基于OpenMP的多核程序设计技术

探讨了基于OpenMP的多核程序设计技术,介绍了OpenMP并行编程模型、编译指导语句及常用库函数。为验证OpenMP的性能,对求解二次分配问题的粒子群优化算法采用OpenMP技术进行并行化。实验结果证明了基于OpenMP的并行算法的有效性。     

数据挖掘网格中决策树并行算法设计及性能分析

提出了C4.5决策树算法的一种并行算法,使传统的串行分类算法能在多台PC机和服务器组成的数据挖掘网格上并行数据挖掘. 采用数据纵横剖分,结合递归过程的并行化,实现了可扩展的高性能并行计算,解决了处理海量数据时没有较好并行分类算法的问题. 并给出了指导该并行算法高效计算的方法. 数据运行试验和算法分析表明,该并行算法的性能受多个因素影响,并具有高效的并行效率计算加速比.     

数据挖掘网格中决策树并行算法设计及性能分析

提出了C4.5决策树算法的一种并行算法,使传统的串行分类算法能在多台PC机和服务器组成的数据挖掘网格上并行数据挖掘. 采用数据纵横剖分,结合递归过程的并行化,实现了可扩展的高性能并行计算,解决了处理海量数据时没有较好并行分类算法的问题. 并给出了指导该并行算法高效计算的方法. 数据运行试验和算法分析表明,该并行算法的性能受多个因素影响,并具有高效的并行效率计算加速比.     

模拟退火与蚁群混合并行算法解旅行商问题

求解TSP问题的智能优化算法主要包括蚁群算法和模拟退火算法等,这些算法求解TSP问题的速度比传统的精确求解算法有很大改进,但在问题的求解空间逐渐增加时,串行执行速度往往还是无法满足人们的需求.针对此问题,研究了蚁群算法、模拟退火算法以及两者的混合算法的并行实现方法,建立了PC机群实验平台,基于MPI环境对蚁群算法、模拟退火算法以及混合算法的并行算法进行了测试.根据理论研究和实际测试的结果,比较了并行算法和传统串行算法的性能差异,总结了利用PC机群系统求解旅行商问题的并行求解的可行性,得出了关于并行效率等方面的一些有意义的结论.     

一种基于多线程技术的并行FFT算法

在传统的串行FFT算法基础上提出了一种基于多线程技术的并行FFT算法．实验数据表明：该算法在一定程度上能提高程序的执行效率，特别是当增大计算负载时，该算法的执行效率与传统的并行算法的比值（加速比）将趋近于处理器的个数．     

多核计算机上并行计算的实现与分析

研究多核计算机上OpenMP编程模式和MPI消息传递机制编程模式的运行效能,并在双核和四核计算机上,分别使用传统算法和并行算法计算了和式∑ni=1i和n×n矩阵的乘积以及矩阵的Cholesky分解,数值试验结果表明,传统的串行程序只能利用二分之一的双核CPU资源和四分之一的四核CPU资源,而并行程序在双核和四核计算机上的并行效率很高,并且OpenMP编程模式的运行效率比MPI编程模式的运行效率稍高。     

基于MapReduce模型的分布式粒子群算法

通过对传统的单种群粒子群算法的分析,提出一种基于MapReduce模型的分布式粒子群算法,解决粒子群算法在求解大规模优化问题时求解效率和精度明显下降等问题。在粒子群进化过程中,粒子速度和位置的更新采用惯性权重的方法,其权重值线性递减,并且利用多子群进化策略,提高算法的收敛精度。通过MapReduce模型实现算法的并行化,有效提高算法求解效率。选取目前比较流行的几种算法,并在13个500维、1 000维的标准测试函数上仿真试验,结果显示该算法具有良好的优化性能。     

多线程的多特征粒子滤波跟踪并行算法

多特征粒子滤波较传统粒子滤波跟踪精度高,其运算量大,跟踪实时性差．文中结合多特征粒子滤波的算法特点,提出了基于多线程的多特征并行模型,在算法实施上采用多线程与多特征进行匹配,并分析了该模型的并行效率以及各特征间通讯机制的协调性．实验结果表明：该并行算法提高了多特征粒子滤波两倍以上的效率．     

一种求解Job Shop调度问题的混合粒子群优化算法

目的 解决单一粒子群算法求解Job Shop调度问题存在的不足,提高这类问题的求解质量.方法 采用粒子群算法进行全局搜索,将禁忌搜索算法用于并行局部搜索,禁忌搜索在找到改进解的邻域时采用动态记忆的方式.结果 在较短时间内,找到了LA21,LA24等典型benchmarks问题的最优解.十次求解的平均值的平均相对误差百分比比并行遗传算法和禁忌搜索算法分别小了2.94%和0.56%.结论 提出一种混合粒子群算法,增强了粒子群算法的局部搜索能力,说明该混合粒子群优化算法是有效的.     

PC-Cluster下的FFT并行算法分析

在地震资料处理中,大数据量的FFT运算非常耗费机时,在PC机群上实现FFT的并行运算,是一种低成本高效率的解决手段,但并行算法设计不是简单地串行运算的推广,仅仅考虑计算功能的实现是不够的,还需要考虑到通信的设计等与并行环境相关的因素才能充分挖掘并行系统的计算能力。本文讨论了FFT在PC机群环境下的MPI并行算法的设计思路,并对实际运行效果比较分析,得出了一些提高FFT并行效率的解决方法。     

基于粒子群优化的多核处理器系统节能调度算法

针对嵌入式多核系统中的实时性和能耗问题,提出了基于粒子群优化的多核处理器系统节能调度算法.通过对多核处理器系统任务调度和能量消耗的分析,建立了新的编码策略和相应的目标函数,将任务划分、任务调度及电压选择3个过程整合到粒子群算法的一个单迭代寻优循环中,并兼顾系统的实时性,将问题转化为有约束的粒子群优化问题,利用可行性规则的约束处理技术,形成基于约束粒子群优化的整体节能调度算法.实验结果表明:本文算法能以较快的速度收敛于使系统能耗更少的调度解.     

一种利用互信息的多核并行医学图像配准算法

分析了利用互信息作为相似性测度进行医学图像配准的算法,给出了具体计算流程.针对其中互信息计算量大、耗时长的缺点,提出了一种运行于单机多核平台的快速并行配准算法.利用OpenMP（open multi-processing）构建了一个图像匹配的多核并行计算平台,并对配准程序中的互信息计算进行并行处理,最后完成配准.通过对图像匹配算法效率进行的评估实验,验证了多核并行计算技术能够提高医学图像配准的运行效率.结果表明,该方法既保证了配准精度,又能够较好解决配准速度慢的问题.     

基于拟蒙特卡罗方法的供水管网抗震可靠性分析并行化研究

为了提高基于蒙特卡罗（Monte Carlo）方法的供水管网抗震可靠性分析效率,以低偏差Sobol点列替代伪随机数序列对供水管网节点和管段破坏概率进行抽样,结合宽度优先搜索算法,提出基于拟Monte Carlo方法和统一计算设备架构（CUDA）的供水管网抗震可靠性分析并行算法,并从内存、执行配置和指令等方面优化并行算法. 以某城市供水管网系统为例,对比串行和并行计算方法的精度及效率,分析Sobol点列和伪随机数序列对管网可靠性分析的影响. 结果表明,并行和串行方法计算结果的误差最大为0.52%,并行方法最高加速比为串行算法的96倍,在保证结果精度的同时大幅度提高计算效率. 基于Sobol点列进行1 000次并行模拟及基于伪随机数序列进行5 000次并行模拟,2种模拟结果与基于模糊数学法的解析值的最大误差分别为0.2%、0.4%,表明基于拟Monte Carlo的并行方法具有更高的精确度,更快的收敛速度.     

粒子群优化算法及其与遗传算法的比较

粒子群优化算法是根据鸟群觅食过程中的迁徙和群集模型而提出的用于解决优化问题。该文讨论粒子群优化算法的基本原理和实现步骤,分析了该算法中各参数的设置。通过一个测试函数,对粒子群优化算法与遗传算法进行了比较,结果表明粒子群优化算法在找寻最优解效率上好于遗传算法。     

一种基于OpenMP的DSWP自动并行算法

多核处理器能够提升多线程程序的性能,但早已存在的诸多单线程程序无法从中获益,程序员也习惯于编写单线程程序。自动并行化技术是将单线程程序移植到多核上的重要手段,但是当循环中存在无法确定的数据依赖或复杂的控制流时,传统的自动并行化技术无法取得良好效果。decoupled software pipelining（DSWP）算法针对传统自动并行失败的循环实现了指令级的细粒度并行,但是需要对处理器体系结构和指令集的深入了解,对其并行性能和应用广泛性带来限制。通过对DSWP算法进行改进,提出了基于OpenMP的DSWP自动并行算法。该算法增大了并行粒度,使用OpenMP并行应用编程接口实现并行,不再依赖具体的体系结构,实现了DSWP算法的应用扩展。通过对基准测试集NPB3.3.1的测试表明,传统自动并行失败的循环,经文章算法并行后在双核处理器上平均加速比达到1.23以上;使用添加了文章算法的Open64编译器生成的并行程序,与仅使用传统自动并行方法的Intel编译器和Open64编译器所得程序相比,平均加速比分别高出22%和26%。     

基于改进的粒子群和遗传算法的混合优化算法

分析粒子群算法在求解组合优化问题中的运行原理,对警车分布的优化问题建立了粒子群优化的数学模型,对基本粒子群优化算法中的速度范围、惯性权重等参数进行了改进,并通过仿真与基本粒子群算法比较,显示改进的粒子群算法,提高了优化结果.在改进的粒子群算法中引入遗传算法,将形成的新混合算法应用到求解警车最优执勤地点的分布问题,并与遗传算法和改进的粒子群算法仿真比较.结果表明,混合优化算法在收敛速度和精度上均有明显的提高.     

约束自适应粒子群优化算法及水厂调度

针对粒子群优化算法应用于约束优化问题时易陷入局部极小值的问题,提出了一种改进的粒子群优化算法. 该算法综合了约束优化问题的目标函数值和约束函数的违反度值作为粒子群优化算法的双适应度值, 采用了双适应值动态判断粒子群优化算法中粒子的优劣. 违反度值的计算引入了自适应加权系数,相应地提出了调整各权系数的自适应策略, 并改进了粒子群优化算法的粒子竞争选择策略,拓展了粒子群优化算法的单适应值的应用范围.应用约束自适应粒子群优化算法实现了城市水厂的节能优化调度. 结果表明, 该算法收敛速度快且结果可靠. 粒子群优化算法为解决工程约束优化问题提供了一条可行途径.     

流水工序调度与生产效率的关系模型分析

提出一种基于粒子群算法的流水工序调度任务优化模型.利用流水工序调度任务的特点得到流水工序时间约束条件,利用粒子群算法的原理建立流水工序调度任务优化模型,利用粒子群算法对模型进行求解.仿真实验表明,利用该算法能够得到流水工序调度问题的最优解,提高生产效率.     

片上网络良率评估的GPU加速

针对片上网络良率评估速度较慢、效率较低的问题,研究片上网络良率评估的GPU加速,提高评估算法的执行效率.将良率评估中的样本分析算法移植到GPU平台;在分析、比较了不同平台,随机样本生成算法优劣的基础上,发现GPU平台不适合生成样本;进一步优化CPU平台上的样本生成算法,使之能与GPU一起,实现异构并行;提出CPU生成样本、GPU执行样本分析的异构并行方案.与仅使用CPU的评估算法相比,采用提出的异构并行算法实现了10倍的运行效率提升.     

Level set函数重新初始化的并行快速步进法

为提高level set函数重新初始化的计算效率,基于分区并行思想,提出一种快速步进法的并行策略,实现level set函数的快速并行重新初始化。通过对圆球、五叶管和圆环管等算例的level set函数重新初始化,讨论了新并行算法的准确性和效率。结果表明,与串行快速步进法相比,并行算法保留了串行算法的精度,仍基本保持在1阶左右,同时显著减少了重新初始化的计算时间,特别在8线程条件下,所获的最佳加速比能够达到5。