面向对象有限元并行计算框架PANDA的并行机制

为实现面向对象有限元并行计算框架PANDA对高性能计算的支持,分别从并行计算流程、区域分解、分区信息和通信封装等部分设计PANDA框架在并行计算方面的数据结构.在计算流程中建立区域分解和并行求解器的配合协作方式,进而描述进行区域分割的3种网格剖分方法;对分区边界单元和节点信息的组织以及对并行通信操作的封装使复杂的并行通信调用简单、易行.用PANDA框架开发有限元程序时,只需以串行方式编写代码就可得到并行计算服务.对某夹具的算例表明PANDA框架并行计算实现的正确性和可靠性.

基于多任务并行机制的APF实时监控系统

介绍了一种用于有源电力滤波器(A ctive Power F ilter,A PF)实时监控与保护的计算机监控系统。该系统运用VC+ +的多线程编程技术,实现了高速不间断采样和实时数据处理的多任务并行机制,从而能对A PF系统进行高采样率的谐波分析和更完整可靠的故障实时报警、滤波。此外,软件设计中引入DAQBench工控A ctive X组件,加强了监控软件界面与功能的专业性。

基于并行机制解决视音频同步问题的研究方案

本文详细讨论了一种基于实际视音频应用系统的同步系统的实现方法和设计原理。在设计中,为提高系统及网络资源的使用率和降低延时,我们提出了从四个方面采用并行机制解决同步问题的方法,即从采集编码、发送、接收、回放端来同时解决,简化同步处理,优化同步系统。

通信协议的并行机制研究

通信技术的迅速发展，通信网络所提供的带宽达到几百Ｍｂｐｓ～Ｇｂｐｓ数量级。一些应用，象多媒体通信，就能利用网络的高吞吐量。但是，目前的通信协议并不能适应高速传输的环境。运输层和其它较高层协议的处理，已成为通信系统的性能瓶颈。本文首先回顾近十年来通信环境所发生的一些变化，并分析其对运输层协议的影响；第二部分分析标准协议并行实现时的一些关键技术；最后介绍了一个运输层系统模型，该模型采用并行机制，向上提供高性能的运输层服务。

SMP系统上两种并行机制的比较

本文对消息传递接口ＭＰＩ标准和ＳｕｎＯＳ多线程结构进行了分析。

基于CPU/GPU处理器的雷达脉冲压缩算法并行机制研究

为实现软件化雷达在不同信号处理器上的实时信号处理,需要研究通用高性能处理器,如CPU和GPU信号处理算法的并行机制。论文以雷达脉冲压缩运算模块为例,重点研究了利用GPU信号处理的并行机制。首先给出雷达脉冲压缩数学模型,然后针对算法实现流程,分别从片上缓存、内核线程和数据并行等方面设计了三种GPU并行优化策略。仿真测试表明,所提出的GPU并行机制与典型多核CPU平台相比,具有更好的实时性能。

一种适合于主动数据库的事务模型——基于图的事务模型及其并行机制

在主动数据库中,用户必须对规则执行的次序进行控制。然而,在这个领域,对规则执行的控制结构的表达以及以统一的方法与事务模型集成的研究却做得很少。本文提出基于图的事务模型将基于图的规则与数据库事务模型以统一的方式集成在一起,以有向不循环图(DAG)来表达规则间的控制流,这是嵌套事务模型所不能作到的。此模型不仅可以表示主动数据库中规则的控制结构,还可以很好地表示规则执行语义中的耦合方式。根据事务并行执行的可串行性准则,提出了新的可串行正确性判别准则。运用调度算法和锁机制,我们还提出了并行规则执行模型。

以并行机制实现CS—Prolog

本文分析和讨论了在多Transputer环境中,如何扩充Prolog语言成为CS—Prolog,使之保持回溯机制,适应并行特点。

惠瑞捷半导体科技增加并行机制以缩减存储器测试开发时间

惠瑞捷半导体科技（NASDAQ：VRGY）日前宣布将可编程接121矩阵应用于Verigy V5000e工程工作站，以帮助存储器制造商在应用V5000e进行工程测试开发和调试时获得并行测试能力。凭借该矩阵，V5000e可以并行测试12颗芯片（DUT），减少生产线上的操作人员的时间，同时大幅度提高了总产能。

惠瑞捷半导体科技增加并行机制以缩减存储器测试开发时间

惠瑞捷半导体科技将可编程接口矩阵应用到Verigy V5000e工作站，以帮助存储器制造商在测试开发和调试时获得并行测试能力。凭借该矩阵，V5000e可以并行测试12颗芯片，大大减少了生产线上的操作时间，大幅度提高了总产能。此矩阵还将V5000e的引脚数量从128提高到768个，从而能够测量具有更高引脚数量的多种类型存储器芯片，包括NOR、NAND、DRAM、SRAM以及MCP。

惠瑞捷半导体科技增加并行机制以缩减存储器测试开发时间

半导体测试公司惠瑞捷半导体科技宣布将可编程接口矩阵应用于Verigy V5000e工程工作站．以帮助存储器制造商在应用V5000e进行工程．测试开发和调试时获得并行测试能力。凭借该矩阵．V5000e可以并行测试12颗芯片（DUT）．减少产线上的操作人员的时间．同时大幅度提高了总产能。此矩阵还将V5000e的引脚数量从128提高到768个测试器资源引脚．从而能够测量具有更高引脚数量的多种类型存储器芯片．包括NOR、NAND、DRAM、SRAM以及MCP。

竞争性电力市场三平台架构并行交易机制设计(一):三平台架构并行交易机制及范式模型

目前,竞争性电力市场主要沿用传统交易模式(场外双边协商交易、场内交易所集中交易),是一种单市场串行交易,存在信息不对称、竞争不充分、价格发现功能不强等问题。提出了一种三平台架构并行交易机制,将市场主体参与电力交易的过程视为觅价过程,在传统的交易平台(交易所平台)基础上,新增觅买平台和觅卖平台两个子平台,与传统交易所平台一起形成三平台架构,并属于同一交易系统。市场主体被赋予觅价者和报价者双重身份,在一个交易系统、一个交易时间窗口内,可并行开展交易:以觅价者的身份,在觅价平台按照事先发布的交易规则组织交易并负责市场出清,或者以报价者身份参与觅价者或交易机构组织的市场交易。市场主体将根据自身发电成本或用电效益,参考市场行情动态调整觅价或报价信息,以此获得更多交易主动权。通过阐述三平台并行交易架构的交易原理和出清机制,构建了涵盖现行单市场串行交易的三平台架构并行交易统一规范出清模型。以集中交易为例,仿真对比现有交易机制的结果表明,三平台架构并行交易机制在提高成交率、增加成交电量、确保社会福利最大化、减小市场力方面具有显著优势。

竞争性电力市场三平台架构并行交易机制设计(二):三平台架构并行运行机制及特性分析

在文献[1]的基础上,提出了市场主体同时在觅买平台、觅卖平台和交易所平台中参与三平台架构并行交易的运行机制。构建了多市场三平台架构并行交易机制,能够实现多种交易品种集中在一个交易系统、一个交易时间窗口内并行开展交易、并行出清。提出了交易机构对多市场三平台架构并行交易的组织和管理机制,分析了三平台架构并行交易对传统交易机制的兼容性以及对高比例新能源的新型电力系统的适应性。三平台架构并行交易机制可为上述新型电力系统的电力市场高频交易提供一种新思路。

一种实现Ada并行任务机制的新方法

本文提出了在单机上实现Ada语言的多任务的单栈存储组织的新方法。同一个任务一个栈的存储组织的方法比较,大大节省了存储空间,提高了任务环境的转接速度。

基于高性能云的分布式数据并行处理机制

描述了一个基于高性能云的分布式数据并行处理机制,该机制简化了数据并行处理操作,且能实现数据尽可能在同一个地点处理而无需移动;重点对相关的存储云和计算云基本的框架结构设计思想进行了简要的介绍;实验结果表明,该数据并行处理机制能用于高性能广域网络连接的计算机集群所产生的大型分布式数据集的数据并行处理,实验数据显示,其性能较其它系统(如Hadoop)有显著的提高。

路由器高效并行存储访问机制

访存速率远滞后于传输速率的发展,成为影响路由器性能的最大瓶颈。该文提出一种高效并行存储设计方案,通过简洁的软硬件协同技术实现,硬件实现2个同样大小的输出端缓冲区,消除由于单个存储接口可能引起的系统瓶颈,软件设计为成对存储信元的结构。试验结果表明,该机制有效提高了存储访问速度和路由器的吞吐率。

并行数据包转发机制的研究

采用并行方法解决高性能路由器对性能和QoS的要求是普遍使用的方法。本文在控制调度和Qos支持的基础上提出了一种并行的支持QoS的高性能路由器体系结构,着重探讨了如何将数据包有效地分发到多个路由代理的并行数据包转发问题。试验结果表明,本文提出的算法是有效可行的。

两种并行化机制的分析

本文以Cray X-MP 和Convex C 系列为背景对二种并行化机制:多任务库和ASAP(Automatic Self Allocate Process)的工作原理、硬软件支持及用户的使用方法作了详细的介绍与分析,并在此基础上对它们作了简要的比较。

基于并行融合机制的改进遗传算法求解HFSP调度问题

针对混合流水车间调度问题(Hybrid Flow Shop Scheduling Problem,HFSP),以总工位切换时间为目标函数建立仿真优化模型,并提出一种基于种群并行融合机制的改进遗传算法(PIGA)进行求解。通过仿真模型计算目标函数适应度值并在遗传算法的迭代进化中引入并行融合拆分机制;在传统遗传算法的基础上将精英保留策略引入个体选择机制,将自适应遗传因子引入交叉变异概率,建立改进自适应遗传算法;运用该算法进行仿真优化实验,实验结果证明了该算法的有效性。

基于并行注意力机制的地面红外目标检测方法(特邀)

地面背景下的红外目标检测是伪装防护、精确制导等领域的关键技术。针对现有基于深度学习的目标检测模型对地面背景下红外目标进行检测时容易受到复杂背景干扰、对目标关注不足,从而导致检测准确率不高的问题,文中提出了一种基于并行注意力机制的地面红外目标检测方法。首先,利用卷积和注意力并行的下采样方式,在降低模型的空间复杂度和提升训练速度的同时,对目标特征进行聚焦和关注;其次,对主干网络提取的多尺度特征进行融合,通过不同尺度信息的复用与互补抑制背景信息的干扰,提升目标检测的准确率;最后,利用焦点损失函数和CIOU损失函数提高模型的分类与回归精度。实验结果表明,在Infrared-VOC数据集上该模型的平均检测精度为82.2%,比YOLOv3提高了6.9%,同时模型的空间复杂度仅为YOLOv3的32.6%,训练时间为YOLOv3的43.7%,实现了模型训练效率和检测精度的提升。