协同并行算法在微网经济运行中的应用实践

微网作为智能电网的有机组成部分,是对大电网的有益补充,具有巨大的应用潜力,而如何使微电网的运行更具有经济性则是一个亟待解决的问题。针对这一问题,首先构建了一个经济环保的微电网运行模型,在此基础上改进了协同遗传算法,得到协同并行算法,提高了算法的优化效率。最后应用传统遗传算法、一般协同遗传算法和协同并行算法对微网模型的一个算例进行优化,通过对比,显示出协同并行算法在微网模型优化上的优越性。

一种面向CPU/GPU异构环境的协同并行空间插值算法

CPU/GPU异构混合系统是一种新型高性能计算平台,但现有并行空间插值算法仅依赖CPU或GPU进行加速,迫切需要研究协同并行空间插值算法以充分利用异构计算资源,进一步提升插值效率。以薄板样条函数插值为例,提出一种CPU/GPU协同并行插值算法以加速海量激光雷达(light detector&ranger,LiDAR)点云生成数字高程模型(DEM)。通过插值任务的分解与抽象封装以屏蔽底层硬件执行模式的差异性,同时在多级协同并行框架基础上设计了Greedy-SET动态调度策略,策略顾及底层硬件能力的差异性,以实现异构并行资源的充分利用和良好负载均衡。实验表明,协同并行插值算法在高性能工作站上取得19.6倍的加速比,相比单一CPU或GPU并行算法,其效率提升分别达到54%和44%,实现了高效的协同并行处理。