矩阵计算的并行算法与实现

对于大型矩阵的乘积运算和高价方阵的求逆运算，构造了一种适用于多处理机系统的并行算法，该方法能较大地节约计算机的工作单元，提高计算速度和效率，同时给出了具体的并行程序和计算结果。     

基于CUDA的AES并行算法优化

为提升高级加密标准(AES)的加密性能,利用显卡的通用计算能力,在统一计算设备架构(CUDA)平台上实现AES的128位、192位和256位3个版本的GPU并行算法,并提出优化的AES并行算法。在考虑块内线程数量、共享存储器容量和总块数的基础上,根据分块最优值的经验数据指导AES算法在GPU上的最优分块。实验结果表明,与未优化的AES并行算法相比,该算法的3个版本在Nvidia Geforce G210显卡上的加密速度分别提高5.28%,14.55%和12.53%,而在Nvidia Geforce GTX460显卡上的加密速度分别提高12.48%,15.40%和15.84%,且能更好地对SSL数据进行加密。     

《数据结构》矩阵计算程序的功能分析

详细分析了矩阵转置、乘法计算程序的功能结构,分析了转置程序的多算法线索对程序效率的影响,分析了并行转置乘法的行向量方法,并且对3个程序都进行了数据分析,以及程序执行的过程分析。以达到掌握《数据结构》的稀疏矩阵计算程序的目的,而且对今后编写矩阵计算类程序在功能结构上提供了有效根据。     

一种基于Apriori的微博推荐并行算法

微博作为最大的社会化媒体产品,拥有海量的用户和信息资源。微博推荐是微博个性化服务的重要方面,是解决信息过载问题的有效工具。考虑到微博数据海量性的特点,针对传统串行推荐算法对大数据处理效率低的问题,采用MapReduce模型,提出和设计一种基于关联规则挖掘算法Apriori的微博推荐并行算法,并在Hadoop平台实现。实验表明,提出的微博推荐并行算法具有较好的加速比和较高的运行效率,证明了该微博推荐并行算法在大数据处理中的高效性。     

FT64并行系统上的EP和GEMM并行算法设计与实现

EP和GEMM是科学计算领域中常用的计算核心,并广泛应用于高性能计算机体系结构的性能评测.基于一种当今热门的体系结构--流体系结构,设计实现了这两个测试程序在FT64并行系统上的并行算法,并取得了很好的效果.     

分布式并行粒子滤波算法结构分析与研究

粒子滤波器是解决非线性/非高斯系统状态估计的有效技术,广泛应用于目标跟踪、无线通信.自动控制等领域.但因其计算复杂、计算量庞大等缺陷,无法满足实时系统的应用需求.针对粒子滤波器计算量大、实时性差的问题,提出了一种基于MPI的分布式并行粒子滤波算法,给出了Master-Slave并行模式下任务分配、数据划分与负载平衡策略.实验结果表明,若忽略通信代价,加速比基本呈线性增长.     

机群环境下傅立叶变换的并行算法研究

并行FFT是解决大数据量FFT运算耗时过久的重要途径,在PC机群上实现并行FFT是一种低成本、高效率的解决方案。本文讨论了PC机群环境下MPI并行FFT实现,并利用建立的平台,对并行算法进行了测试,得出了一些有意义的结论和方法。     

基于贪心基因库的并行TSP演化算法

设计求解TSP问题的贪心基因库并行演化算法.该算法基于改进的反序交叉并行TSP演化算法,对主进程和子进程进行适当修改,引入了贪心基因库算子,将基因库中的基因片,替换演化群体中个体的基因片.实验结果表明,算法能取得更好的解.