声纳并行处理系统的设计方法与调度策略

针对声纳系统实时处理的要求,讨论了其并行程序设计方法和程序调度策略。根据声纳处理系统的功能分布、结构分层、数据流脉动的特性,将并行设计与调度映射统一考虑,建立了一种设计模式。先自上而下层层分解,以有向非循环图(directed acyclic graph, DAG)描述系统,采用网络计划技术建立数学约束模型;再从下至上逐层整合;然后按宏观大粒度调度,微观小粒度映射,程序并行流水执行的方法实现系统的运行与调度。据此设计模式对一个实例进行设计,验证其有效性。     

走近光学计算机

目前,光学计算机研究集中在追求高速度、追求二维数据并行处理和追求整机效率3个分支.介绍了各分支的研究热点和主要难点.通过对比,表明追求整机效率的三值光学计算机(ternary optical computer,TOC)具有较好的可实现性,进而详细介绍了这种光电混合型计算机所具有的数据位众多、光学处理器可重构、处理器易扩展和能耗低等特点,以及基于这些特点所产生出的解决复杂问题的新思想或新算法.还介绍了三值光学计算机的用户可见结构、联机操作方法、编程操作方法,以及在并行程序中的使用方法和硬件扩充方法,并通过举例,介绍了众多数据位数和光学处理器可重构性的应用.所涉及的实例均结合正在上海大学计算机工程与科学学院构建的,面向应用研究千位三值光学计算机实验系统展开讨论.     

LU分解在众核结构仿真器上的指令级调度研究

随着集成电路工艺的发展,众核处理器体系结构逐渐成为计算机体系结构设计者的研究热点。众核体系结构通过任务级的并行来提升整个处理器的性能。然而,指令级的并行性仍然是众核设计者需要认真考虑的问题。对浮点运算效率和加速比进行了形式化描述,验证了进行指令级调度的必要性。对处理器核内流水线进行详细分析,指出了指令级调度的一般性问题。提出了在众核结构上使用指令级调度和软件流水的方法。针对Splash2程序集里的LU分解算法,使用众核结构的硬件支持,在Scratched Pad Memory（SPM）上给出了调度指令的方案。在众核仿真器Godson-T上仿真了经过指令级调度后的算法,当使用64个线程处理512×512的矩阵时,程序性能达到调度前性能的4倍。     

作战分析仿真平台比较

作战分析仿真是以各类战争活动为研究对象,以辅助各级决策为目的的一类仿真系统,其最典型的表现形式就是各类"方案"。由于其反复计算和时间紧迫性的特点,"超实时"计算是该类系统必须要具备的关键能力。并行/分布式仿真技术被认为是高性能作战分析仿真的必由之路。以PDES为代表的并行和以HLA为代表的分布式仿真平台在此类系统中都得到了一定的应用,取得了一些进步,也获得了一些经验教训,人们对它们谁更适合用于构建作战分析仿真系统争论较多。介绍了作战分析仿真的特点,阐述了并行/分布式仿真的基本原理,比较了PDES和HLA的基本结构,并从模型组织和运行方式两方面对二者进行了详细对比,深入分析了造成它们性能差异的根源,最后提出了基于BOM组件的并行作战分析仿真解决方案。     

多目标模糊动态输出反馈控制器设计

针对一类不确定T-S模糊动态系统,利用线性矩阵不等式方法,研究了一类非线性系统H∞动态输出反馈控制,且满足闭环极点配置要求.采用动态并行分布补偿进行控制器的设计,考虑了受控输出变量中的参数不确定以及控制器中控制系数不为零的情况,较以往设计更具一般性.给出了模糊闭环系统的全局稳定性充分条件,并将其转化为线性矩阵不等式形式.最后,以复杂非线性陈系统为仿真算例,验证了算法的有效性     

串行程序的并行划分算法研究

给出了一个将串行程序进行并行划分的算法,并对算法的有效性进行了理论分析和实验验证,结果表明,该算法能有效地并行划分串行程序,提高串行程序的执行效率.     

基于GPU的矩阵求逆性能测试和分析

在CPU串行运算模式下实现大规模矩阵求逆是一个非常耗时的过程。为了解决这一问题,基于NVIDIA公司专为GPU(图形处理器)提供的CUDA(计算统一设备架构),从新的编程角度出发,利用GPU多线程并行处理技术,将矩阵求逆过程中大量的数据实现并行运算,从而获得了较大的加速比。同时,根据程序的执行结果,分析了GPU的单精度与双精度的浮点运算能力及其优、劣势。最后,通过分析数据传输时间对GPU性能的影响,总结出适合GPU的算法特征。     

机群环境下有限元的并行直接解法

在机群系统下进行有限元并行算法的研究是工程领域的前沿课题之一。本文详细分析了有限元的并行直接解法,解决了如何在机群环境下并行计算单元刚度矩阵和总刚度矩阵,并且按行或按列穿插存放在各个处理机局部存贮器中,并给出了相应算法。     

基于分布式并行遗传算法的相对波阻抗反演方法

目的研究地震相对波阻抗反演的优化方法。方法比较遗传算法二进制编码、实数编码在最优个体保存策略、随机均匀分布选择、分散交叉、高斯变异和分布式并行方案下的全局寻优能力。结果实数编码分布式并行遗传算法优于基本遗传算法,用该方法对数值模型和实际地震剖面进行波阻抗参数反演,验证了分布式并行遗传算法的有效性、优越性。结论基于分布式并行遗传算法的相对波阻抗反演,为遗传算法在地震属性的优化研究中提供了一种改进思路。     

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.