网格环境下蛋白质多重结构比对的架构及其实现

针对蛋白质多重结构比对需要大量运算的问题,基于渐进式成对结构比对策略,设计了并行化的蛋白质多重结构比对架构及其在网格计算环境下的实现机制.实验结果表明并行算法大大提高了比对效率,减少了比对时间,提高了重用性.该并行蛋白质多重结构比对架构及实现方法可应用于其他的多重结构比对.     

类簇级测试任务并行化研究

为了提高传统串行类簇级测试速度, 对类簇测试任务并行化方法进行研究。使用类间依赖关系和类测试依赖关系分析方法将类簇级测试任务并行化问题转化为求解对象关系图中节点的并行性。复杂的类簇关系会形成有向环路, 为确定环路中测试的起始位置需要将环路打破, 提出了综合考虑节点度数、环路数和测试桩复杂度3 种因素的破环方法; 对消除环路的对象关系图进行并行性分析, 并设计了一种分层并行算法。通过实验对串行方案和分层并行方案进行对比, 证明了分层并行方案的有效性。     

多网格叠缩并行计算

提出一种非递归多网格算法。它适合于允许递归和不允许递归两种场合，在分布式存储计算机上的叠缩并行实现结果表明：其顺序／并行加速显著，并行化效率有大幅度提高。     

一种并行自适应微粒群聚类算法

大规模的数据挖掘如聚类问题迫切需要大量计算,提出了自适应微粒群优化的并行聚类算法。通过从多种群并行地开始搜索,基于群体搜索技术的微粒群优化算法减少了初始条件的影响,采用任务并行和部分异步通信策略,降低计算时间。结合并行微粒群算法的自适应参数动态优化特性,克服群体逐渐失去迁移性而停止进化的问题,保持群体多样性从而了避免种群退化。仿真实验证明,该算法在并行机群上运行时,加快了聚类算法的计算速度,提高了聚类质量。     

基于FPGA的卷积神经网络加速系统

以在现场可编程门阵列(FPGA)上部署卷积神经网络为背景,提出了卷积神经网络在硬件上进行并行加速的方案.主要是通过分析卷积神经网络的结构特点,对数据的存储、读取、搬移以流水式的方式进行,对卷积神经网络中的每一层内的卷积运算单元进行展开,加速乘加操作. 基于FPGA特有的并行化结构和流水线的处理方式可以很好地提升运算效率,从对ciafr-10数据集的物体分类结果看,在不损失正确率的前提下,当时钟工作在800 MHz时,相较于中端的Intel处理器,可实现4倍左右的加速.卷积神经网络通过循环展开并行处理以及多级流水线的处理方式,可以加速卷积神经网络的前向传播,适合于实际工程任务中的需要.     

设计并行智能算法优化认知无线电性能

为解决认知无线电系统中的载波间干扰问题,设计了智能算法获得认知用户的最优干扰子载波,屏蔽最优干扰子载波能消除认知无线电载波间干扰。由于智能算法的计算复杂度较高、速度较慢,因此,提出了载波间干扰抑制并行算法,并对智能算法进行并行化设计和改造,新的并行算法能在多核处理器上实现并行计算,从而提高了智能算法的计算速度,能更好地满足认知无线电系统的实际应用需求。仿真结果表明,在满足认知用户目标误码率条件下,新的干扰抑制并行算法能明显抑制影响授权用户的载波间干扰,使授权用户获得更好的误码率性能。     

高级 Petri网并行化预处理方法的研究

为了解决复杂的Petri网并行化及模拟执行问题,提出将颜色等高级Petri网转化成库所/变迁网（ Place/Transition Net）的并行化预处理方法,以便能够对P/T网实现并行化。根据颜色高级Petri网与P/T网系统的特点及其内在联系,从结构模型、代数模型对颜色Petri网转化为P/T网的预处理方法进行研究,并通过实例和编程对预处理方法的正确性和有效性进行验证。实验结果表明,提出的高级Petri网并行化预处理方法是可行而有效的。     

基于蚁群算法的多目标优化技术研究

针对蚁群算法求解多目标优化的问题,在总结2007年以来多目标蚁群优化算法基础上,着重介绍当前多目标蚁群优化算法的研究热点：基于分解、基于种群和基于Pareto解集的多目标蚁群优化以及多目标蚁群算法的并行化实现,并对多目标蚁群算法未来发展方向进行了展望.     

万核级并行飞机气动模拟软件CCFD研制

提出了面向大型飞机设计的气动模拟软件CCFD的架构和实现方法.对于复杂流场建模和高分辨率湍流数值模拟,CCFD采用对比分析各种计算模型和提高计算网格分辨率的方法来得到高精度的模拟结果和更精细的流场模型.CCFD在并行编程模型、负载平衡、通信重叠等多个方面针对万核级的大规模并行计算进行了改进.同时,CCFD实现了批处理作业、双模式控制参数设置、计算过程监控等功能的用户友好操作界面.通过在"天河一号"上进行的测试可以看出,随着并行规模从128核增加到近万核(8 192核),作业的运行时间稳定降低,加速比稳定增加.     

组件化仿真模型交互模式的并行化改造

微处理器的多核化及众核化发展趋势为推广并行仿真提供了机遇。依照仿真模型可移植性标准开发的组件化仿真模型之间通过接口、事件和数据流三种模式进行交互,但其立即响应的特点无法满足并行仿真的需求。研究了三种交互模式的并行化改造方法,在组件交互的对外表现层作适当调整,但基本保持原有风格;在组件交互的实现层,三种交互模式都被转化为并行离散事件仿真的经典事件交互范式,通过时间同步协议保证仿真逻辑的正确性及并行仿真的运行效率。组件化并行仿真模型的三种交互模式各有适用场合,丰富了并行仿真的模型交互方法。