基于龙芯多核处理器的云计算节点机

提出了一种基于龙芯多核处理器的高效能云计算节点机的软硬件设计和实现方法,并研制成功相应原型系统。实验和测试表明,本系统单节点取得了每秒0.256×1012次浮点运算能力（Tflops）,单一机柜可容纳42个1U节点机箱,672颗CPU,2 688个CPU核（672×4）的性能,总体具有基于龙芯多核处理器、高密度、高性能功耗比等优点,为基于龙芯多核处理器的云计算系统奠定了坚实基础。     

BitTorrent下基于活跃度的传输节点选择算法

近年来,对等网络（peer to peer,P2P）因其高效的分片和分发等机制,已成为大数据高效分发的关键支撑技术。针对P2P文件分发系统BitTorrent中Tracker服务器端节点选择算法没有考虑节点活跃度的问题,提出了一种基于活跃度的Tracker服务器端节点选择算法。该算法选择出活跃度高的节点来建立一个更高效的分发网络,使之更能符合请求节点的需求,帮助请求节点更加高效地完成下载任务。实验结果表明,改进后的节点选择算法可以缩短文件的下载时间,提高网络的分发效率,提升系统的性能。     

胖树的网络演算模型

网络演算近年来已成为网络领域重要的性能分析工具之一,但是,传统的网络演算主要关注网络的QoS性质,通过计算数据流的最大数据积压、最大端到端延迟、服务曲线等来分析网络的性能。在高性能计算系统中,则主要关心网络系统的吞吐率、通信延迟以及网络的饱和参数等,传统的网络演算理论无法有效计算这些参数。将网络演算与排队论结合,定义和推导了网络演算下的通信延迟和吞吐率,构造了一套适合高性能网络分析的网络演算分析方法。基于设计的方法,通过对胖树网络下均匀流量模式的分析,表明本文所设计的方法能够有效分析高性能网络的通信延迟、吞吐率等参数,并能有效捕捉网络的饱和状态,与模拟器的对比结果也表明本文模型能够基本吻合仿真结果。     

自适应的多种群并行遗传算法研究

典型的遗传算法本质上是一种并行的随机搜索策略,它不能对进化方向做出正确的感知和预测。文章定义了一个可以感知进化方向和衡量进化速度的指标,指导遗传算子做出自适应的调整。结合并行计算和多种群进化思想,提出了“带环多种群模型”,并构造了一种自适应的多种群并行遗传算法。实验结果表明,该算法可以有效地引导和控制进化方向,克服过早收敛现象,提高搜索效率。     

基于粒子群算法的遗传算法研究

针对传统遗传算法存在的早熟收敛和易陷入局部最优解的问题,提出了一种基于粒子群算法的遗传算法,其原理是用粒子群算法来构造变异算子和进行种群分割.通过对三个典型多峰值函数的优化来评估算法性能.实验结果表明,该算法能很好地保持种群的多样性和克服早熟现象,显著提高遗传算法的收敛速度.