特点,为此提出了对并行计算模型分层研究的思想,依此把并行计算模型分为并行算法设计模型、并行程序设计模型、并行程序执行模型三个层次,分别给出了各个模型的特点及研究内容．理论分析结果表明,通过分层,每个阶段的模型分工明确,目标单一,指导性强．     

基于高性能微机群集的并行计算环境的设计与实现

基于工作站或高性能微机群组的并行计算,是并行计算领域研究的热点。常见的并行环境有ＭＰＩ等,但它们编程复杂,并行程序的可移植性差。该文介绍了一种有效的并行计算模型ＢＳＰ,它的并行编程容易,性能可预测,程序的可移植性好。     

精密电容器误差的并行计算方法

利用局域网和标准消息传递库构成并行计算环境,实现了对精密电容器误差的并行计算。改进了传统的Runge-Kutta方法。最后讨论了与并行计算效率有关的因素。     

并行计算基础和实际应用

并行计算方法是今后提高计算机处理速度的一种必然方法．在初步介绍并行算法、并行计算机处理器的互连方式、并行计算模型及并行算法的设计等相关内容的基础上,对并行算法复杂性及其应用进行深入．分析,并通过实例加以阐述．     

基于异种机互联网络的并行神经计算环境的实现和性能分析

给出了在多台微机与SUN工作站的互连网上实现的一个并行计算环境 :HCPC(Heteroge neousComputersParallelComputing)系统 ,并通过对其性能的分析和在ART1神经网络上的模拟实现 ,验证了HCPC系统的功能     

Performance prediction model for parallel computing on network of workstation

In order to effectively program Parallel Computing on NOW (Network of workstation), users must be able to evaluate how well the system performs for a given application. In this paper, we present an framework that can be used to evaluate tree structured computing on NOW. Based on this framework, we derive a model for the famous parallel programming paradigm-divide and conquer. We discuss how this model can be used to evaluate performance and how it can be used to restructure the application to improve performance. Supported by the Foundation of Teaching Reform Facing the 21th Century of National Education Committee Zhang Jianjun: born in 1970, Master student     

并行编译中的区域调度问题

介绍指令级并行性(ILP)中和指令级计算(EPIC)中区域的直观概念和这些概念的形式化工作，并简单介绍区域的几个调度算法，为并行编译中的区域调度问题提供一个系统的、形式化的论述。     

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。     

改进遗传算法求解VRPSTW问题

为求解物流配送过程中基于单配送中心的软时间窗车辆调度问题（VRPSTW）,本文在传统遗传算法的基础上,引入了并行计算与阶段性进化的思想,提出了求解VRPSTW问题的改进遗传算法.验证实验表明,本文提出的改进遗传算法在求解模型时快速地得到了最优解,收敛速度明显优于传统的遗传算法.     

基于Ubuntu的MPICH2并行集群系统的构建

高性能计算是世界各国竞相发展的高科技技术,而集群系统是高性能计算技术的主流方向,本文结合了当前受到极大关注的一种Linux系统Ubuntu和MPI库的实现MPICH2,介绍了基于Ubuntu的MPICH2并行计算集群系统构建过程。     

并行测试系统资源配置模型

并行测试是下一代自动测试技术的主要发展方向之一。从并行测试系统的本质概念入手,分析了影响并行测试系统资源优化配置的关键因素,给出了解决问题的思路。研究了并行测试信号模型、测试资源接口模型,以降低系统组建成本和提高测试系统效率为研究目标,提出了并行测试任务优化序列的概念;以此为基础,给出了并行测试资源优化配置方法。     

并行遗传算法及其在关联规则挖掘中的应用

介绍了并行遗传算法的思想及四种并行模型：主从式模型、粗粒度模型、细粒度模型及混合模型,讨论了并行遗传算法在关联规则挖掘中的应用。     

VC++实现计算机并口的直接输入/输出

在计算机的各种外部接口中 ,并口的速度最快 ,通常 CCD、视频采集、扫描仪等都使用了并口 ,并口边信的最大缺点是抗干扰差、传送距离短。计算机的并口有 SPP、PS/2、EPP和 ECP等工作模式 ,每种工作模式的工作寄存器各不相同。在 VC 中 ,提供了 — inp( )和—outp( )函数可以控制和读写标准并口     

并行计算机与并行算法述评

并行计算是大规模科学工程计算和数据处理的一个重要工具和必然趋势，本文从并行计算机系统和并行算法两个方面论述了并行处理的基本原理和方法。