p_HPF并行编译器对数据并行和任务并行的支持

p_HPF是一个基于cluster体系结构的HPF并行编译系统,它不仅支持数据并行计算范例,而且也支持任务并行范例。给出了p_HPF并行编译系统的体系结构和实现策略,介绍了p_HPF实现数据并行和任务并行的机制,包括数据分布方法、外部过程调用等。还给出用p_HPF求解N_body、快速傅立叶变换、单炮地震资料的处理等应用实例。     

OpenMP中隐式数据并行编译策略

为了实现OpenMPFortranAPI2.0中通过WORKSHARE语句提供的对隐式数据并行的支持,提出了计算划分原则、计算划分算法以及实现方案。还给出了针对编译中产生的冗余同步以及相容的DO循环等情况的优化技术。将实现方案与EFC(Intel产品编译器)进行了对比测试。结果表明,该并行编译策略有效地实现了对隐式数据并行的支持。所述优化技术能够提高并行程序执行效率:消除冗余同步对于负载不平衡的情况所提高的效率与各线程最小总等待时间成正比;合并循环体能提高7%左右的效率。     

基于约束信息的并行k-means算法

为获得分布式数据集上用户所期望的聚类结果,提出了基于约束信息的并行k-means聚类算法.在分析并行k-means能够有效实现对水平分布式数据集进行聚类的基础上,修改并行k-means算法的目标函数,设计约束并行k-means算法,将站点用户的约束信息以chunklet的形式引入到分布式聚类过程,从而引导算法执行有偏搜...     

一种并行实时数据库动态平衡算法

在探讨并行系统环境中影响实时事务执行时间3个因素：工作负载、数据的获取以及事务调度等的基础上。利用启发策略并采用新的数据迁徙及事务迁徙技术，提出了一种并行实时数据库动态平衡算法．在PRTS系统上实现了该算法，从加速比和实时事务执行成功率两个参数上论证了该算法的可行性和优越性．     

柔性制造控制系统的并行设计方法

通过分析控制系统并行设计的支持环境，建立了控制系统并行设计支持环境的框架模型．从面向对象以及并行工程观点出发，提出了控制系统并行设计的策略，构造了以过程为中心，控制系统体系结构、数据、过程建模、用户界面／接口并重的面向对象的控制系统并行设计的工作流集成模型．在此基础上，描述了控制系统并行设计的实施内容和步骤．建立在上述设计方法基础上的柔性制造控制系统具有可重用性、可靠性、鲁棒性和开放性等特点．     

基于因果关系复合的结构化并行程序设计

基于有关因果关系复合的ＣｏｍｍｕｎｉｃａｔｉｏｎＣｌｏｓｅｄＬａｙｅｒ理论，提出了一种结构化并行程序设计方法，以支持不同并行平台的“通用”并行程序设计方法．因果关系复合的范式定理的证明在理论上保证了采用“ＳＥＱＯＦＰＡＲ”形式进行结构化并行秩序设计的可行性；良好的代数性质也使得在这一模型中可采用代数方法的程序变换来进行并行程序设计、优化和验证．与其他并行程序设计模型和方法相比，提供了一种非常自然地综合描述数据并行和控制并行的途径；特别是基于代数变换的程序变换技术，提供了一种既独立于具体的体系结构又可高效实现的可能性．     

基于Verilog-HDL的微机并行数据传送

介绍了微机并行打印口的基本构成，从系统结构、逻辑框图、时序图及打印口控制等多个方面，详细阐述了用并行打印口实现并行数据传送基本方案，并且给出了实现该方案的Verilog—HDL描述。     

量子计算在增量式大数据并行挖掘中的应用

针对传统大数据并行挖掘方法是一次性对所有数据进行挖掘,导致挖掘时间较长,挖掘精度较低等问 题,采用量子计算对增量式大数据并行挖掘方法进行优化设计。首先,按照数据挖掘的基本流程搭建并行数据 挖掘模型; 然后分别通过定义量子比特、量子搜索算法、量子神经网络处理以及量子映射变换4 个步骤,实现 增量式数据的预处理,利用矩阵向量相乘分解得到过滤权重组合,通过该组合实现预处理结果的并行协同过 滤; 最后通过量子模糊聚类得出增量式大数据并行挖掘结果。实验结果表明,应用量子计算的增量式大数据并 行挖掘方法的平均召回率为97． 25%,并行挖掘时间在2． 1 ～ 3． 2 s 的范围内浮动,准确率超过95%,且该方法 的收敛性最好,寻优能力强。     

基于WCF架构的DEM数据并行绘制

在计算机集群上,采用Windows通信基础(WCF)架构,实现大范围DEM数据的并行绘制.根据控制节点的任务分配策略对集群中各服务器进行任务分配;服务端采用WCF的任务并发模式,对控制节点分配的任务直接分发给服务实例,无需放到消息队列中进行等待,以此提高集群对DEM数据的并行绘制效率.通过对不同数据量的DEM数据进行集群的并行绘制测试,得出绘制加速比随着数据量的增加而增加的结论,这对于大数据量的DEM数据的并行处理具有重要意义.     

Apla-Java 可重用部件库并行、并发机制的研究

Apla-Java可重用部件库是PAR方法的重要研究成果.实验证明它对基于PAR平台进行串行Java程序开发提供了有效的支持.实现部件库的并行、并发机制,使其支持并行、并发程序设计,对于提高并行、并发软件开发效率具有重要意义.该文研究并提出了并发类库的若干设计策略并实现了Apla-Java可重用部件库并行、并发机制.     

基于线程并行计算的Apriori算法

针对数据挖掘中经典的Apriori算法在计算频繁项目集时需消耗大量的时间缺点,文中利用多线程并行计算的特点,提出了基于线程并行计算的Apriori算法,该算法是将统计候选项目个数的任务交给多线程来执行,从而达到减少Apriori算法的运行时间。通过实验数据分析,该算法对减少Apriori算法的运行时间有很大的提高。     

并行数据采集器任务分配策略的设计与实现

介绍了搜索引擎数据采集器的并行技术 ,分析了并行数据采集器的任务分配模式及其工作原理 ,讨论了任务粒度对动态分配效果的影响 ,并提出了动态分配模式下的任务分配策略 ,最后介绍了SunONEGridEngine的任务调度机制 ,并利用SunONEGridEngine对所提出的动态任务分配策略进行了实现     

双核配置下的线程并行数值计算

针对常规软件由串行向并行过渡时产生的故障,建立了基于线程并行的数值计算模型,以蒙特卡罗方法计算圆周率为具体实例,给出了完整的线程并行计算示例,并且讨论了影响并行效率的因素和任务拆解方法。     

基于MapReduce的C-Cubing并行算法

封闭立方体计算的主要任务是在生成一个数据单元时,判断其是否封闭。针对该问题,C-Cubing是新近提出的一种有效的方法,不同以往基于输出或基于元组的方法,它仅通过特定的度量,即封闭性度量,就可以判断出封闭单元。然而随着数据量的增加,C-Cubing的性能下降,因此它的并行算法还有待研究。本文提出基于MapReduce并行框架,采用C-Cubing对封闭立方体并行计算的方法,并在Hadoop上给予了实现。实验结果表明,本方案能够利用廉价的PC机器,有效提高了在较大数据集上计算封闭立方体的性能。     

并联机床机构的分析

介绍了并联机构的产生、发展及其应用，阐述了并联机床的发展，并对并联机床机构进行了位置、运动及其空间分析。     

平行数据模型的设定和估计

截面数据是选择同一时间上不同区域的数据作为样本观测值 ,而时间序列数据是选择同一区域在不同时间上的数据作为样本观测值 ,二者在实际应用中都有一定的局限性。平行数据结合了截面数据和时间序列数据的优点 ,基于平行数据的模型能解决只利用截面数据或者只利用时间序列数据所不能解决的问题 ,文章对平行数据模型的设定和估计问题进行了研究 ,结合实际对福建省地级市居民消费函数建立了平行数据模型     

并行处理中节点间通信对加速比的影响

加速比是衡量并行处理性能的重要指标之一;较高加速比的获得除与任务的划分、并行算法的选择等有关外,还与各节点间的通信有关;在大多数并行系统中,在数据规模确定的情况下,程序的加速比随节点数的增加而增加,但是大多数机群系统的节点间是共享物理传输介质的,这就使得许多并行程序的加速比在节点数目超过某一个值之后会随着节点数的增加而减少;文章通过数值实验研究,分析了节点间通信对加速比的影响,进一步论证了节点间通信对加速比的重要影响。     

一种适用于机群系统的细粒度遥感图像镶嵌并行算法

为得到全局色调一致的无缝镶嵌图像 ,提出了一种细粒度遥感图像镶嵌并行算法。该算法通过维护一个“双缓冲队列”和采用“任务动态选择”算法进行任务分配 ,极大地减少了通讯开销和任务等待 ,而且图像的色调均衡化和重采样都可融入到镶嵌算法中并行执行。还提出了一种基于不规则边界的改进λ插值图像融合算法 ,用以进行图像重叠部分的无缝拼接。对镶嵌算法性能的实际测试和分析结果表明 ,该算法在机群系统上获得了近似线性的加速比和良好的视觉效果。     

基于人工神经网络的并行强化学习自适应路径规划

强化学习是通过对环境的反复试探建立起从环境状态到行为动作的映射。利用人工神经网络的反馈进行权值的调整,再与高学习效率的并行强化学习算法相结合,提出了基于人工神经网络的并行强化学习的应用方法,并通过实验仿真验证了迭代过程的收敛性和该方法的可行性,从而有效地完成了路径学习。     

一种基于并行计算熵迁移策略的多分辨DOM数据生成算法

数字正射影像图(digital orthophoto map,DOM)数据通常以多分辨数据形式组织,并以切片的方式存储,而海量多分辨DOM数据的生成需要大量计算和大容量存储.针对此问题,提出一种基于并行计算熵迁移策略的并行多分辨DOM数据生成算法,以减少海量多分辨DOM数据的生成时间.该算法采用并行计算熵来衡量并行计算机系统的负载平衡程度,并以此判断何时需要进行负载迁移以及如何迁移.仿真实验表明,与串行算法相比,该算法能有效减少程序执行时间,并且能获得较高的加速比和并行效率.