基于RMI的集中式并行动态负载平衡算法

介绍了并行算法中常用的动态负载平衡技术,并分析了RMI的工作原理,提出了一种基于RMI的集中式并行动态负载平衡算法.该算法最大的特点是不需要保存结点的负载信息,可有效地减少各节点之间通信和同步所需的时间,同时结合了RMI的运行机制和JAVA的线程机制,由子结点根据自己的负载情况动态地推动任务的划分和分配,可以在多结点的并行搜索计算中获得较高的加速比和效率.通过在33个结点的并行机上的试验,证明了该算法的可行性和有效性.

基于混合负载平衡的并行启发式搜索算法

在分析了迭代加深启发式搜索(Iterative Deepening A*)算法及其可并行性后,提出了一种新的基于混合负载平衡的并行迭代加深启发式搜索算法。该算法综合了静态负载平衡和动态负载平衡的优点,可以在多结点的并行搜索计算中获得很高的加速比和效率。给出了该算法的Java RMI实现。通过在72个结点的并行机上的试验表明,该算法可以极大地提高并行搜索算法的加速度和效率。

基于最优解收集的扩展式并行遗传算法

在扩展分布式遗传算法(EDGA)的基础上提出了一种新的基于最优解收集的扩展式并行遗传算法(EPGA)。在该算法中,群体被划分为子群分配给各子处理单元(PE)计算,根处理器则在采用全局搜索策略进行搜索的同时,不断地从各子处理单元上收集局部最优解替换当前群体以获取较好的最优解。该算法采用子群的概念去获得较好的加速比,采用全局搜索策略的概念去获得较好的最优解,同时具有EDGA不具有的许多优点。给出了该算法针对经典的TSP问题的非阻塞MPI实现。实验表明该算法可以有效地提高遗传算法的加速比及增加获得最优解的概率。

连续事件的语义数据模型

语义抽象概念aggregation和generalization不仅对不包含时间概念的复杂情况的数据模型的建立很有用,而且还可以成功地用于连续事件的建模。建立了两种情况并存的语义数据模型:or-dering(次序)和sequencing(先后顺序),并且可以在任何程序环境下实现。

政府数据开放目标实现情况调查:目标与结果是否不一致?

政府数据开放项目涉及从加强透明度和责任到提高创新和参与度等各种目标,但往往缺乏对政府数据开放项目目标实现程度的了解。本文考察了政府数据开放项目的目标与所产生效益之间的关系。本文共分析了168份调查问卷,涉及世界各地156个不同层级政府的数据开放项目,分析表明,运行和技术效益是最常产生的效益,其次是经济效益,再者是社会效益。出人意料的是,我们的研究表明,政府数据开放项目是否拥有与效益相关的目标,对其是否产生效益(例如,提高开放度、信任或创新)并没有显著影响。与地方和地区级政府数据开放项目相比,州和国家级项目通常能够更好地实现目标。