混合并行两步调整遗传策略的软硬件划分算法

为了提高软硬件划分方法的效率,针对已有遗传算法求解软硬件划分没有结合特定问题处理、不满足约束个体的不足,提出一种混合并行的两步调整遗传算法.采用两步调整策略将不满足约束的个体转换为可行个体,当提高方法的运行效率时,图形处理单元用于计算每个个体的硬件耗费、软件耗费和通信耗费,多核CPU(中央处理器)用于并行执行个体间的调整,流并发传输策略进一步减少CPU和GPU(图形处理器)之间的传输开销.在基准数据集上,与求解该问题的已有方法相比,运行时间和求解质量都有明显优势.实验结果验证了该方法的有效性和合理性.     

多核磺化酞菁镍（Ⅱ）的使用寿命及其对环己烯环氧化反应的催化机理

本文对多核磺化酞菁镍（Ⅱ）在环己烯环氧化反应中的使用寿命进行了考察，发现它具有较好的稳定性，可多次重复使用；提出了可能的催化机理．     

多核处理器中基于MapReduce的哈希划分优化

针对传统的并行哈希划分算法不能高效地利用多核处理器的并行资源,且不能较好处理有倾斜的输入数据的问题,提出了一种在多核处理器中基于MapReduce的哈希划分算法,并且提出了存储结构优化、多步划分优化、数据倾斜优化3种优化策略。该算法将输入数据分成若干块后提交给各个线程并行处理,并选择合适的策略避免写冲突,使其能够高效地利用多核处理器的并行资源。文中提出的哈希表能够提高cache效率,从而提升算法的整体性能。引入MapReduce模型可使多步哈希划分在Map过程和Reduce过程中分别进行;数据倾斜优化策略能使算法适应有倾斜的输入数据,且具有较好的效果。实验结果表明:在多核处理器中,文中提出的算法能够适应各种分布的输入数据,并且使哈希划分的整体性能得到提升。     

基于进程到达模式感知的MPI广播性能优化

为了解决消息传递接口(MPI)的集合通信性能在实际应用中受非平衡进程到达模式影响较大的问题,提出了基于进程到达模式感知的广播优化方法.根据多核集群层级特点,在流水线广播算法基础上,优化算法以节点内与节点间两级感知进程到达,使先到达的进程尽快开始通信操作,减少等待时间,提高通信效率.理论分析模拟结果显示优化算法几乎不受非平衡进程到达模式影响.试验测试了在不同消息大小、不同进程到达模式和不同进程数三种情况下的算法性能,结果表明:本文所提出的算法有效提高了MPI广播在非平衡进程到达模式下的性能,通信时间减少129%~174%.     

多核构架下基于OpenMP 的Huffman压缩算法并行设计

本文是对多核程序设计的一种探索,在OpenMP模型下以赫夫曼算法为基础设计并行压缩程序.首先对传统的串行程序进行分析,使应用程序开发人员了解程序行为、发现性能瓶颈、明确优化方向.再用OpenMP的基本结构进行并行程序的设计之后,借助开发工具对并行程序进行优化和调试,得到改进方案.然后在双核处理器上分别运行并行程序与串行程序,将两者进行性能上的比较,实验结果证明性能得到很大程度地提高。     

基于主动学习的有监督在线多核学习算法

为了提高大规模数据的分类性能,提出一种基于主动学习的有监督在线多核学习算法SOMK_AL(Supervised online multiple kernel learning algorithm based active learning).首先,采用主动学习的方法缩减数据规模.通过训练生成两个分类器,对读入数据xt进行预测,将两个分类器预测类别不一致的数据作为信息含量高的有标记数据,参与在线学习过程中的核更新;接着,在核集成过程中,通过随机抽样的方法构造核函数集的子集,仅仅在子集中实现核更新,缩减核更新的计算规模.最后,在大规模数据的基准数据集上进行实验,对提出的算法的有效性进行评估,结果表明SOMK_AL能较好地提高数据的分类性能.     

联机核模糊C均值聚类方法

基于核模糊C均值(kernel fuzzy C-means, KFCM)提出了一种针对较大规模数据的联机核模糊C均值 (online kernel fuzzy C-means, OKFCM) 算法,同时考虑到核参数的选择困境,借鉴多核学习思想,进一步衍生出了联机多核模糊C均值 (online multiple kernel fuzzy C-means, OMKFCM) 算法。由此,在有效缓和核参数选择难题的同时,新算法不仅继承了KFCM优越的聚类特性且适合聚类数据流。最后,在人工和真实数据集上验证了新提出的核联机算法比现有基于划分的大规模数据处理算法具有更好的性能。     

多核CPU环境下的并行遗传算法的研究

多核CPU已经成为当前CPU市场上的主流产品,设计适应多核CPU环境的算法与软件势在必行.遗传算法是一种具有很强通用性的全局搜索方法,也是一种计算量大、极耗计算资源的算法,其传统的串行计算形式并不能充分利用多核的计算资源,将其设计为适应多核CPU环境的并行计算形式,具有重要的现实意义.将遗传算法的基本操作设计成并行执行形式,并利用OpenMP将其线程化,从而对不同规模的TSP问题的求解结果来看,加速比与计算效率随着规模的增大而提高.     

片内多核共享信箱的研究与设计

针对现代多CPU的微机保护装置中不同处理器之间的信息交互采用外置存储器,系统正常运行容易受到现场复杂电磁环境干扰的问题,采用了片内存储器实现多处理器之间的交互.以片内存储器为主体构建多核芯片的多层次存储结构,并采用基于消息机制的共享信箱完成处理器之间的信息交互.利用排队论模型详尽地分析了共享信箱中数据FIFO的性能与需求,继而推导出适用于多任务系统中数据FIFO的深度经验公式.     

基于多核流处理器的BLAST并行化算法研究

序列比对是生物信息学中最基本、最重要的操作,通过序列比对可以发现生物序列中的功能、结构和进化的信息。BLAST算法是序列比对中应用广泛的算法之一。基于多核流处理器GPU和CPU的异构乎台,提出了BLAST算法构造单词表和单词匹配扩展的并行化实现方法。实验证明构造单词表的计算性能获得3倍以上的加速比;单词匹配扩展采用的混合并行方式可以获得7倍左右的加速比,内部并行方式可取得3～4倍的加速比。