基于各向异性扩散方程的多层次并行图像去噪

针对利用各向异性扩散方程的去噪模型在求解中存在计算量大、耗时长、影响实时性等缺点,本文充分利用并行知识,提出了有效的解决方案。即基于各向异性扩散去噪模型,设计工作站机群平台,对噪声图像进行条状重叠的数据划分,以便实现算法节点内与节点间的两级并行策略:在机群结点内部采用共享内存结构,机群节点间采用分布内存结构,以二者的最优结合实现并行的层次结构化,从而得到一种高效的多层次并行图像去噪算法。实验结果表明,在基于混合模型的并行环境下,该算法能在一定程度上提高原算法的计算效率,不仅有效地缩短了运行时间,而且仍能获得与其相当的图像去噪质量。     

关于采用流水线方式进行一簇递推关系式的并行计算

１．引言在科学与工程计算中经常需要进行大量的递推形式的计算．例如,采用隐式或半隐式格式计算偏微分方程的数值解时问题通常转化为线性方程组的求解．在实际工程计算中目前依然大量采用Ｇａｕｓｓ－Ｓｅｉｄｅｌ或ＳＯＲ类型的选代法．又如,采用ＡＤＩ［１］方法对偏微分方程进行离散,则往往归结为一组带状线性方程组的求解．一般认为在分布式并行系统上,这种速推类型的计算较难实现且并行效率不理想．近年来为了解决这一问题,人们对算法从各种角度进行改造以避免递推形式的计算,如将Ｇａｕｓｓ－Ｓｅｉｄｅｌ类型迭代改为Ｊａｃｏ…     

偏微分方程的算子自定义小波解耦算法研究

利用小波算法求解偏微分方程最困难的问题是随着尺度的升高,系统方程的耦合度越来越高,极大降低了计算效率和精度.针对此问题提出了采用算子自定义小波的多尺度解耦算法,首先建立有限元多分辨空间和小波细化关系,提出偏微分方程的多尺度计算理论方法.在优化方案的基础上,提出算子自定义小波的构造方法及解耦条件.改进方法的突出优点在于根据工程问题的实际需要灵活构造具有期望特性的小波基.提出偏微分方程的多尺度算子自定义小波算法,充分利用算子自定义小波的嵌套逼近和尺度解耦特性,实现问题的高效求解.仿真结果表明,改进的算子自定义小波解耦算法具有计算效率高、精度高等特点.     

并行代数多重网格算法:大规模计算应用现状与挑战

代数多重网格(AMG)是求解偏微分方程离散线性代数方程组最有效的算法之一,广泛应用于科学与工程计算领域实际问题的大规模数值模拟.随着超级计算机性能不断提升,实际数值模拟的计算规模和并行规模越来越大,同时,实际问题应用特征和计算机体系结构特征越来越复杂,AMG面临并行可扩展、算法可扩展和浮点性能优化的严峻挑战.本文结合大规模计算的发展趋势,特别是面向即将到来的百亿亿次(E级)计算,分析AMG算法在这三个方面的挑战,总结研究现状与进展,展望未来研究重点.     

一种基于正弦变换的三维泊松方程并行求解算法

泊松方程的数值解法在许多物理或者工程问题上得到广泛应用,但是由于大部分三维泊松方程的离散化格式不具有明显的并行性,实际中使用整体迭代的思想,这使得计算效率和稳定性受到了限制。摒弃了传统数值解法中整体迭代的思想,结合离散正弦变换理论(DST),基于27点四阶差分格式,将三维泊松方程求解算法在算法级进行修改和并行优化,把整个求解问题转化成多个独立的问题进行求解,稳定性和并行性能得到大幅提升。对于确定的离散化形式,可以使用同一套参数解决不同的泊松方程,大大提高了编程效率。基于共享存储并行模型实现了该算法,实验结果显示,对于给出的实例,新算法具有较好的加速效果,计算结果精度误差约为10e-5,在可接受范围内,并且计算精度随着维数的升高具有一定提升。     

基于降精度求解准则的快速最优控制问题求解算法

动态优化策略广泛应用于很多领域,包括基于微分方程模型的最优控制问题求解等等. 这类问题在离散后,得到大规模、复杂的非线性优化问题.现在的优化方法采用传统收敛准则,往往收敛速度缓慢甚至最终收敛失败,无法及时得到可靠的数值解.本文针对联立法离散后的问题,采用一种基于降精度求解准则(reduced precision solution criterion,RPSC)的序列2次规划方法(sequcntial quadratic programming,SQP)进行求解.RPSC定义了一系列指标,用于判断继续迭代是否能够有效改善解值,是否可以终止求解进程.仿真实验结果表明,该收敛准则与传统收敛准则相比,能够及时终止求解过程,同时返回较好的数值解.此外,收敛阈值可以根据用户的实际需要设定,在得到满足要求的估计值时及时终止求解进程.     

机群系统中一种新的自适应结点分配算法:受限负载平衡结点分配(LLBA)

在机群系统中结点分配策略根据一定的原则为作业确定运行结点是提高系统性能的关键。通过对机群结点分配策略的研究,作者发现当前基于负载平衡自适应的结点分配策略为并行作业选择负载最轻的结点,这不利于系统性能的充分发挥。作者提出了一种新的自适应负载平衡结点分配算法：受限负载平衡结点分配。     

基于工作站机群的有限元结构分析并行计算

并行计算正成为科学和工程计算中的一个新趋势。将采用区域分裂技术的并行有限元方法应用于工作站机群的分布式并行环境。提出了基于单元区域分裂的共轭梯度并行算法。在工作站机群上对坝体结构进行求解,对其并行性能进行分析。     

渲染机群管理系统负载平衡算法的研究与实现

机群渲染系统负载平衡是为了及时地解决在动漫演染制作中出现的不平衡问题,使得机群渲染系统能够充分地利用好每个工作结点,以此来提高渲染机群管理系统的工作效率,解决动漫制作中渲染这一瓶颈.设计了动漫渲染管理系统的软件平台架构,并详细说明了管理系统的工作流程.对其中的关键部件的功能和结构进行了设计,具体给出了一个负载均衡算法,优化了渲染系统中的负载平衡算法.最终的测试结果表明了算法的有效性.     

一种并行的正序变异的混合PSO算法研究与应用

为有效解决粒子群算法在求解路网问题时易陷入局部最优的缺点,根据高校地理数据和多核系统并行处理方式,将自平衡策略和变异思想结合且并行化,提出一种并行求解高校路网问题的正序变异的混合PSO算法。该算法引入适合此问题的自平衡正序变异策略且采用并行处理方式,使其生成相互独立子群体且并行求解,来提高算法求解精度,保证算法多样性及收敛,降低计算时间。实验以Visual Studio 2005中C++编程实现仿真,结果表明此算法不但能有效求解高校路网问题,而且比离散PSO算法、并行自平衡PSO算法的解更优。     

A Hybrid Analysis of an Optimization Approach for Cluster Applications

Cluster/distributed computing has become a popular, cost-effective alternative to high-performance parallel computers. Many parallel programming languages and related programming models have become widely accepted on clusters. However, the high communication overhead is a major shortcoming of running parallel applications on cluster/distributed computing environments. To reduce the communication overhead and thus the completion time of a parallel application, this paper introduces and evaluates an efficient Key Message (KM) approach to support parallel computing on cluster computing environments. In this paper, we briefly present the model and algorithm, and then analytical and simulation methods are adopted to evaluate the performance of the algorithm. It demonstrates that when network background load increases or the computation to communication ratio decreases, the analysis results show better improvement on communication of a parallel application over the system which does not use the KM approach.     

混合SPMD模拟退火算法及其应用

模拟退火算法由于有很好的数学特性－以概率1收敛于全局最优值,再加上其算法本身与特定的问题无关,因此被广泛地用于各种组合优化问题。但是,模拟退火算法又具有收敛速度慢,执行时间长,算法性能与初始值有关及参数敏感等特点,使得它在不少应用中成为一种低效甚至是不可行的算法。文中提出一种混合SPMD模拟退火算法,在克服经典模拟退火算法内在串行性的同时,进一步和下山法结合起来,并综合多种优化方法,在一定的处理机规模内取得了可扩展和并行效果,显著提高了算法的收敛速度,克服了算法性能对初始值和参数选择的过分依赖,在提高算法性能的同时,方便了算法的使用。该算法已在一个机群系统THNPSC－1上得以实现,并在材料科学的一个定量电子晶体学研究问题中得到应用,降低了该问题的求解时间,提高了求解质量。     

基于MapReduce的高能物理数据分析系统

将MapReduce思想引入到高能物理数据分析中,提出一个基于Hadoop框架的高能物理数据分析系统。通过建立事例的TAG信息数据库,将需要进一步分析的事例数减少2~3个数量级,从而减轻I/O压力,提高分析作业的效率。利用基于TAG信息的事例预筛选模型以及事例分析的MapReduce模型,设计适用于ROOT框架的数据拆分、事例读取、结果合并等MapReduce类库。在北京正负电子对撞机实验上进行系统实现后,将其应用于一个8节点实验集群上进行测试,结果表明,该系统可使4×106个事例的分析时间缩短23%,当增加节点个数时,每秒钟能够并发分析的事例数与集群的节点数基本呈正比,说明事例分析集群具有良好的扩展性。     

针对高清彩色图像的最佳邻域匹配算法并行化研究

最佳邻域匹配算法是一种优秀的差错掩盖算法,能得到很高的图像恢复质量。但是,该算法计算量大,已很难满足目前图像处理的要求。本文主要针对高清彩色图像,将BNM算法推广到彩色图像,并将该算法并行化。实验表明,在一个4结点的机群系统上,破坏率为15%的条件下,该并行算法的加速比达到7.52,大大提高了原串行BNM算法的效率,并且图像恢复质量没有下降。     

一种同构机群系统中的处理机分配算法

机群系统的分布式计算环境为并行处理技术带来了新的研究与应用问题，正成为并行计算的热点问题．如何合理、有效地将并行任务划分到机群系统的结点上，将直接影响系统的执行性能．本文分析影响系统执行效率的执行开销因素，同时提出一个启发式的处理机分配算法.     

基于SVM和聚类的Internet流识别方法

利用支持向量机与聚类结合的方法,通过训练具有不同的特点几类应用对网络流量进行分类,这些应用是从校园网的骨干网中抓获的.鉴别选择算法的设计是用来获取用以进行分类的最佳组合特征.基于无偏向性的训练和测试样本,优化方法拥有比较高的准确性.所有的特征参数从实时捕获的数据包包头中计算出来的,显示出实时网络流量的高精度分类是可以实现的.实验结果表明该方法是有效的.     

全球谱模式T213L31在PC机群系统上的并行实现

本文研究以PC作为结点的Linux机群系统上实现全球谱模式T213L31并行计算的方法,给出了谱模式的三维置换并行算法和半拉格朗日时间积分格式的按需通讯并行实现方法,同时提出了适合于机群系统的并行I/O实现。该实现在由四个双CPU结点组成的Linux机群环境下取得了良好的运行效果。     

Two coding based adaptive parallel co-genetic algorithm with double agents structure

This paper systematically proposed a multi-population agent co-genetic algorithm with double chain-like agent structure (MPATCGA) to solve the problem of the low optimization precision and long optimization time of simple genetic algorithm in terms of two coding strategy. This algorithm adopted multi-population parallel searching mode, close chain-like agent structure, cycle chain-like agent structure, dynamic neighborhood competition, and improved crossover strategy to realize parallel optimization, and has the characteristics of high optimization precision and short optimization time. Besides, the size of each sub-population is adaptive. The characteristic is very competitive when dealing with imbalanced workload. In order to verify the optimization precision of this algorithm with binary coding, some popular benchmark test functions were used for comparing this algorithm and a popular agent genetic algorithm (MAGA). The experimental results show that MPATCGA has higher optimization precision and shorter optimization time than MAGA. Besides, in order to show the optimization performance of MPATCGA with real coding, the authors used it for feature selection problems as optimization algorithm and compared it with some other well-known GAs. The experimental results show that MPATCGA has higher optimization precision (feature selection precision). In order to show the performance of the adaptability of size of sub-populations, MPATCGA with sub-populations with same size and MPATCGA with sub-populations with different size are compared. The experimental results show that when the workload on different sub-populations becomes not same, the adaptability will adaptively change the size of different sub-population to obtain precision as high as possible.     

基于分簇的双簇首水下传感器网络时间同步算法

水下传感器的时间同步会受到节点移动、传播时延、能耗等因素的影响,陆地传感器的时间同步算法无法直接应用于水下环境。综合考虑水下通信的特点,提出一种基于分簇的双簇首辅助时间同步算法。基于节点能耗和深度对其进行分簇,从簇中选取2个最优节点作为主副簇首,引入节点移动模型以减小节点移动性造成的计算误差,并使用移动信标节点完成簇首间的同步。在此基础上,利用双簇首对普通节点进行同步,并考虑声速动态变化对同步性能的影响。仿真结果表明,与TSHL、MU-Sync、multi-hop、D-Sync等算法相比,该算法的能耗较低,同步精度较高。     

具有能量效率的容错多事件簇

在无线传感器网络中,容错性和高效性是衡量网络性能的重要指标,在应用中如何同时兼顾这两个因素一直是算法研究的关键问题。针对多事件的监测和感知处理的应用,特别是当事件的感知区域发生重叠情况时,提出了具有能量效率的容错事件簇算法AECA。算法中首先给出了既考虑节点剩余能量又考虑节点容错性的分布式的簇头选举方法;然后研究了事件簇之间具有重叠区域的情况下节点处理的策略。通过仿真实验表明,算法AECA能有效地提高传感器网络的容错性和生存周期,并具有可靠性和可扩展性的特点。