用PAR方法解单源最短路径问题的研究

PAR方法是一种新的程序设计方法,这种方法使枯燥的算法程序设计成为一门科学和艺术。笔者将其应用于数据结构的问题解答中,并让学生逐步掌握这种方法,使学生受益匪浅。本文重点介绍了笔者使用这种方法解决一个数据结构中单源最短路径问题的全过程。     

基于TBB的并行Canny算法

在诸多图像边缘检测的算法中,Canny算法具有边缘检测性能良好、不易受噪声的影响、可以在噪声和边缘检测间获得很好的平衡等优点,不足之处是计算量大、实时性差。针对Canny算法存在的计算量大和实时性差等问题,提出了一种并行实现策略,即基于Threading Building Block(TBB)工具和C++语言的并行Canny算法,可以有效的缓解上述问题。通过串、并行算法执行时间的比较,证明了并行算法的优越性。     

SIMD-EREW模型上的最优并行排序算法

给出两种在SIMD－EREW计算模型上的最优并行排序算法,为了避免存储访问冲突,算法采用了基于并行归并的并行排序方法。对于长度为n的序列,在n^ε个处理单元上,算法的排序时间为O（n^1-εlbn）,成本为O（nlbn）,已达到了最优,且算法是自适应的。     

阶段并行模型上的并行算法设计

阶段并行模型是BSP（Bulk Synchronous Parallel）模型的改进,它更接近于表述实际的机器行为,同时具有编程简单、独立于体系结构和执行性能可预测等特点。NOWs正成为并行计算领域的的一个新的发展热点,以太网构成的微机集群系统是NOWs的一种重要实现形式,研究了群集系统中阶段并行模型上的并行算法设计,以FFT算法为例,进行了设计和分析,并给出了测试结果。     

并行聚类分析算法

数据挖掘是用来发现数据库中隐含的各个数据之间的关系和特性,聚类分析是数据挖掘所要完成的工作之一.选取了三个并行聚类分析算法并研究了与之对应的并行算法,然后讨论了并行算法的性能,并得到了一些实验结果.最后提出了一个新的并行算法,相比较其它并行聚类算法,本文所提出的算法是最有效的.     

关于并行优化算法的分析

对整体的并行优化算法,如：并行变量分块算法（PVD）、并行梯度分块算法（PGD）、并行变量转换算法（PVT）等进行了分析。这些算法将原最优化问题分解为一系列规模较小的且相互独立的子问题,从而用多台处理机同时对这些子问题求解,减少了工作量、缩短了计算时间。     

基于MapReduce的Apriori算法并行化

Apriori是挖掘关联规则最经典的算法之一,针对该算法存在的瓶颈问题研究了基于MapReduce编程框架的简单Apriori并行算法;并在简单Apriori并行算法的基础上提出一种采用固定多阶段结合挖掘策略的改进算法——多阶段并行算法。实验结果表明,改进算法能缩短挖掘时间,提高执行的效率。     

基于并行组合模拟退火的全局优化算法

针对目前优化方法求解非线性多极值优化问题时存在的不足，提出了并行组合模拟退火算法。在分析算法性能的同时用并行组合模拟退火算法对两个算例进行了求解，并与模拟退火算法、遗传算法进行了比较。结果表明，该方法简单、可靠，具有较高的精度和适应性。     

三对角方程组贪心方法并行迭代法

利用正交投影方法、贪心方法和分治策略给出一种求解任意三对角方程组的新的并行迭代解法.证明了该解法对任意的相容性三对角方程组收敛.分析了解法的复杂性、数值稳定性和相容性.探讨了解法对应的消息传递MIMD并行算法的设计方法.     

基于MPI电力系统潮流P-Q分解法的并行算法

为了更快更有效地提高大规模电力系统潮流计算的速度,引入并行处理技术,文中提出了一种基于MPI的电力系统潮流P-Q分解法的并行算法,将潮流计算问题分解为多个子任务在基于MPI消息传递模式的多处理机中同时进行计算.运用该并行算法,针对不同规模的网络进行潮流计算,结果表明,该并行算法能有效地提高电力系统计算的速度,具有广阔的应用前景.     

基于MPI和P-Q分解法的电力系统潮流并行算法的研究

为了提高大规模电力系统潮流计算的速度，在对P-Q分解法潮流计算进行分析和研究的基础上，提出了基于Ⅷ分解法的潮流并行算法的思想，并利用并行消息传递界面MPI进行了仿真，验证了算法的正确性和可行性。     

分组数据无需完整排序的并行选择算法及实验

基于分组原理，设计一个无需完整排序的分组数据，从而可大大加快并行选择算法的速度．用并行Multipascal语言编程进行仿真实验，获得了较好的结果．     

基于等价类划分的并行频繁闭项集挖掘算法

针对海量数据的关联规则挖掘问题,提出了一种有效的基于等价类划分的并行频繁闭项集挖掘算法.该算法在MapReduce框架下,通过等价类的产生与划分、数据集的分配、异步频繁闭项集挖掘和汇总等步骤,不但较好地解决了多节点间的负载均衡问题,而且易于获得可靠的频繁闭项集.实验表明,该算法能有效克服传统算法挖掘效率低、冗余规则较多的缺点,整体上具有较高的性能.     

分枝限界法的并行处理

该文对分枝阻界法的并行化作了深刻的研究，提出一通用的并行分枝限界算法设计方法，从而使该类问题并行机上难以设计算法求解的问题变得容易解决。     

基于并行遗传算法的车间作业调度

研究了并行遗传算法在车间作业调度问题中的应用,通过对传统的迁移策略进行改进,给出了运用该算法求解车间作业调度的具体过程。最后给出了计算机仿真结果,与普通遗传算法求得的结果的比较,证明了该算法的有效性和先进性。     

基于并行遗传算法的KNN分类方法

针对KNN的K值难以确定的问题,提出一种基于并行遗传算法的KNN分类方法.该方法采用粗粒度模型的并行遗传算法进行设计,通过种群内的遗传、变异和种群间的并行进化、联姻得到优化的K值和分类结果.实验结果表明,该方法有效的提高了KNN算法的分类效果,是一种精确高效的分类方法.