基于MPI蜂群K均值聚类算法并行化计算

基于传统编程模型的K均值聚类算法是典型的串行算法,对大数据聚类时性能不佳,为获得令人满意的大数据聚类性能要求,解决K均值聚类算法的固有不足,提出一个基于MPI的蜂群K均值进行并行化聚类的算法。结合改进的蜂群算法和K均值迭代,使算法的全局寻优能力得到提高,降低初始聚类中心对算法聚类质量的影响,对该算法做MPI并行化改进,实现基于MPI的蜂群聚类算法并行计算。通过对串行与并行蜂群K均值聚类算法分别进行仿真实验验证,得到了并行蜂群K均值聚类算法在效率和性能上更优的结论。

基于模式的CPPVM并行编程方法

在对现有并行编程方法研究的基础上,提出一种基于模式的CPPVM并行编程方法。介绍该方法中并行编程模式的设计与实现,以2个典型应用实例说明使用其进行问题的并行求解与并行程序开发的过程。该方法对于降低并行程序的开发难度,提高并行编程的可靠性与开发效率具有重要意义。

基于模式的并行编程环境中任务队列模式的研究与实现

并行程序的设计是并行计算的难点之一。本文在基于模式的并行编程方法的基础上,对一种典型的并行计算与通信模式-任务队列模式进行了深入的研究,并在基于模式的并行编程环境中对该模式进行了实现。本文将通过两个典型的应用实例说明在基于模式的并行编程环境中使用任务队列模式进行问题的并行求解与并行程序开发的过程,并从实现效率和可编程性方面对使用任务队列模式的并行程序和传统的MPI/PVM实现的并行程序进行了分析与比较。

基于CMP多核集群的混合并行编程技术研究

高性能科学计算(High Performance Science Computing,简称HPC)是验证某些理论和测试计算机系统处理能力的一种有效的实验手段。鉴于目前CMP(Chip Multi-processor)多核集群已变得越来越普及,尝试对由MPI和OpenMP两种不同并行编程技术构成的混合编程模式做一些实验性的研究。通过对程序执行时间和加速比的实验数据分析,可以看出在多核和多节点集群上采用细粒度的混合并行编程方法较单一使用MPI并行编程方法更加合理和高效,也更能体现出系统硬软件的特性与优势。

一种典型并行程序风范——“管理者-工人”的设计模式开发与实现

PVM/MPI并行编程方法是目前编程人员广泛使用的方法之一,但此方法将并行性开发的任务完全交给编程人员,由于系统开发方法的缺乏以及编程人员水平与风格的差异,软件的质量与效率往往难以得到保证。为此,本文在PVM/MPI并行编程方法研究的基础上,引入了设计模式的思想,并针对一种典型的并行程序风范———“管理者-工人”设计模式的思想进行了定义、描述与实现。编程人员通过使用本文实现的设计模式,极大地减轻编程负担,有效地提高并行程序的可编程性,有利于在解决可适用管理者-工人并行程序风范的一类问题时得到结构良好的并行程序。

一种通用的工作池并行结构框架的设计与应用

PVM/MPI并行编程方法是目前编程人员广泛使用的方法之一,但此方法将并行性开发的任务完全交给编程人员,由于系统的开发方法的缺乏以及编程人员水平与风格的差异,软件的质量与效率往往难以得到保证.为此,在对PVM/MPI并行编程方法的研究基础上,引入了设计模式的思想,针对一种典型的并行结构——“工作池”使用设计模式的思想进行了定义、描述与实现.编程人员通过使用本设计模式,极大地减轻编程负担,有效地提高并行程序的可编程性,有利于在解决可适用工作池并行结构的一类问题时得到结构良好的并行程序.

基于集群SPMD算法及演化计算并行研究

高性能计算在科学研究领域有着广泛的应用。演化计算因具有计算规模大、种群中个体相关性小等优点,成为并行计算研究的主要对象之一。提出两种并行策略,对顺序GA(Genetic Algorithm)实现并行。首先使用主从模式对多种群协同遗传算法实现并行,在此基础上通过对算法进一步改进,实现了基于对等模式的并行演化计算,从而提高了算法可扩展性。比较了两种并行模式的各自特点,通过SPMD(Single Program Multiple Data)算法实现和基于上海大学“自强2000”高性能计算机上的实例验证,改进算法具有更好的可扩展性,更易于推广到网格环境。