网格中数据并行流水线的任务指派优化

为缩短网格中数据并行流水线在吞吐率受限下的延迟,提出了一种优化任务指派的算法.在一个流水线中,每个任务都可以是一个数据并行程序.当多个任务被指派到同一个并行系统时,假设每个任务排它地使用一组处理机.     

并行数据库视图物化的主动触发规则

提出了并行环境下物化视图增量保持的主动多触发处理机制，该机制对物化视图增量保持领域这方面的研究以及利用并行处理能力来解决物化图增量保持的多触发问题的研究具有一定意义。     

多视图聚类研究进展与展望

多视图聚类旨在利用不同视图间互为差异、互相补充的信息对数据对象进行聚类。近年来,多视图聚类作为一项重要的无监督机器学习方法和数据挖掘技术,在众多领域得到了广泛关注。文章对现有的多视图聚类模型与算法进行了梳理,将其归纳为六个方面,并对其进行了详细论述。进一步,对复杂环境下多视图聚类任务面临的挑战进行了展望,以期推动该领域的不断创新与发展。     

网格中数据并行流水线的任务指派优化

为了缩短网格中数据并行流水线在吞吐率受限下的延迟,提出了一种优化任务指派的算法.在一个流水线中,每个任务都可以是一个数据并行程序.当多个任务被指派到同一个并行系统时,假设每个任务排他地使用一组处理机.根据优化目的,优化过程可分成连续的两个阶段,即提高吞吐率和缩短吞吐率受限下的延迟.对不同的优化阶段,用不同的启发式算法确定一个并行系统中每个任务的处理机数.改派任一任务都会使流水线的性能发生变化,性能提高的幅度被称为任务优先级.通过重复改派优先级最高的任务,流水线的性能可迅速提高,这在仿真实验中已得到了证实.     

MIMD机器上流水化BP算法的实现

神经网络训练过程中的高昂计算代价是有待克服的一个主要困难。作者把前馈多层神经网络的相继各层看做流水线的相继步骤，从而提出了一个在ＭＩＭＤ机器上实现的并行ＢＰ算法来提高误差反传递算法的效率。文章的最后，对ＢＰ算法的并行实现进行了分析，理论分析结果显示，多种神经网络结构都可有效地并行化。     

并发更新环境下的视图维护异常研究

通过对视图维护过程中的更新异常进行分析,发现并发更新是导致视图维护异常的主要原因.在并发环境下,数据更新和模式更新极有可能同时存在,这对视图维护工作带来极大的困难.在实例分析基础上,深入而细致地刻画了模式与数据全面并发的典型情形,为视图维护工作奠定基础.     

多数据源数据仓库实体化视图维护与下查

研究了多源单视图下数据仓库实体化视图联机维护与下查一致性问题,并提出普适性强一致收敛维护算法M-Glide.算法引入动作列表来控制数据仓库收到的信息顺序,采用版本控制、补偿思想和应答机制来协调源数据库与数据仓库间的数据更新,从而保证了数据仓库视图维护与下查的一致性,并通过一个示例说明了该算法在实际中的具体运用.     

数据仓库中实现图聚集函数的增量更新

提出在视图表达式树中由下到上的方式计算中间结点的变化，将计算出的中间结果作为辅助视图保存在数据仓库中，利用这些辅助视图或子视图计算出来的聚集函数的变化，来计算本视图聚集函值的更新，实现视图的增量维护，从而缩短数据仓库更新维护时间，提高OLAP查询效率，同时，介绍了实视图中聚集函数的增量更新算法，实现实现图聚集函数的更新维护。     

数据相关性分析的非精确算法

提出了一种行之有效的数据相关性分析的非精确算法．对该算法在运行效率及可行性上进行了详细分析，并在数据相关性分析非精确算法讨论的基础上，提出了一种对相邻循环进行并行性开发的一种新的程序转换技术，从而解决了相邻循环程序之间可并行执行程序段的转换问题．在多CPU高性能计算机的硬件环境下，为设计出高效率的、适合于并行处理环境的软件系统提供了一种有效的算法．     

一种物化Web视图的在线选择算法

建立了一个考虑更新代价的Web视图置换测度模型,并以此为基础,提出一种物化Web视图在线选择算法DCR.该算法在简单的缓存算法基础上引入了选择置换机制, 通过监测提交的用户查询, 决定是否将其结果予以保存, 必要时依据置换测度值的大小进行置换, 实现Web视图物化总量的控制, 防止视图过分物化, 以降低动态缓存管理、索引和检索的开销.同时可结合适当的维护方式, 提高更新效率, 避免频繁的更新对查询性能产生太大的影响, 使整个算法更具适用性. 实验表明, 在查询集较大、数据源更新比较频繁的场合, DCR算法可以降低视图检索开销, 并可通过机会更新有效减少了失效视图的数量,使算法在用户查询响应性能方面显示出较大的优势.     

网格中流水式计算的一种任务指派算法

为取得网格中流水式计算的高吞吐率,提出一种任务指派算法X max min.在一个流水线中,任务彼此是并行的,且每个任务本身是可并行化的.当多个任务被指派到同一个并行系统时,通过最小化任务计算成本的最大值确定每个任务分得处理机的个数.任务用于收发数据集的通信成本依赖其他任务的指派,故当相关任务的指派未完成时,需要在任务通信成本中引入均值估计.任务响应时间是计算成本和通信成本之和,它是任务指派的函数.用max min算法确定任务指派,可有效降低任务响应时间的最大值,从而使流水线的吞吐率得到提高.仿真实验表明,X max min算法使流水线取得的吞吐率与复杂的Taura算法相当.     

一种JPEG2000算术编码器的优化算法与实现

通过对索引表和概率间隔区间更新条件的分析,提出了一种JPEG2000算术编码器的部分并行优化算法.在连续编码两个数据对时,通过预测间隔区间的变化,可以一次完成索引表和间隔区间的更新,从而减小了编码数据的关联性,实现了算术编码器的部分并行编码.设计了基于3级流水线的JPEG2000算术编码器,并通过了FPGA验证.试验结果表明,该算法平均每个时钟编码1.58对数据,比每个时钟编码1对数据的普通算法,编码效率提高了58%.     

并行多任务环境Agent联盟快速生成算法

并行多任务环境下Agent联盟的生成是多Agent系统Multi-Agent System(MAS）的难点.本文将蚂蚁算法应用到了并行多任务环境下多Agent联盟的生成问题.根据多任务的特性,提出了一种采用多种群蚂蚁的算法MCACO (Multi-Colony Ant Colony Optimization）来解决并行多任务环境下的联盟生产问题。在MCACO中采用新的信息素更新策略提高了算法的全局搜索能力.仿真实验证明了本文方法的有效性.     

一种基于特征的全景视图生成算法

全景视图在视频会议、虚拟现实等领域有广阔应用前景，而现有的合成技术对大角度旋转等失配以及存在视差的情况效果不佳，为此提出一种鲁棒性较好的全景视图生成算法．该方法首先利用可重复性特征估计透视运动模型，从而对相邻视图进行配准；然后利用显著特征对视图分层，并对重叠区域进行非线性融合，以减小视差对重叠场号的影响．多幅不同条件视图的合成实验表明，该算法在大角度旋转及视差等情况下仍能较好地合成视图．     

一种高效的实视图选择算法

数据往往被存储在分布式的数据源中,当需要对数据做查询操作时,就无法像查询单数据源那样有效率.联机分析处理(OLAP)被提出,并用来克服这个问题.在这个过程中,为了提高OLAP的查询效率,采用了将视图实体化的技术,即将综合性的复杂的查询结果放入实视图中,再将OLAP查询与实视图相互关联起来.但是,实视图需要占据大量的物理存储空间,而当数据源一旦更新时,为了与底层数据源保持一致,必须对实视图进行相应的更新维护,从而产生实视图的维护代价,因此实视图选择必须在提高查询响应速度和资源限制二者之间做出一定的权衡.文章提出了一种算法,可以在对维护代价一定条件约束下,使得查询代价达到最小的算法.经过实验,该算法不仅计算复杂度较小,而且维护成本较低.     

并行多任务环境下Agent联盟的快速生成算法

针对并行多任务环境下Agent联盟的生成问题,提出了基于多种群蚂蚁算法的Agent联盟生成策略.在该联盟生成策略中,种群内部蚂蚁相互合作,协调资源分配并完成相应任务;种群间蚂蚁进行资源竞争,协调解决并行多项任务间的资源冲突.同时,改进的信息素更新策略在综合考虑局部联盟收益和全局联盟收益的基础上提高了算法的全局搜索能力和生成联盟的质量.仿真实验结果表明,文中算法在多种典型条件下都能生成比现有算法更加高效的联盟结构.     

基于FPGA的北斗B3I同步算法的研究与实现

针对BDS-B3I弱信号同步算法运算量大的难题,提出了一种改进算法。该算法先计算累加时长1ms的互相关序列,然后根据信号模型将运算结果扩展为累加时长20ms的互相关序列。基于FPGA技术,将改进算法简化为累加运算节约芯片开销,并设计一种并行+流水线化的电路结构,达到同时搜索多路卫星信号的目的。MATLAB仿真和FPGA验证表明,改进算法的计算量相比原始算法下降了90%,SNR>-34dB且频偏<±30Hz时捕获概率达到100%,流水线和并行化结构进一步加快卫星信号搜索速度,具有较强实用性。     

采用FPGA技术的北斗B3I同步算法

针对BDS-B3I弱信号同步算法运算量大的难题,提出一种改进算法.该算法先计算累加时长1 ms的互相关序列,然后根据信号模型将运算结果扩展为累加时长20 ms的互相关序列.基于FPGA(现场可编程门阵列)技术,将改进算法简化为累加运算节约芯片开销,并设计一种并行且流水线化的电路结构,达到同时搜索多路卫星信号的目的. MATLAB仿真结果和FPGA验证表明,改进算法的计算量相比原始算法下降了90%, SNR-34 dB且频偏±30 Hz时捕获概率达到100%,流水线和并行化结构进一步加快卫星信号搜索速度,具有较强实用性.     

分布多跳式网络吞吐量优化的并行性研究

传统的分布多跳式网络吞吐量的优化方法并不能满足用户高移动性、高数据速率的要求.为了提高分布多跳式网络吞吐量的优化性能,提出并实现了分布多跳式网络吞吐量的分布式并行优化算法.首先将分布多跳式网络等效成M/M/m级联排队系统,并用流水线技术实现了优化算法.然后研究了用户移动速度和网络环境对吞吐量的影响,并以此得出一般的近似最优的分布式算法.最后分析了多用户之间的干扰问题对网络吞吐量的影响.仿真结果表明,并行优化算法可以提高分布多跳式网络的吞吐量和降低通信时延;理论分析结果也说明了在某些情况下可将干扰看作高斯噪声.     

一种基于时空因素的实化视图选择算法的研究与设计

分析了几种经典视图选择算法存在的不足,提出了一种新的基于时空因素的价值模型,在此基础上设计了一个新的视图选择算法——PBPUS(preprocessing benefit perunit space)算法。该算法与原有算法相比,降低了视图搜索的时间,减少了实化视图更新维护的代价,有效提高了实化视图的查询效率。