有限差分法的并行化计算实现

有限差分法是求解偏微分方程近似解的一种重要的数值方法。串行算法并不能高效的解决大规模复杂计算问题,并行化计算方法可提高复杂计算问题的效率．从而使并行机上计算有限差分问题成为可能。二维场中拉普拉斯方的差分程格式非常适合并行化方法的计算,将串行部分并行化以提高大规模计算的效率具有重要的现实意义。MPI（消息传递接口）是实现并行程序设计的标准之一。虚拟进程（MPI_PROC_NULL）的引用简化了MPI编程中的通信部分,串行算法可更改为并行化计算方法,最终实现有限差分方法的并行化计算。     

有限差分法的并行化计算实现

有限差分法是求解偏微分方程近似解的一种重要的数值方法。串行算法并不能高效的解决大规模复杂计算问题,并行化计算方法可提高复杂计算问题的效率,从而使并行机上计算有限差分问题成为可能。二维场中拉普拉斯方程的差分格式非常适合并行化方法的计算,将串行部分并行化以提高大规模计算的效率具有重要的现实意义。MPI(消息传递接口)是实现并行程序设计的标准之一。虚拟进程(MPI_PROC_NULL)的引用简化了MPI编程中的通信部分,串行算法可更改为并行化计算方法,最终实现有限差分方法的并行化计算。     

基于有限差分法求解单脊波导的并行算法研究

有限差分方法广泛应用于求解波导问题,具有易于并行的特点。为了求解大规模多脊波导场结构问题,试图从并行计算的角度提供一种有效的解决思路,给出基本算法,验证一个实例,在基本算法的基础上可进行一些必要的扩展,对求解多脊波导提供参考。     

模拟退火算法的并行化策略研究

模拟退火算法是一种能应用到求最小值问题或连续更新的学习过程（随机或决定性的）。在此过程中,每一步更新过程的长度都与相应的参数成正比,这些参数扮演着温度的角色。标准模拟退火算法仅进行串行优化,其效率很难提高。因此,考虑引入多种群群体优化机制构造并行算法,并对接受准则进行讨论。     

模拟退火算法的并行化策略研究

模拟退火算法是一种能应用到求最小值问题或连续更新的学习过程(随机或决定性的)。在此过程中,每一步更新过程的长度都与相应的参数成正比,这些参数扮演着温度的角色。标准模拟退火算法仅进行串行优化,其效率很难提高。因此,考虑引入多种群群体优化机制构造并行算法,并对接受准则进行讨论。     

时域有限差分算法的并行实现

随着许多工程领域的计算量在不断加大，就提出了并行计算技术问题。而在目前高性能计算机系统中，最广泛使用的一种标准是MPI，它已成为一种并行程序的标准。MPI的理念就是需要将问题的并行求解算法转化为特定的适合并行计算模型的并行算法。麦克斯韦旋度方程的数值分析有多种方法，但其中的时域有限差分法是一种较好的方法。在用时域有限差分法进行数值计算时，需要进行大量的数据采集与计算。在这里，采用并行的方法给予实现，提高计算速度。     

蚁群聚类算法的并行化设计与实现

蚁群聚类是一种有效的聚类方法,已在数据分析等领域获得广泛应用.MPI并行计算提供高效的数据处理方案,研究蚁群聚类算法的并行化是目前具有挑战性的研究课题.首先介绍了基于传统编程模型的解决TSP问题的蚁群优化算法,以及蚁群优化算法和K-means结合的聚类方法,描述了它们的基本原理和实现过程.然后,对基于传统编程模型的聚类算法进行MPI并行化改进,实现了基于MPI并行计算的蚁群聚类算法.最后,分别采用Iris、Wine、Zoo3个UCI数据集和Reuter-21578文本数据集进行多次测试,对基于传统编程模型的聚类算法和基于MPI并行计算的聚类算法进行性能和效率上的比较,得出基于MPI并行计算的聚类算法更优的结论.     

大规模并行时域有限差分法电磁计算研究

基于我国超级计算机平台,开展了大规模并行时域有限差分法(Finite-Difference Time-DomainFDTD)的性能和应用研究。在我国首台百万亿次\"魔方\"超级计算机、具有国产CPU的\"神威蓝光\"超级计算机和当前排名世界第一的\"天河二号\"超级计算机上就并行FDTD方法的并行性能进行了测试,并分别突破了10000 CPU核,100000 CPU核和300000 CPU核的并行规模。在不同测试规模下,该算法的并行效率均达到了50%以上,表明了本文并行算法具有良好的可扩展性。通过仿真分析多个微带天线阵的辐射特性和某大型飞机的散射特性,表明本文方法可以在不同架构的超级计算机上对复杂电磁问题进行精确高效电磁仿真。     

基于MPI的Jacobi迭代算法的并行化

Jacobi迭代算法是解线性方程组的最常用的方法,具有广泛的应用。Jacobi迭代属于计算密集型[1],将并行计算技术应用到Jacobi迭代中,具有重要的意义。通过使用消息传递编程模型mpi提供的向量数据类型和虚拟进程拓扑来实现Jacobi迭代的并行化。     

基于MPI的Jacobi迭代算法的并行化

Jacobi迭代算法是解线性方程组的最常用的方法,具有广泛的应用。Jacobi迭代属于计算密集型[1],将并行计算技术应用到Jacobi迭代中,具有重要的意义。通过使用消息传递编程模型mpi提供的向量数据类型和虚拟进程拓扑来实现Jacobi迭代的并行化。     

一种典型并行程序风范--"管理者-工人"的设计模式开发与实现

PVM／MPI并行编程方法是目前编程人员广泛使用的方法之一，但此方法将并行性开发的任务完全交给编程人员．由于系统开发方法的缺乏以及编程人员水平与风格的差异，软件的质量与效率往往难以得到保证。为此，本文在PVM／MPI并行编程方法研究的基础上，引入了设计模式的思想，并针对一种典型的并行程序风范——“管理者-工人”设计模式的思想进行了定义、描述与实现。编程人员通过使用本文实现的设计模式，极大地减轻编程负担，有效地提高并行程序的可编程性，有利于在解决可适用管理者-工人并行程序风范的一类问题时得到结构良好的并行程序。     

基于MPI的背包问题并行程序设计与实现

MPI（Message Passing Interface）是消息传递并行程序设计的标准之一,概述了MPI的概念和组成,着重介绍了支持并行程序设计的消息传递接口（MPI）以及在MPI环境下的并行程序设计方法,并给出一个MPI并行程序设计实例,说明了MPI的程序设计流程和普通串行程序设计之间的关联。     

一种MPI并行程序设计中的动态负载平衡策略

介绍了MPI并行编程环境和MPI并行程序设计的特点,讨论了在MPI并行程序设计中实现动态负载平衡的方法,提出一种根据计算节点的计算能力和实时负载情况进行任务迁移的动态负载平衡策略。     

并行程序设计的短课程教学方法

并行程序设计课程定位为跨专业研究生选修课程,宜采用小班级短课程教学模式。本文结合高等教育学和高等教育心理学的基本原理,将并行程序设计课程分为三大部分:并行程序设计的基本知识、并行程序设计的基本方法和并行程序设计的实验环节。在讲授过程中,充分利用小班级短课程的优点,采用结构教学观,重点培养学生的并行程序设计能力。     

基于多核集群系统的并行编程模型的研究

并行计算技术是计算机技术发展的重要方向之一。当前并行程序模型主要有消息传递模型和共享存储模型两种。随着处理器多核技术的发展,在一枚多核处理器中集成两个或多个完整的计算引擎（内核）,并充分利用多核计算机的特性,发挥多核计算机的性能成为一个很重要的研究方向。介绍一种新的MPI实现机制,这种机制集成了共享存储模型和消息通信模型的优点,在节点内使用共享存储模型,在节点间使用消息传递模型,并且通过自动生成线程级的任务来获得更好的性能。．     

基于BEOWULF的PC集群系统设计及并行编程的研究

介绍了机群的概念,重点介绍了Beowulf集群。在此基础上,构建了BeowulfPC集群,并详细介绍其软硬件的配置.最后,通过对MPI的介绍,结合实例,对系统进行了性能评测。此系统已运用于实际工作中,取得了良好的效果。