基于区域平均执行时间和数据依赖信息的可能并行区域识别

随着多核处理器逐渐成为处理器发展的新趋势,为了持续提高程序性能,必须并行执行应用程序.传统的自动并行技术能够很好地并行科学计算应用中的规则循环,但对于含有大量函数调用和指针引用的不规则程序,目前还不能有效地对其实施并行.针对这一现状,文中提出了基于区域平均执行时间和数据依赖信息的可能并行区域识别方法来对一些不规则程序实施高效并行,主要贡献如下:(1)自动识别程序中的多种并行性,不仅包括传统并行性分析中的循环迭代间的细粒度并行性,而且也包括传统并行性分析尚不能有效处理的循环体和函数调用点间的粗粒度并行性.对于程序中蕴含的众多并行性,文中基于区域平均执行时间实施收益分析来选择合适的并行区域实施并行;(2)自动识别可能并行区域间数据依赖关系的数量、类型以及导致数据依赖关系的程序变量.基于文中的分析结果,作者使用面向行为的投机并行系统(behavior oriented parallelism)对SPEC2006中的4个测试用例实现了并行化.并行化后的程序在Intel和AMD多核处理器上分别得到了300%和260%的平均性能加速.

计算密集型与数据密集型混合网格作业调度算法

针对计算密集型作业与数据密集型作业混合情况,在一个作业有时间限制的动态环境中,对传统的网格作业调度方法进行扩展,提出了三种网格作业调度启发式算法:Emin-min、Ebest、Esufferage。并在一个由多个Cluster组成的、通过高速网络连接的网格模型上,对三种算法进行验证。与Min-min算法的比较结果显示:三种算法均优于Min-min算法。与ASJS算法比较结果显示:Emin-min减少了等待时间与作业的makespan;Esufferage算法以减少作业完成量为代价,减少了作业的等待时间及makespan;Ebest在完成作业数量上与ASJS基本保持一致,但却增加了作业的等待时间与makespan。总体上,Emin-min具有比较大的优势。

基于SOP的核电厂数字化主控室操纵员监视行为可靠性研究

针对数字化后主控室操纵员执行规程时不同数字化特征下的监视任务的失误率和平均执行时间进行实验研究。通过电厂实地考察、操纵员访谈,进而设计相关仿真实验。实验结果显示:颜色类监视失误概率为1.71×10^(-3),数字类监视失误概率为1.57×10^(-3),但监视目标物理形态对监视失误率没有显著影响;二类任务越复杂(导航次数越多),平均执行时间越大,导航次数为3次时显著小于1次和2次时的监视失误率;不同监视目标数量下的监视失误率及平均执行时间结果差异显著,监视目标数量越多,监视失误率越大,平均执行时间越长,即监视可靠性越低。