图表管理在大型复杂工程施工动态管理中的应用分析

大型复杂工程的复杂性、综合性、动态性、单件性和社会性致使项目总承包商在施工过程中存在很大的管理难度,特别是项目管理决策者需要根据工程进展情况及时系统化、程序化和精细化对项目管理进行动态调整并及时下达指令。图表管理在施工项目管理过程中存在很突出的作用,本文结合作者在某工程施工中的实践经验,以大型复杂工程施工管理中采用的部分典型图表管理为例,对该方法在大型项目施工管理过程中的作用进行简单探讨研究。     

硬件集合通信中聚合树构建方法

传统的MPI (message passing interface)集合通信是基于点到点消息实现的,性能较低;而硬件集合通信具有性能高、CPU占用率低等优点,正受到越来越多的关注.硬件集合通信中,聚合树对集合通信性能具有至关重要的影响.研究了影响硬件集合通信性能的因素,提出了硬件集合通信开销模型,并以此为基础提出了构建硬件集合通信聚合树的方法.该方法主要包括3个部分：1）根据操作类型、聚合数据包大小等确定聚合树类型及聚合树宽度,从而在网络传输开销与数据计算开销之间取得平衡;2）提出了最小高度分层k项Ⅰ型聚合树构建方法,降低了跨组聚合包的个数;3）提出了构建最小代价Ⅱ型聚合树的方法,减少所使用的交换机数量.在神威互连网络中对聚合树构建方法进行了全面测试,当存在网络噪声的情况及分层k项Ⅰ型聚合树构建方法下的消息延迟相比传统构建方法下降了24%～89%;典型通信模式时,最小代价Ⅱ型聚合树使用的交换机聚合条目数相比优化前下降了约90%.     

需求驱动的流敏感别名检查

别名分析的精度影响着很多其他编译优化的效果。在对展开后的循环体做指令调度的时候,不精确的别名分析结果会导致冗余数据依赖的产生,从而限制了调度。流敏感的别名分析因为代价过高而扩展性不好。在流不敏感别名信息的基础上,提出了一种需求驱动的流敏感别名检查方法,能够以流敏感的方式判断两个表达式在某程序点上是否为别名。该方法假设两个表达式之间具有别名关系,从而获取初始的数据流事实。用数据流分析技术计算逆向程序点上的数据流事实。如果在所有逆向路径上的数据流事实中都产生了矛盾,则认为别名关系不成立。实验结果表明,该方法能较好地提高别名分析的精度。     

并行语言及编译技术现状和发展趋势

首先介绍了现阶段几种主流的并行语言OpenMP,HPF,Co-array FORTRAN,ZPL,UPC,并说明其各自的特点以及目前的状况,然后对并行编译技术的现状进行了分析,最后对并行语言以及编译技术的发展趋势进行了预测.     

一种寄存器分配的优化策略

寄存器作为机器硬件结构中有限的宝贵资源，使得寄存器分配技术成为编译器最为关键的优化技术之一。寄存器分配效率提高的关键在于如何最大限度地减少溢出带来的开销，论文针对这一问题，提出了在传统RISC芯片存储结构的基础上加一级缓冲寄存器来处理溢出的设想，并以作者为一种新型的RISC体系结构微处理器研制的编译系统为背景，提出了基于该缓冲寄存器的寄存器分配优化策略。实验表明，优化效果明显。     

机械耕翻的丰产机理及问题探讨

通过机械耕翻与未翻地块进行对比试验,阐明机械耕翻在改善土壤理化性质等方面的作用,从而促进农业丰产.同时针对机翻中存在的问题进行探讨.     

并行语言及编译技术现状和发展趋势

首先介绍了现阶段几种主流的并行语言：OpenMP，HPF，Co-array FORTRAN，ZPL，UPC，并说明其各自的特点以及目前的状况，然后对并行编译技术的现状进行了分析，最后对并行语言以及编译技术的发展趋势进行了预测。     

基于局部性分析数据预取在GCC上的实现

微处理器与DRAM之间速度差异越来越大,系统优化需要更多积极有效的方法来减少或隐藏访存延迟.数据预取是隐藏访存延迟的一种有效方法,本文在GCC编译器上实现了一种基于精确局部性分析的数据预取优化算法.对spec2000和NPB2.3的测试结果显示,实施了该优化的GCC平均性能比原来提高了9%.     

SPM结构上冗余读延迟写优化的设计与实现

随着微处理器架构的发展,将片上SRAM组织成SPM这种软件管理的非cache结构成为众多处理器的选择。SPM结构的特点是实现简单,访问延迟低、带宽高。要有效利用有限的片上SPM空间提升程序性能,必须由用户显式进行数据的布局和传送,或者由编译器进行高效的自动访存优化。冗余读延迟写优化从循环中多个主存访问之间的关联性出发,自动进行了数据传送和缓存优化,提高了SPM上的数据重用率。经过测试,可以有效提升程序性能。     

一种基于增量式实例学习的迭代编译方法

为提高编译器的自适应性,以应对复杂的体系结构,提出一个结合迭代编译和机器学习的编译框架。编译器可将在优化空间中搜索到的最佳编译选项信息保存到知识库中,并能从知识库中学习获得适合当前程序的最佳编译选项。实例学习算法具有增量式的特点,可有效利用编译过程中积累的数据。通过避免冗余实例入库以及从库中剔除噪声实例,保证学习的精度与效率。