基于Matlab分布式工具箱的流场计算及其可视化

讨论了格子Boltzmann方法LBGK D2Q9模型的计算过程和计算特点。通过该模型模拟了一类典型的流体绕流问题的计算及其可视化,研究并实现了利用Matlab分布式计算工具箱进行分布式并行处理的问题。讨论了利用虚拟目录及文件的方式传递数据的过程,实现了跟踪方式的LBGK流体计算模型科学计算可视化系统。     

LBGK模型的分布式并行算法及实现

在计算流体力学领域中,由于流场求解的复杂性,设计出高效的并行算法成为了流场并行化计算的研究重点.以格子Boltzmann方法的理论应用为研究背景,把并行思想和格子Boltzmann方法在模拟流体流动中的计算问题结合起来,讨论了格子Boitzmann方法LBGK D2Q9模型的计算过程和计算特点.研究并实现了LBGK模型的分布式并行算法,并在自强3000上进行了算法的并行性能的分析和测试.结果表明,格子Boltzmann方法LBGKD2Q9模型适合大规模的并行计算,能提高计算的精度和速度,解决复杂流场计算问题.     

基于流体运动分解模型的流线构造方法及在CFD中的应用

流线的生成是流场可视化研究中的重要问题，也是流带、流管及流面等可视化显示方法实现的基础。经典的流线生成方法大多过于复杂。文中提出一种简化的流线生成方法，将流体质点的运动在单元网格内进行分解，通过判别条件判别流体质点流出的面，通过相邻单元之间的连接关系跟踪流线的轨迹。结合大型泵站流道CFD计算结果，对文中流线生成模型加以验证，其可视化效果良好。     

图形软件与Gaussian 98 W程序的联合应用研究

根据量子化学计算的要求，探讨了以图形方式输入计算所需初始坐标的方法，并在Gaussian 98w平台上对相关计算模型进行了优化，进而用可视化软件分析了Gaussian 98 W的计算结果，实现了Gaussian 98 w程序的图形输入和图形输出，使量子化学计算和讨论方便直观。     

基于ICON的测试描述语言及其集成设计环境的实现

本文从计算模型出发，讨论了计算前端的可视化方法和计算的操作机制；通过对文本方式的测试描述语言成分的分析，提出了：提出了可视化该语言的策略和步骤。设计了一个可测试描述语言的集成化环境；在该环境中，我们定义了各种工具，定义了测试语言的ＩＣＯＮ及春语文。在面向对象方法学的支持下，实现了该集成的原型系统。     

基于DEM的水库三维可视化研究

利用库区纸质地形图建立了高精度的数字高程模型，进行了精度分析、地形因子分析、可视性分析和库容计算。并结合ASP和VRML技术实现了基于网络的三维可视化系统，包括计算结果可视化与查询、图形数据可视化和库区虚拟场景可视化。实现了对深层次水利信息的获取和形象表达。     

数据挖掘方法与可视化

迄今为止，数据挖掘与知识发现软件的功能不再停留在“挖掘”这个单一功能的实现，而已延伸到数据挖掘与知识发现的过程．即包括数据的预处理、数据挖掘、模型评估与可视化；在单纯的模型可视化基础上扩充了数据可视化与数据挖掘过程可视化：本文着重讨论了数据挖掘的方法与可视化技术，最后提出了未来的研究方向。     

基于OpenGL的战斗部结构可视化系统

该文首先建立三种不同头部形状的半穿甲战斗部特征模型，通过这些模型能够实现战斗部参数化设计，然后结合OpenGL技术，分析了半穿甲战斗部可视化系统的设计和实现，包括可视化系统的总体框架和可视化建模技术，特别给出了旋转结构体的可视化建模技术。最后，利用数值积分方法，对半穿甲战斗部的特征参数进行计算，其特征参数主要包括壳体和炸药的质量、质心和体积。并实现了系统可视化，给出了某一种战斗部的可视化示例和相应的验证模型。     

决策支持系统问题模型的可视化构造方法

提出了一种构造决策支持系统问题模型的新方法－可视化构造方案,并指出实现这一方法所应解决的技术环节。实现决策支持系统可视化构模的关键是实现构模过程的面向对象设计,该文对此进行了较为深入的研究,并提出了构模元素对象的类原型。在此基础上进一步讨论了问题模型的自动生成过程以及基本模型的存储和管理。     

数据可视化在温度场模拟中的应用

针对当前铸造软件温度场饪拟中存在的问题，提出了温度场模拟可视化研究的必要性与迫切性;利用双线程结构将温度场模拟与数据可视化分开，实现数值计算与数据可视化的同步。开发了温度场模拟可视化组件，该组件也可应用于流场充型过程模拟。数据可视化技术在温度场模拟中的应用有效地提高温度场模拟过程的透明度和实时交互性，从而优化了铸造工艺及其参数。     

Microsoft Excel药学计算可视化的应用

目的：探讨电子表格程序MS Excel的主要技术和方法,实现药学计算可视化的应用。方法：研究Excel数据和图表处理的方法,分析药学计算的基本规律和技术,将Excel应用于药学计算可视化。结果：采用Excel数据计算技术、图表技术、图形动画技术和模拟技术等能可视化地表达计算中所涉及的概念、方法、过程、结果及所产生的数据信息等,以实现人机交互的药学计算。结论：Excel数据计算技术、图表技术、图形动画技术和模拟技术,是实现药学计算可视化的有效工具。     

存储与计算的分离

当前计算应用的发展对传统计算机体系结构提出了挑战．由计算资源和存储资源固定连接形成的系统已经不能适应动态计算的需求．从应用出发,提出计算资源和存储资源物理分离和逻辑分离的概念,并以此为基础,构造三维可重构计算环境可以解决这些问题．在这种环境中,用户程序、计算资源和存储资源可以根据应用的需求动态组合．由于摆脱了资源的地理位置和操作环境等方面的限制,计算过程将呈现出数据驱动的特点,从而实现按需计算,使计算系统可以在更大范围内为用户提供服务。     

基于Internet的分布式网络精馏计算系统

文章简要叙述了近10年来化工领域网络计算技术的发展状况,提出了一种基于分布式计算的网络计算模型,并将这一模型应用到化工精馏模拟计算领域。文章对分布式网络计算模型的成员结构及成员间的关系和通信方式进行了仔细分析,给出了一个模型结构框图,同时,对如何选择开发平台、开发语言和开发工具提出了一些建议。并给出了一个采用分布式网络计算模型的化工精馏模拟网络计算系统的设计实例,并列举了采用这个模型进行实际模拟计算应用的两个具体例子。最后对网络计算的发展前景做了一些展望。     

面向延迟敏感型物联网应用的计算迁移策略

针对云计算网络延迟较长、能耗过高和边缘服务器计算资源有限的问题,提出了一种提高延迟敏感型物联网（IoT）应用服务质量（QoS）的边缘-云合作的漂移加惩罚计算迁移策略（DPCO）。首先,建立物联网-边缘-云系统模型,对业务模式、计算任务所经历的传输延迟和计算延迟、系统产生的计算能耗和传输能耗等进行数学建模;然后,以系统能耗和任务平均延迟为优化目标,以边缘服务器的队列稳定性为限制条件构建边缘-云合作的计算迁移优化模型;接着,以优化目标为惩罚函数,基于李雅普诺夫稳定性理论推导出计算迁移优化模型的漂移加惩罚函数特性。最后,基于推导结果提出了DPCO计算迁移算法,通过每时隙选择使当前漂移加惩罚函数最小化的计算迁移策略来降低长期的单位时间能耗和缩短系统平均延迟。与轻流雾处理（LFP）、基准边缘计算（EC）、基准云计算（CC）策略相比,DPCO的系统能耗最低,约是CC策略的2/3;任务平均延迟也最小,可减少为CC的1/5。实验结果表明,DPCO能够有效降低边缘-云计算系统的能量消耗,减少计算任务的端到端延迟,满足延迟敏感型IoT应用的QoS要求。     

基于网格计算技术的电力系统分布式并行计算——底层平台设计与实现

文章提出了基于网格计算来实现电力系统分布式并行计算的方案。主要涉及计算池(ComputingPool)的设计、资源的管理与动态分配,以及图论分割和稀疏数值计算库的设计和实现等。文章首先介绍了网格计算应用于电力系统分布式并行计算的概念,在此基础上,分析了基于GlobusR网格计算开发平台实现的以上功能模块。最后对测试平台和测试结果进行了简要的介绍。     

一阶有限群控制下实数域多方向计算的实现

根据一阶有限群的多方向计算,实现实数域运算描述的数学模型的多方向计算。多方向计算是以群论和图论为理论基础。一阶的有限群是对研究的初等代数运算描述的数学模型的最高形式的抽象。把一阶的有限群的多方向计算的性质应用到实数域的数学模型,应用到科学和工程领域的大量计算中去。根据这些研究建立一个计算系统的软件,名叫“九章”。“九章”能够加载以初等代数公式描述的数学模型,并演算求解模型各个计算方向的应用。它的特点是能够对数学模型进行多方向计算。把可以多方向计算的数学模型从应用程序分离出来,由“九章”来运行,提供数学模型多方向执行和并行执行的特征。     

Spark任务间消息传递方法研究

当今诸多工程问题及科学研究中,都面临着大数据处理和高性能计算任务的双重挑战。基于内存计算技术提出的分布式处理框架Spark已在学术和工业界得到了广泛的应用,但其MapReduce-like的编程模型在任务间无法进行通信,导致科学计算中的数值算法无法进行高效实现。针对上述问题,研究了一种Spark内存计算与MPI消息传递模型相结合的解决方案,充分利用内存访问存取快速的特点和MPI的多种高性能通信机制,解决了Spark编程模型表达能力不足的缺陷,同时为MPI提供了面向数据的DAG计算方式。通过对Spark内部的运行环境和调度系统进行修改,使得MPI在Spark中得以无缝融合,为高性能计算和大数据任务提供了一个统一的内存计算系统。测试结果表明,在数值计算和迭代算法上相比Spark至少有50%的性能提升。     

MapReduce框架下的Skyline计算

由于Skyline查询广泛应用于多目标决策、数据可视化等领域,近年来成为数据库领域的一个研究热点。针对云计算环境,在MapReduce框架下设计并实现了Skyline算法。MapReduce是一个运行在大型集群上处理海量数据的并行计算框架,其主要思想是任务的分解与结果的汇总。基于不同的数据划分思想,实施了三种Skyline并行算法,分别是基于MapReduce的块嵌套循环算法(MapReduce based block-nested-loops,MR-BNL)、基于MapReduce的排序过滤算法(MapReduce based sort-filter-skyline,MR-SFS)以及基于MapReduce的位图算法(MapReduce based bitmap,MR-Bitmap),并针对这三种算法进行了系统的实验比较,得出了不同数据分布、维数、缓存等因素对算法性能的影响结果。