集群下Cholesky分解的数据重用算法

核外计算中,由于磁盘I/O操作特点是启动开销大,所以对文件的访问时间占的比例较大。如果能减少读取文件操作的次数则可以大幅度地提高运行效率。数据重用是一种有效的减少I/O操作次数的技术。本文将数据分成几个文件,然后将本次Cholesky分解完毕的文件继续的留在内存缓冲区中。当对下一个文件进行分解时,可用上一个刚分解完的文件进行数据的更新。这样就减少了读取数据的I/O操作次数,从而提高了分解效率。     

基于文件拆分与高斯消去的线性方程组求解

针对集群系统内存不足导致大规模矩阵无法调入的情况,设计并实现一种基于文件拆分与高斯消去的线性方程组求解算法,将大规模系数矩阵文件连续拆分为多个规模可控的子文件进行存储和计算,使服务器空闲内存小且具有较好的计算能力。在ABEEMσπ模型中的应用结果表明,当Altix3700服务器任务提交量大、CPU占有率高时,该算法仍可以计算出蛋白质分子的电荷分布。     

采用混合时钟模式提高Linux时钟精度的方法

时钟精度直接影响到实时任务能否被及时响应和调度,数控系统要求其软件平台能提供微秒级的时钟精度。Linux操作系统由于其开放源代码的特点,非常适合开发具有自主产权的全软件数控系统,但是其毫秒级时钟精度明显过于粗糙。结合上述方法,提出一种混合多种时钟模式的动态时钟系统,提高Linux的时钟精度。通过仿真测试证明能满足数控系统的要求。     

基于服务器并行求解三角形方程组的设计与实现

针对在实际应用中超出内存容量的大规模矩阵不可调入的问题,设计并实现了一种面向A矩阵连续划分的、子文件大小可调节的求解三角形方程组的并行方案.理论上只要在不超过硬盘容量的前提下,该算法可以在小规模内存条件下求解任意规模的矩阵.最后给出在Altix3700服务器上基于ABEEMσπ模型的数值实验,实验结果表明了该算法的有效性.     

解非均匀区域油藏模拟问题的一种有效并行计算方法

运用区域分解方法求解油藏模拟问题,结合灵活的区域划分和负载平衡策略,可以提高解题速度.但一般区域分解方法在应用中存在算法收敛慢,计算量增加,虽有一定加速比,但提高不大.特别是对非均匀区域的应用问题,子区域收敛速度不同引起的负载不均衡进一步导致性能下降.本文基于分布式并行系统,运用整体预处理改进区域分解方法,降低了非均匀油藏模拟问题的计算复杂性,提高了模拟计算的速度,并根据全局和本地负载状态调整区域划分,结合有效的负载平衡策略,达到对一类黑油模型油藏模拟问题高效的并行求解.实验结果表明,模拟速度有较大提高,并取得较高加速比.     

多层油藏模拟并行计算与负载平衡

在油藏数值模拟并行计算中，提高计算速度和资源利用率是一个重要的研究方向，给出分布式并行环境下一种多层油藏模拟并行计算的整体优化方法，其特点是使用高效的区域分解方法并行求解，动态选择两种不同的计算粒度，有效地克服了负载不均衡带来的性能下降问题，实际模型计算表明，此方法策略减少了整体模拟计算时间，并获得较高加速比，采用的算法适用于一类多层油藏模型问题。     

集群下Cholesky分解的核外预取算法

核外计算中,由于I/O操作速度比较慢,所以对文件的访阿时间占的比例较大.如果使文件操作和计算重叠则可以大幅度地提高运行效率.软件数据预取是一种有效的隐藏存储延迟的技术,通过预取使数据在实际使用之前从硬盘读到缓存中,提高了缓存(cache)的命中率,降低了读取数据的时间.通过设置两个缓冲区来轮流存放本次和下一次读入的数据块,实现访存完全命中cache的效果,使Cholesky分解并行程序执行核外计算的效率得到了大幅度的提高.同时,I/O操作的时间与CPU的执行时间的比例也是影响效率的主要因素.     

多处理器调度算法实现及其Petri网建模与仿真

多处理器调度算法在嵌入式实时系统领域中起着关键的作用。根据多处理器的特点,提出一种实时多处理器动态分割并行调度算法SPara。该算法解决了此前多处理器算法,如Myopic、EDPF等仅依据截止期对任务调度产生的问题,实现了增加任务紧迫度限制的调度策略,以及针对执行时间长、截止期紧迫任务的有效调度方法。同时算法结合高级颜色时间Petri网理论进行建模并仿真。测试结果表明,SPara算法在处理器利用率以及调度成功率方面较Myopic等算法有较大提高。     

复杂网络基于局部模块度的社团划分方法

提出了一种基于局部模块度的社团划分算法,该算法的基本思想是将具有最大综合特征值的节点作为初始节点,然后从候选集中找到使局部模块度Q达到最大值时所对应的候选节点,将此节点合并到该社团中,更新候选集合直至Q值不再增加,此时该社团形成.由于算法仅需要利用节点的局部信息,因此时间复杂度很低,并且通过综合特征值,找到聚类中心,从而使得聚类效果大大提高.通过社会学中经典的Zachary网络表明了该算法的可行性,并得到满意的结果.