迭代式优化编译的快速检测方法

迭代式优化编译是针对当前复杂体系结构提出的一种有效的优化编译方法,当前不同的研究小组已经针对不同优化空间开发了各种迭代式优化编译方法,以求加速迭代过程,提高优化效率.他们大多数集中研究如何在给定的优化转换空间中更快地找到好的点.我们提出了另一种加速迭代过程的方法.它的思路是在一次测试运行中测试多个而非一个点,使得迭代式...     

Java虚拟机中的动态锁cache优化

Java虚拟机在运行过程中使用即时编译器编译Java程序的热点方法,然后直接执行热点方法的本地代码.锁cache机制允许Java虚拟机将编译方法的本地代码锁在cache中,以提高编译执行时的指令cache命中率.通过分析Java虚拟机中编译方法的调用规律,得到编译方法的活跃时间段、平均大小和内存分布情况.基于编译方法的调用规律,给出Java虚拟机中的动态锁cache优化方法.在Java热点方法的活跃期将其本地代码段锁在cache中,以减少cache失效.最后,在龙芯3A的HotSpot虚拟机上实现了动态锁cache优化方法.实验结果表明,Java虚拟机中的动态锁cache优化方法能够使SPECjvm2008运行时的cache失效次数平均降低8.5%,性能平均提升4%.     

一种基于代码隔离的大程序迭代编译优化方法

提出了一种轻权的大程序优化方法--基于代码隔离的迭代编译优化方法，并采用该方法对程序的性能进行测试，结合代码隔离技术，从大程序中分离若干以循环结构为主、性能不相关或相关度较低的核心代码片断，逐个对其进行迭代编译优化搜索，进而更加有效地优化核心代码段.结果表明，所提出的方法可以提高整个程序的性能，可将一个高维的优化空间转换为多个低维优化空间而降低迭代编译的优化开销，是一种易于实现且适合通用代码迭代编译的大程序优化方法.     

遗传并行粒子群优化算法及其性能分析

在已有的并行粒子群优化算法的基础上,结合遗传算法,并利用Java语言支持多线程特点,开发出单子群、k子群、任意子群三种遗传并行粒子群优化算法.通过对6个Benchmark测试函数的测试分析,表明这三种算法都具有运行速度快,求解质量高的特点.     

基于网格技术的软件编译优化方法的研究

根据网格环境中的下一代软件模型,提出设计一个闭环反馈的编译系统,并采用外挂式的方法实现编译优化模块;将传统优化方法算法、代码压缩技术、负载平衡技术,与编译系统收集的资源信息结合在一起,研究动态优化方法,并建立优化算法评估模型,研究分布软件的适应性问题.     

VC++中函数返回对象值的优化实现方式

C 的函数在返回一个非引用类型的值时，一般会将被返回的变量通过复制的方式传递到调用它的上层代码的变量中；但在Visual C 中，当一个函数采用非引用方式返回一个对象时，编译器在一定的条件下会进行编译优化，减少或避免对象在内存中的复制操作，提高程序的运行效率。     

遗传并行粒子群优化算法及其性能分析

在已有的并行粒子群优化算法的基础上,结合遗传算法,并利用Java语言支持多线程特点,开发出单子群、k子群、任意子群三种遗传并行粒子群优化算法。通过对6个Benchmark测试函数的测试分析,表明这三种算法都具有运行速度快,求解质量高的特点。     

phoneME在ARM嵌入式平台上的移植与应用

J2ME主要针对嵌入式类电子设备,是一种高度优化的Java运行环境。它是Java 2的一个组成部分,能够将Java语言与平台无关的特性移植到小型电子设备上,允许移动无线设备之间共享应用程序。而嵌入式系统如今发展越来越迅速,凭借嵌入式操作系统进行各个开源软件在嵌入式平台上的移植操作,发挥其更强大的软件系统功能。本文旨在将这两种现在比较流行的技术结合起来,即以phoneME这款开源的J2ME软件作为研究对象,通过搭建交叉编译环境和Qtopia库等相关基础配置,将其移植到ARM嵌入式Linux系统上。之后通过运行多个MIDlet应用完成了相关的测试和验证。     

一个优化的远程教学系统的设计和研究

远程教学是一种全新的知识传播方式 ,是实现终身教育和全民教育的有效手段。论文介绍了作者在 1997～1998年完成的一个优化的远程教学系统 REDU / TH - 1,它已经被 40 0多个用户访问。 REDU / TH - 1是一个基于 Java和 Web的很有效的远程教学系统 ,其中 ,关键的技术是 Java技术 ,Agent技术 ,实时技术和 Web技术。这些技术的结合使系统得到优化 ,它兼备 Java的平台无关性、稳定性和多线程 ,Agent的独立性和面向对象的封装性 ,以及实时技术的直接性等特点。从而 ,使 Internet网上的任何一台计算机 (不管它使用什么操作系统 )都可以在任何时候任何地方访问这个系统。论文阐述了此系统的设计思想、特点、技术和结构。由于使用了 Java技术和 Internet技术 ,所以 ,不管是客户端计算机还是服务器都不需要改变它们的硬件便可以加入该系统。     

基于PageRank算法的一种搜索引擎优化方法及实现

本文在介绍Google等搜索引擎最常用的PageRank搜索结果排名算法的基础上,提出了一种针对PageRank算法的搜索引擎优化方法,设计并用Java技术实现了一个采用此方法的搜索引擎优化工具。     

基于Java的分布式高性能计算架构

高性能计算在各个领域中的需求越来越迫切。利用闲置资源构建分布式高性能计算平台,是一种成本低廉而有效的方案。参与的便利程度是构建包含大量计算机的分布式计算平台的关键因素。提出了一种基于Java的分布式高性能计算架构。该架构中,任何空闲计算机通过网络可随时动态加入或退出计算,从而可以在短时间内构建较大规模的高性能计算平台。采用旅行商问题对架构进行了实现及验证,结果显示架构可达到较好的性能效果。     

分布嵌入式环境中的Java虚拟机设计

Java虚拟机(JVM)是Java的核心技术，也是基于Java技术实现分布式计算的底层中间件。一个适合于嵌入武环境的微型Java虚拟机(KVM)可以使手机等嵌入式设备通过网络下载、运行Java Applet程序。通过采用基于预处理程序的实现技术，可以使KVM的代码校验、垃圾回收、和代码优化等在线处理工作大大减小，从而提高了KNM的性能；研究了预处理模块、垃圾回收模块的结构与算法及代码优化的策略；并讨论了具体实现中的若干问题。     

基于DPPEJ的并行计算研究

对DPPEJ(Distributed Parallel Programming Environment for Java)软件包的工作原理作了详细的介绍,并采用Java语言实现了运行于DPPEJ环境下的FFT迭代算法和递归算法的并行计算程序.通过对实验数据的性能分析表明,由于Java代码的简单性和可移植性,基于DPPEJ的Java并行计算程序通过使用RMI远程方法调用可以较好地利用网络环境下的计算资源进行分布式的并行计算,具有一定的应用前景.     

正交网格优化法在柴油机性能优化中的应用研究

正交网格优化法是求解柴油机优化问题的一种比较有效的方法。对这种优化方法进行了较详细的理论分析，给出了优化变量域的一种收缩方法和计算收敛准则。     

基于Java多线程的并行计算技术研究及应用

针对高可靠、高质量Java并行多任务程序设计,分析了Java多线程的同步机制、调度算法和通信机制的原理,探讨了多线程并行计算程序的设计方法,构造了一个具有一定实用价值的多线程并行计算应用的实例,最后指出了Java多线程的不足。     

基于改进粒子群算法的云计算任务调度策略

云计算环境下的任务调度方法是实现其高效计算的关键步骤,文章针对目前其时间效率低下的问题提出了一种基于改进的粒子群算法的任务调度方法,利用迭代选择算子引入粒子群来完成任务调度的优化。改进的粒子群算法(Improved particle swarm optimization,IPSO),提高了算法的优化能力,尽量避免陷入局部最优,收敛的效果更好从而减少任务调度时间开销。选择CloudSim仿真平台进行模拟,实验结果表明,该改进算法具有寻优能力强、时间耗时少的优点,可用于云计算问题中复杂调度优化的研究与应用。     

虚拟仪器时间特性建模与实时优化分析

针对多任务运行环境下程序执行时间的不确定性会产生响应时间不可预测性的问题,基于虚拟仪器系统结构及实时工作条件,建立虚拟仪器的响应时间模型,确定实时性能评价指标,推导各时间分量的迭代计算公式,采用读取硬件时钟周期数方法实现代码执行时间获取,系统地评测虚拟仪器实时性能指标。基于数据处理超过规定完成时限的时间分析,表明增强数据处理任务的CPU竞争能力和提高计算机平台的硬件配置是实时性能优化的有效方法。相关的实验结果也证实了实时性能评测和优化方法的有效性,通过实验数据分析,推导出在给定实际数据处理时间和按规定时限完成工作周期比例系数的条件下的最大数据采集频率估算公式,可使虚拟仪器在运行效率高达80%的负载条件下,保持稳定的实时性能。     

基于Web-Agent的分布式系统性能管理的设计与实现

随着分布式系统规模和复杂性的快速增长以及异构系统的集成,需要一种高效的工具来管理分布式系统资源·提出了性能管理由性能监视、性能控制、性能调整组成,基于反馈控制和预测控制理论设计了性能控制器,并采用Agent技术和基于Web计算Java技术设计了分布式性能管理系统,对系统结构和具体实现作了详细的讨论,有效地解决了异构平台问题和新版本的发行问题·     

基于集群式系统的GSAD算法

针对新出现的高性能价格比的集群式计算方式 ,提出了设计高效 SPMD(single program multiple data)算法的几个原则 ,并基于这些原则 ,给出了求解多极值点优化问题的 GSAD(genetic sim ulated annealing and downhill)算法的描述。该算法有机地结合了遗传算法、模拟退火以及下山的优点 ,达到了高效、收敛、可扩展的效果。基于 MPI编程实现 ,给出了该算法在几个典型的多极值点函数以及实际问题中的应用效果 ,通过与相关工作的简单对比指出了该算法的适用范围和特色。建立 SPMD求解模型是 SPMD算法深入研究的方向     

Performance Improvement of Distributed Systems by Autotuning of the Configuration Parameters

The performance of distributed computing systems is partially dependent on configuration parameters recorded in configuration files. Evolutionary strategies, with their ability to have a global view of the structural information, have been shown to effectively improve performance. However, most of these methods consume too much measurement time. This paper introduces an ordinal optimization based strategy combined with a back propagation neural network for autotuning of the configuration parameters. The strategy was first proposed in the automation community for complex manufacturing system optimization and is customized here for improving distributed system performance. The method is compared with the covariance matrix algorithm. Tests using a real distributed system with three-tier servers show that the strategy reduces the testing time by 40% on average at a reasonable performance cost.