网格环境下期权定价BSDE模型的并行实现

提出了一种在CNGrid网格服务环境下解决期权定价问题的并行应用方法.这种方法基于BSDE(backward stochastic differential equation)模型.根据异构计算资源的特点,使用CUDA和MPI分别在GPU计算节点和CPU计算节点上实现并行算法,比较不同编程在异构计算节点上的实现效率.通过监控计算节点上计算任务的负载状况,利用CNGrid所提供的计算服务,灵活地在异构计算节点上完成期权定价计算任务.     

基于Internet的网格计算模型研究

为了实现在地理上分散的计算资源共享,降低计算成本,提出了基于Internet的网格计算模型I－GRID及其实现方法。I－GRID是可以作为虚拟的整体而使用的广域异构计算环境,支持节点的动态加入,通过元数据信息实现异构节点之间的透明通信,利用对象技术实现单一映像文件系统,并提供与流行的并行编程软件的接口。雅戈比迭代的性能证明,I－GRID具有很好的可用性和较好的实时性。通过I－GRID的研究,将为校园网络用户提供统一编程接口的高性能计算环境。     

网格计算中任务分解和提交的研究

网格计算环境通过把若干个分散的异构计算资源虚拟为一个逻辑单元,使用户可以像使用一台计算机一样支配这些资源,从而达到提高资源利用率的目的。通过讨论使用Globus对应用程序进行任务分解和提交,得出如下结论：对于适合分解的应用程序,可以通过在虚拟计算环境进行分解后采用并行计算来提高应用程序的执行效率,但不适合实时性较强的应用。     

网格计算中住务分解和提交的研究

网格计算环境通过把若干个分散的异构计算资源虚拟为一个逻辑单元,使用户可以像使用一台计算机一样支配这些资源,从而达到提高资源利用率的目的。通过讨论使用Globus对应用程序进行任务分解和提交,得出如下结论：对于适合分解的应用程序,可以通过在虚拟计算环境进行分解后采用并行计算来提高应用程序的执行效率,但不适合实时性较强的应用。     

异构计算开发最大循环并行性

首先给出了循环最大加速比的定义,它是循环体中隐含并行性大小的度量,并且讨论Do循环的各种类型和它们的相关性以及隐含的并行性．在异构环境中,如何开发这些并行性,文中给出了几种方法,这就是异构计算消除串行瓶颈,异构Do-all-loop调度,异构Do-aross调度．无论在理论分析还是在实验结果上,这些方法所得得的计算性能都优于同构计算．     

上海交通大学高性能计算建设的理念与实践

上海交通大学的高性能计算经历了"合久必分、分久必合"的10年后,于2012年初成立了校级高性能计算中心,为全校提供高性能计算的公共服务.本文着重介绍了该中心在建设过程中,应对4个挑战时所秉承的理念与实践情况,分别是:1)基于异构计算,设计并建成了国内高校最快的超级计算机π;2)在国内率先提出开放运维的理念,采用类似美国能源部INCITE项目的方式分配机时资源,并在网上公开超级计算机π的实时利用率等信息;3)关注学生教育,注重兴趣培养,以研究促教学;4)与国外一流大学开展长期合作,提升国际影响.     

面向CPU+GPU异构计算的SIFT

依据图形处理器(GPU)计算特点和任务划分的特点,提出主从模型的CPU+GPU异构计算的处理模式.通过分析和定义问题中的并行化数据结构,描述计算任务到统一计算设备架构(CUDA)的映射机制,把问题或算法划分成多个子任务,并对划分的子任务给出合理的调度算法.结果表明,在GeForce GTX 285上实现的尺度不变特征变换(SIFT)并行算法相比CPU上的串行算法速度提升了近30倍.     

异构任务图的实现模型

任意异构程序映射到任意异松系统上执行,是并行程序计算最复杂的情况,为此提出了异构任务图的定义,它是异构程度直观和有效描述方法,还研究了异构任务图的实现模型,它是异构计算环境中软件和硬件的桥梁,分别给出了任务图的分簇算法、系统图的分簇算法和映射算法及应用实例,利用该模型可设计出可移植的并行程序,然后调度到可动态配置的异构计算机组织上运行。     

网络处理器资源映射与任务调度分析

在网络处理器中存在的不同类型的处理引擎构成了一个异构计算环境.本文分析了如何将应用程序分解成不同的任务,以及如何将这些任务分配给不同的计算资源来处理的问题,这是网络处理器领域中最重要、最基本的问题.     

基于人工智能异构计算的汽车行业应用与分析

汽车行业是科技与时尚高度融合的行业,随着行业发展规模的不断扩大,人工智能、深度学习、CAE仿真、图形渲染等领域的技术应用越来越广泛,成为行业的主流发展方向,而整体应用的背后都是大规模集群化异构计算平台的计算能力在支撑。该文着重探讨了汽车行业人工智能异构计算相关原理及应用情况,并对人工智能在汽车行业的应用前景进行了预测分析,以供参考。     

计算模式的演变与发展

自诞生以来，计算机技术经历了单主机计算，分布式客户／服务器计算和网络计算3种模式的发展，本文分析阐述了各种计算模式的特点、所采用的主要技术及它们之间的关系和应用前景。     

浅析云计算的安全策略

云计算是当今IT业界的一个新概念,它使得互联网上的软硬件资源的潜力得到充分发挥,对经济和社会的发展有着极其重要的意义。本文介绍了云计算的概念及其分类,重点讨论了云计算目前所存在的安全问题,并给出了相应的解决措施。     

分布式计算模式的演变与发展

随着多媒体技术与计算机互联网Internet的普及,带动着个人式计算模式转向网络计算模式,本文把分布式计算模式分成四类,并提出了分布式计算模式今后发展的两个主要方向．     

关于无约束最优化问题的计算终止准则

讨论常用的无约束最优化问题的计算终止准则的可靠性，并且构造出一种新计算终止准则，数值试验的结果表明，新计算终止准则的可靠性高     

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.     

关于最优化问题的算法收敛准则

对一最优化问题的算法收敛准则进行分析、改进，构造出一新收敛准则数值实验结果表明，新算法收敛准则可靠性高     

大数据与云计算

大数据（Big Data）这个概念近年来在越来越多的场合、被越来越多的人提及,并且经常和云计算联系在一起,云计算与大数据之间到底是什么关系成为热点话题。本专题报告包含以下四个方面内容：1.大数据的价值;2.大数据带来的挑战;3.大数据研究成果;4.云计算是大数据挖掘的主流方式。通过本报告阐述我们对大数据的理解,以及对大数据的价值的认识,探讨大数据处理与挖掘技术,论述以下观点：没有互联网就没有云计算模式,没有云计算模式就没有大数据处理技术,也就没有大数据挖掘技术。     

自动化性能和网格计算在组织IT架构中的应用

自动化性能与网格技术有着密不可分的关系,提高自动化能力是网格计算研究的关键领域之一.文章针对在网格环境中,如何采用服务分层、自主化、虚拟化、智能调度、动态配置等技术实现自动化进行了深入剖析,揭示了网格自动化服务本质,为现代组织构建低成本、高效率、随需应变的IT基础设施架构,提供了有益借鉴.     

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。     

Web-Based Computing Resource Agent Publishing

Web-based Computing Resource Publishing is a efficient way to provide additional computing capacity for users who need more computing resources than that they themselves could afford by making use of idle computing resources in the Web.Extensibility and reliability are crucial for agent publishing. The parent-child agent framework and primary-slave agent framework were proposed respectively and discussed in detail.