构件化的模具设计网格平台

Internet上大量的闲置资源可以用来协同解决复杂的注塑模优化设计问题,但是它们的分布性、异构性、动态性和自治性的本质特征,为建立网格平台带来了很大的困难.层次化构件化的设计方法能够降低开发难度,增强系统的可靠性和易维护性.本文建立了构件化的模具优化设计网格平台,并介绍了各个层次的主要功能及组成构件的相关实现技术.在此基础上,重点介绍了网格任务调度agent和优化设计任务分配模型.最后通过对一个算例的优化结果,说明了该平台的合理性和高效性.     

桌面网格计算平台在多序列比对算法中的运用

提出了一种多序列比对ClustalW算法并行化处理的新方法ParaClustalW,该方法使用桌面网格计算平台作为高性能编程环境和运行平台.分析了多序列比对算法在桌面网格平台上的任务划分方式、并行化策略和实现技术.ParaClustalW策略考虑到序列的数目与序列的长度等因素,实现任务划分的均衡性.经实验证明,Para...     

动态自适应网格调度算法

利用大量的计算资源,网格具有高性能低费用的计算优势,但是合理的调度方案是充分利用网格资源的关键因素。提出基于模拟退火算法的动态自适应网格调度算法,根据网格资源和作业的动态特性,进行分批调度,根据调度过程中部分调度信息动态自适应地修改算法参数,设计邻域结构,优化作业完成时间。最后通过GridSim仿真环境和其他算法进行比较,获得较好结果。     

面向Multi-Qos的网格管理系统及评价模型

Internet环境中大量的闲置资源为用户获得高质量网格服务提供了物质基础。但是资源的分布性、动态性和异构性的特征,以及用户对服务偏好的多样性和难以衡量性,使得对服务质量的评价非常困难。开发了一个网格资源管理调度系统平台,用多Agent构件实现了对网格资源的评价与调度。为了提高网格服务质量,在综合考虑用户的多维Qos偏好和网格资源固有特征的基础上,把层次分析法引入网格资源的Multi-Qos评估模型,建立了以资源可用性能、价格、数据传输性能、安全性和可靠性为评价准则的综合评价模型。并通过对算例的评价结果,说明该方法的有效性和合理性。     

高性能计算服务环境应用编程接口

高性能计算服务环境主要面向用户、科研团队提供高性能计算服务. 随着环境接入的超算中心以及应用社区和业务平台越来越多, 超算中心以及社区和业务平台的用户希望能够使用原有账号登录高性能计算环境使用资源. 高性能计算服务环境目前提供的应用编程接口仅支持通过LDAP认证的网格账号. 为使得应用社区和业务平台用户使用自己原有的登录方式认证通过后就可访问高性能计算服务环境, 我们重新设计开发了高性能计算服务环境应用编程接口. 本文着重介绍新版应用编程接口的结构与部署实现, 并通过用例来说明如何调用新版接口. 新版接口为社区和业务平台接入高性能计算环境提供了更方便且安全地支撑.     

基于推荐机制的网格资源匹配算法研究

针对网格计算环境下,参与计算用户和计算资源规模日益庞大,用户申请资源过程中所需的资源匹配过程逐步复杂化和大规模化,提出了一种基于推荐机制的网格资源匹配算法.以往的网格计算资源的匹配和调度算法需要在调度计算时遍历所有网格资源,而改进的基于SVD(奇异值分解)的协同过滤算法考虑了用户行为相关性和资源使用频度的相关性,通过用户对资源项的使用历史记录建立用户对资源的满意度评分体系,利用推荐机制给出用户推荐资源集以到达资源匹配的效果.从一个新的角度给出了解决大量资源匹配的方法.     

一种基于多维QoS约束的网格作业调度算法

任务调度是实现高性能网格计算的一个重要方面,然而,由于网格资源的动态性、异构性等特征,设计高性能的任务调度算法是一项非常有挑战性的工作,该问题已被证明是一个NP难题。文章中提出了一种新的任务调度算法,该算法根据任务QoS约束以及计算资源性能指标,建立任务调度的线性模型,并根据任务的需求和偏好,从线性模型中得到最优的任务分配方案。模拟实验结果表明：对大量独立任务进行调度时,该算法在满足用户需求方面优于其它算法。     

推动ChinaGrid发展——清华大学采用HP Integrity构建领先网格计算平台

中国教育科研网格(ChinaGrid)计划是教育部“十五”计划211工程公共服务体系建设的重大专项,同时也是国家高技术发展计划(863计划)高性能计算重大专项的典型应用,得到了国家科技部的大力支持,是迄今为止由政府推出的最宏大的网格工程。ChinaGrid充分利用中国教育科研网CERNET和高校的大量计算资源和信息资源,开发相应的网格软件,配合网络计算机的使用,将分布在教育与科研网上自治的、分布式异构的海量信息资源集成起来,实现CERNET环境下资源的有效共享,消除信息孤岛,提供有效服务,形成高水平低成本的计算服务平台,将高性能计算送到教育与科研网用户的桌面上,成为国家科研教学服务的大平台。     

面向可靠性一费用优化的网格任务调度模型及算法研究

网格资源的异构性、动态性等特征使得网格任务调度仍面临着诸多问题。针对传统可靠性评佑模型仅考虑 资源失效的问题,在考虑本地任务会抢占网格任务执行资源的情况下,引入任务执行延期失效,从而建立了一种新的 网格资源可靠性评估模型。该模型使用随机服务系统理论建模网格资源的动态负载压力,给出了任务在资源上的执 行可靠性的计算方法及证明。基于建立的网格资源可靠性模型,建立了面向可靠性和费用的多目标任务优化调度模 型,以获得最大化任务执行可靠性、最小化任务执行费用的任务调度策略。针对该NP问题,采用化学反应优化算法 对该优化问题进行求解,并给出了算法4种操作的具体实施方法。仿真实验表明,所提出的可靠性评估模型更符合真 实的网格系统,与遗传算法、粒子群算法相比,化学反应优化算法能更好地解决可靠性一费用双目标优化的网格任务调 度问题。     

基于网格的神经网络计算平台的架构

介绍了神经网络计算平台在网格上的架构。由于神经网络应用环境的复杂性及要求处理大量数据的问题，从而神经网络计算需要超强的计算能力，因此在神经网络计算平台中引入了网格的思想，力图建立一个基于网格的神经网络计算平台。平台使用Globus工具，采用了统一控制和完全托管的思想。鉴于神经网络算法的复杂性和大数据量，神经计算算法在网格上进行适合各自特性的分解。     

基于均值改进控制策略的昂贵约束并行代理优化算法

针对具有黑箱特性的昂贵约束优化问题及工程中计算资源利用率不高问题,提出了新的基于均值改进控制策略的并行代理优化算法.该算法为了减少仿真建模计算负担,选取Kriging近似模型对目标函数和约束函数进行近似估计.在Kriging模型基础上,利用均值改进与新增试验样本间的不等关系构建具有距离特性的控制函数.算法的均值改进控制策略通过控制函数调整最大改进值,实现样本设计空间的多点填充.算法适用范围:1)计算成本主要来自于仿真估计而非优化;2)复杂的工程或商业软件内部无法修改的昂贵仿真问题.数值算例和仿真案例表明:该算法可有效获取近似最优解,减少仿真试验次数的同时弱化均值改进准则的贪婪特性.相比于其他多点填充策略,均值改进控制策略可有效提升算法计算效率.此外,算法获取优化问题近似最优解的稳定性和精度均具有一定优势.     

基于网格计算的混合负载均衡的改进策略

近年来,随着科学研究对计算资源的要求不断增加,结合分布式计算环境和互联网的网格计算已经得到越来越多研究者的关注。网格计算就是利用网络中的空闲计算资源来协助那些要求大量计算的复杂任务的执行。根据分布式系统的静态和动态负载均衡策略的优缺点,本文提出了在网格计算环境下的混合负载均衡策略。为了让网络中的节点在网格计算环境中有效地执行需要大量计算的复杂任务,并根据大量的实验总结,提出了新的用来评估节点效率的函数,较以前的函数执行效率有了提高。     

基于Kriging模型和NSGA-Ⅱ的航空发动机管路卡箍布局优化

针对传统卡箍布局规划存在效率低且难以解决多目标优化问题等难点，提出一种基于Kriging模型和NSGA-Ⅱ算法的航空发动机管路卡箍多目标布局优化方法。提出并建立反映卡箍位置与管路振动性能关系的Kriging代理模型，同时结合拉丁超立方实验设计方法以及粒子群优化技术提高建模精度。以管路一阶固有频率和二阶固有频率为优化目标，应用NSGA-Ⅱ对管路卡箍位置进行布局规划以避免共振。在优化计算过程中，应用所建近似模型代替CAE分析程序对适应值函数进行评价，大大减小了计算量。发动机管路卡箍布局算例表明:所提方法可一次性获得多个满足要求的非支配解方案，不仅提升了管路系统的可靠性，而且计算效率亦得到了很大提高。最后仿真结果证明了所提方法的有效性。     

高性能计算在多学科大变量飞机优化设计中的应用

波音、空客等公司飞机设计中采用的先进设计手段之一是基于高性能计算的多学科、大规模设计变量优化的应用。目前我国的高性能计算在硬件方面已处于世界领先水平,但在工程应用系统方面还无法满足需求。文章介绍了以工程实际需求为导向,以高性能计算资源为辅助手段,基于飞机设计需求而开发的多学科、大变量的并行计算软件系统及计算平台,以及利用该平台实现的航空应用算例。     

Calculix三级并行优化及其在天河二号超级计算机中的应用

针对开源有限元软件Calculix传统计算模式在大规模数值计算中的低效问题,提出了Calculix三级并行优化策略,即预处理并行优化、节点间并行调度以及节点内多核多线程并行改造。预处理并行优化在方程组分解过程中与分解过程后,分别对其参数矩阵进行有条件的动态舍弃,据此构造了部分列选主元多行双门槛不完全LU分解预处理算法,并对算法的可行性、有效性以及收敛性给出了证明。为充分发挥TH-2超级计算机强大的资源优势,相继给出了基于QoS的节点间任务动态调度算法,以及节点内多核多线程并行任务调度算法,进一步实现计算任务与资源之间的优化匹配和QoS需求。在实验环节中搭建了针对天河二号(TH-2)超级计算环境的有限元并行计算与分析平台,并完成了针对船舶疲劳强度分析问题的实际工程应用测试。理论分析与工程算例测试结果充分证明:Calculix三级并行优化方案能够有效提高Calculix求解线性方程组的速度,在可获取足够计算资源的前提下, 与传统计算模式相比 ,实际工程算例的计算速度平均提高了2～4倍。     

局域网环境下的虚拟筛选网格平台搭建

在计算机辅助药物设计中,虚拟筛选是非常重要的一种方法,但其需要的计算量非常巨大。虚拟筛选网格平台,是在局域网环境下使用普通的PC机进行搭建的,可以提供很强的计算能力。相比于并行机而言,它的成本非常低廉。使用的是各个计算节点的空闲资源,并不影响计算节点的自身实际工作。针对局域网的通信成本低的特点,通过适当地减小计算粒度,更好地平衡了计算节点的负载,提高了网格平台的处理能力。在平台上进行了分子筛选实验工作,并与传统计算方法进行时间上的对比分析,结果表明该网格平台在进行虚拟筛选时能够提供非常好的计算性能。     

Towards a hybrid load balancing policy in grid computing system

Grid computing has become conventional in distributed systems due to technological advancements and network popularity. Grid computing facilitates distributed applications by integrating available idle network computing resources into formidable computing power. As a result, by using efficient integration and sharing of resources, this enables abundant computing resources to solve complicated problems that a single machine cannot manage. However, grid computing mines resources from accessible idle nodes and node accessibility varies with time. A node that is currently idle, may become occupied within a second of time and then be unavailable to provide resources. Accordingly, node selection must provide effective and sufficient resources over a long period to allow load assignment. This study proposes a hybrid load balancing policy to integrate static and dynamic load balancing technologies. Essentially, a static load balancing policy is applied to select effective and suitable node sets. This will lower the unbalanced load probability caused by assigning tasks to ineffective nodes. When a node reveals the possible inability to continue providing resources, the dynamic load balancing policy will determine whether the node in question is ineffective to provide load assignment. The system will then obtain a new replacement node within a short time, to maintain system execution performance.     

基于Kriging代理模型的动态云任务调度方法

任务调度在云计算环境中发挥着重要作用。提出一种基于Kriging代理模型的动态云任务调度方法。通过对云任务在不同资源组合下的性能表现进行Kriging代理模型建模并优化,从而得到对应于该云任务的最优资源分配方案;利用云平台的API,可动态对该云任务实施资源调度。基于OpenStack开源云平台,对两个工程计算应用进行了任务调度性能测试,结果表明该方法可有效动态调整云任务中的资源配给,按需按优对平台中的云任务进行资源调度。     

基于Hadoop平台的分布式SVM参数寻优

参数的选择对算法分类与预测的正确率有直接影响。在参数选择中全局网格搜索有着计算可靠、简单、优化效果明显的优势,适合应用于可靠性要求高的工程运算,如在复杂系统的故障诊断中对故障模式识别算法进行参数寻优等。但是,全局网格搜索在寻优过程中耗时过长,仍然是一个制约其使用的问题,尤其对于实时性要求较高的系统。以支持向量机的参数全局寻优问题为例,针对网格搜索寻优时间长的缺点,利用Hadoop平台进行分布式参数寻优,借助HDFS将参数自动划分到计算节点上,并运用MapReduce计算框架建立分布式参数寻优模型,完成模型训练预测及参数优化。实验结果表明,在不降低算法性能的前提下提高了寻优效率。