一种异步BSP模型及其程序优化技术

基于 BSP模型 ,该文提出了异步计算模型 (CSA- BSP) .该模型更准确地描述了并行机的性能参数 ,引导用户编写高效率的并行程序 ;在 CSA- BSP模型下 ,两个进程异步执行的位置至多相差 p- 1个超步 ;基于程序的执行时间 ,作者分析了 BSP、A- BSP和 CSA- BSP程序的效率 ,得出 CSA - BSP程序的效率是最高的 .在曙光并行机上 ,用“红黑格法”和“矩阵乘法”进行了验证 ,和 BSP模型相比 ,这两个 CSA- BSP程序的效率分别提高 2 0 %和 37% ;同时 ,其进程执行时间的和最大可以降低 8% .因此 ,按照 CSA- BSP模型编程对于提高程序效率和改善系统的吞吐率 ,都有良好的效果 .

并行BSP模型在实时集群系统中的应用

分析BSP并行计算模型在多源数据处理中的应用特点。构建实时集群计算机系统的并行计算BSP模型。对多源任务数据处理的粒度进行了分析设计。给出了实时集群计算机系统中BSP模型的实现算法。实际应用验证了算法的有效性。

一个有效的并行模型——BSP并行模型

为了设计各种体系结构的通用并行模型,本文分析了现有并行模型中存在的问题,提出了一个有效的BSP并行模型,详述了BSP计算机的组成及其运行过程。

基于BSP并行计算模型的并行微粒群算法

在对标准微粒群算法分析的基础上,将它与BSP并行计算模型相结合,设计并实现了一种基于BSP并行计算模型的并行微粒群算法。这种基于BSP并行计算模型的并行微粒群算法改变了标准微粒群算法的结构,提高了算法求解效率。实验结果表明,该并行算法的性能比标准微粒群算法有了很大的提高。

基于MPI环境的A-BSP模型的性能评测

针对一种异步的BSP模型(A-BSP),选用6种常用的通信模式代替随机h关系,在曙光集群MPI环境和不同的处理器数量条件下,对A-BSP模型的2个主要参数g和L进行评估,并根据快速傅立叶变换(FFT)的并行化方法,以一种基2并行FFT算法,验证利用A-BSP模型进行MPI程序代价分析的正确性和有效性。在曙光TC1700集群服务器上测得A-BSP模型的参数g为6.07×10-8s/byte,L为1.47×10-4s。在曙光集群上,A-BSP模型所有参数的变化范围基本被限定在某一区间内,且h关系时间受通信模式的影响要比受处理器数量的影响更为明显。A-BSP模型能够有效地指导MPI并行程序设计。

PRAM,BSP和LogP并行模型之间的关系及其比较

本文详细讨论了ＰＲＡＭ，ＢＳＰ和ＬｏｇＰ三种并行模型．我们提出用一个五元组（Ｐ， Ｇ， Ｏ， Ｌ， Ｓ）来概括这三种模型，并指出它们之间的关系．本文还讨论了这三种模型各自的优缺点。

3D点云BSP并行计算模型及算法设计

根据3D点云数据处理计算特点,按照BSP模型的技术思想,建立了3D点云BSP并行计算模型。讨论了HAMA框架下的3D点云BSP并行计算模型的实现方法,构建了一个由普通PC组成的HAMA计算集群。以3D点模型构建计算为例,给出了一种3D点云数据处理BSP算法设计方法。实例的计算结果表明:BSP并行计算方法能高效地完成3D点模型构建计算,与其它计算方法相比,计算效率有所提高。

An Exploration of Two Evolutionary Computing for Function Optimization

In this paper,we implement 2 ECs:a particle swarm optimizer(PSO),a Society of Hill-climbers(SoHC). Each EC is implemented to evolve a solution with a fitness above a threshold for F7 function. We use the same parameter sets to compare the performances of the two ECs,according to their success rates,average function evaluation times and average best fitness.

并行计算模型研究

并行计算模型是并行计算机基本特征的抽象,是并行算法设计和分析的基础,其重要性类似于顺序计算的存储程序模型,因而受到广泛的关注。虽然提出了大量的并行计算模型,但是仍无一通用模型。本文概述了并行计算模型的一些基本概念,介绍了理想计算模型的特征,讨论了一些典型的并行计算模型,综述了目前并行计算模型在异构计算环境的发展情况。

并行计算模型在集群环境下的适应性

分析了并行计算机模型和集群系统的特点，研究了BSP并行计算模型在集群环境下的适应性，指出通过合理地设计并行算法，某些算法在集群环境下可以获得近似线性的加速比，并用常用的线性规划标准形改进单纯型求最优解，在集群系统上的并行算法验证了该结论。

基于岛屿群体模型的并行粒子群优化算法

为改善粒子群优化算法对大规模多变量求解的性能,提出了基于岛屿群体模型的并行粒子群优化算法.对粒子群优化算法机理和本质并行性进行分析,设计和实现了一种并行粒子群优化算法.实验结果表明,基于岛屿群体模型的并行粒子群优化算法不仅提高了求解效率,而且改善了早收敛现象,算法的性能比经典粒子群优化算法有了很大提高.

云平台下图数据处理技术

针对Hadoop云平台下MapReduce计算模型在处理图数据时效率低下的问题,提出了一种类似谷歌Pregel的图数据处理计算框架——My BSP。首先,分析了MapReduce的运行机制及不足之处;其次,阐述了My BSP框架的结构、工作流程及主要接口;最后,在分析PageRank图处理算法原理的基础上,设计并实现了基于My BSP框架的PageRank算法。实验结果表明,基于My BSP框架的图数据处理算法与基于MapReduce的算法相比,迭代处理的性能提升了1.9~3倍。My BSP算法的执行时间减少了67%,能够满足图数据高效处理的应用前景。

并行计算模型对比分析

随着集群式系统的发展,并行计算模型在估计和评价系统的性能、引导集群的体系结构以及指导并行算法和程序的设计等方面都显得越来越重要。对于目前已有的并行计算模型的设计思想和原理的了解和分析,非常有利于新的模型的设计与研究。本文首先介绍了目前比较常见的5种并行计算模型,接着在同步性、通信方式和参数等3个方面分析比较了它们的异同和优缺点,最后得出结论,指出了下一代并行计算模型的发展趋势是与具体应用相关的并行计算模型。

基于并行计算模型的并行微粒群算法的性能分析

将微粒群算法与并行计算模型相结合,基于三种不同的并行计算模型(带中央控制器的并行计算模型、环形结构带缓存区的并行计算模型、BSP并行计算模型),设计出相应的并行微粒群算法,并对并行算法性能进行详细分析。大量实验表明:子种群之间的通讯周期是个重要的可变参数,当选取合适时,能提高解的质量以及算法的收敛性和最优性。

基于带控制器并行结构模型的并行微粒群算法

并行计算是解决复杂大规模工程计算问题的有效方法。现提出了一种基于带控制器并行结构模型的并行微粒群算法,它是一种粗粒度的并行。它将种群分为几个子种群,分别放在不同的处理器上,每个子种群独立、同时进化,周期性地交换、更新最优信息。实验结果表明:若选择合适的通讯周期时,该并行微粒群算法不仅具有理想的加速比,而且有效地提高解的质量。

基于高性能微机群集的并行计算环境的设计与实现

基于工作站或高性能微机群组的并行计算 ,是并行计算领域研究的热点 .常见的并行环境有 MPI( MessagePassing Interface)、PVM( Parallel Virtual Machine)等 ,但它们编程复杂 ,并行程序的可移植性差 .该文介绍了一种有效的并行计算模型 BSP,它的并行编程容易 ,性能可预测 ,程序的可移植性好 .最后 ,讨论了它在高性能微机群集上的程序设计和实现 .实验结果说明这种并行计算环境具有良好的性能 ,可扩展性好 .关键词 :并行计算 ;微机群集 ;BSP模型基于工作站或高性能微机群组的并行计算 ,是并行计算领域研究的热点 .常见的并行环境有 MPI( MessagePassing Interface)、PVM( Parallel Virtual Machine)等 ,但它们编程复杂 ,并行程序的可移植性差 .该文介绍了一种有效的并行计算模型 BSP,它的并行编程容易 ,性能可预测 ,程序的可移植性好 .最后 ,讨论了它在高性能微机群集上的程序设计和实现 .实验结果说明这种并行计算环境具有良好的性能 。

CC＄:一种面向分布式众核平台的并行编程语言

CC＄是一种并行编程语言,目的是解决分布式众核并行计算机的编程困难。CC＄的编程模型以Multi-BSP模型为基础,将分布式众核并行计算机的硬件架构抽象为3层。数据按照存储的层次和共享范围分为5类,以便在不同层次上提供共享。CC＄还提出一类虚拟指令来解决不同层次之间的数据交换,实现数据访问的逻辑化描述。并行程序按照3层Multi-BSP超步嵌套执行。CC＄具有统一的编程风格、内建的多层公共地址空间、数据访问请求的表达式描述和数据传输编译优化4大特点。测试表明,CC＄程序的运行效率高,易学易用,大幅地缩短了开发周期。

基于图计算的快速非线性迭代法求解潮流计算

为快速求解潮流计算问题,文章给出一种基于整体同步并行计算模型(Bulk Synchronous Parallel Computing Model,BSP)的全节点并行迭代算法。在利用佩奇排序实现并行机制的基础上,用图数据模型实现了电力网络全节点的并行的潮流迭代计算。基于实际电网算例和国际标准算例进行验证,其结果说明该方法可以在常规服务器上实现万级节点系统百毫秒级、十万节点秒级、百万节点10 s级的计算速度,极大提升现有EMS系统的计算分析效率。

BSP模型上的并行算法设计

讨论了在SBP并行计算模型上的一般并行算法设计原则 ;并在该模型上给出关于最短路与最小生成树的高效算法 ,以及在实际并行计算机系统上实现的方法 .

集中式粗粒度分布并行模型和并行进化神经网络

提出了一种分布计算环境下并行进化神经网络的实现机制 :集中式粗粒度模型 .该模型基于并行遗传算法 ,可以同时对前馈神经网络的结构和权值进行优化 .在分布计算环境中的实现为其在分布式网络中的应用开辟了广阔的前景 .初步的实验结果表明该模型可以加快神经网络的进化速度 ,提高进化的效率 .