并行归并排序算法

构造效率为Ｏ（１）的并行算法是一个引人注目的问题。［１］和［２］分别提出了并行度为Ｏ（ｌｏｇｎ）和Ｏ（ｎ＾１／２）的、效率为Ｏ（１）的并行排序算法。本文提出一种新的并行排序算法，其效率为Ｏ（１），而并行步数小于［１］和［２］的算法的并行步数。经过改进后，在保持效率为Ｏ（１）的情况下，可进一步将并行度扩大到Ｏ（ｎ＾１／２ｌｏｇ ｎ）。     

改进的并行快速排序

排序是计算机内一类很耗时的问题,快速排序是众多排序方式中相对较省时的算法,但当数据量大时,其耗时还是惊人的。为了解决大数据快速排序耗时的问题,论文在常用的快速排序并行方法的基础上,给出了一种改进方法,使其在时间复杂度上有明显的改进。     

一个基于NOW的跨平台并行文件系统的设计和实现

1.引言近年来,国内外对并行文件系统做了很多的研究,著名的有:一些商用的并行文件系统,如Intel为iPSC/2和iPSC/860而设计的CFS,以及IntelParagon的并行文件系统PPFS。还有HPF的运行支撑系统PASSION。研究性的则有PIOUS等。它们通常是针对并行机设计的,应用范围较为狭窄。随着对NOW(Network of Workstations,工作站网络)的研究深入,人们认识到NOW具有高速的交换     

超快速排序算法

快速排序将文件分成两个子文件，然后递归地将两个子文件排序，其平均复杂性为Ｏ。本文给出超快速排序算法，建立将文件分成Ｎ个子文件，然后递归地将Ｎ个子文件排序，其平衡复杂性为Ｏ（Ｎ）。     

无存储器中冲突的并行快速排序算法

本文在一个ＥＲＥＷ ＰＲＡＭｅｘｃｌｕｓｉｖｅ ｒｅａｄ ｅｘｃｌｕｓｉｖｅ ｗｒｉｔｅ ｐａｒａｌｌｅｄ ｒａｎｄｏｍ ａｃｃｅｓｓ ｍａｃｈｉｎｅ）上提出一个并行快速排序算法，这个算法用Ｋ个处理器可将Ｎ个项目在平均Ｏ（ｎ／ｋ＋ｌｏｇｎ）ｌｏｇｎ）时间内排序，所以平均来说算法的时间和处理器数量的乘积对任何ｋ≤ｎ／ｌｏｇｎ是Ｏ（ｎｌｏｇｎ）。     

划分点定位并行排序算法

提出并分析了划分点定位并行排序（parallel sorting by divide-point locating)算法。在算法中，输入数据被平均划分并分配给所有处理机，因此每个处理机具有相同的工作负载。给出了网络分布计算环境下PSDL算法的实验结果，并与PSRS算法进行了对比。理论分析和实验结果表明，PSDL算法是一种高效率、高扩展性的并行排序算法。     

超快速排序算法

快速排序算法结构简单,平均性能较佳;基数排序性能较稳定。结合快速排序和基数排序,提出超快速排序算法,通过理论分析和实验表明,新算法的性能优于快速排序算法和基数排序算法。     

稳定快速排序算法研究

快速排序算法与其他算法相比是相当有效的排序算法,但此算法并不完善,它是不稳定的。为此,对快速排序算法进行改进,在每次对数据分割时,对需要移动的数据先分别顺序拷出并保存,分割结束前再按要求分别顺序拷入,使得新排序算法是稳定算法。理论分析和实验数据表明,在任何情况下,稳定快速排序算法都是稳定的,并且其他性能不比快速排序算法和归并算法差。     

一种基于异构网络的NOW中的群通信模型

工作站网络（ＮＯＷ）作为一种新的并行计算结构越来越受到人们的重视。文中讨论了基于异构网络的ＮＯＷ中群通信问题，提出了一种群通信层次模型，较好地解决了异构网络环境中的群通信问题，其实现群通信的思想是将参与群通信操作的结点按它们所处的子网分成一个个基计算域，通过这些基计算域的并行操作来达到降低通信时延同时又不增加太多网络流量的目的，并且还可以在不同的子网中选择最合适的群通信实现，这一做法做全网面向过程     

基于NOW的运行时增量式集中式调度（NRICS）及其实现

提出并实现了一种基于NOW的运行时增量式集中式调度（runtime incremental conccentrated scheduling on NOW,NRICS）方法,该方法具有以下特点：运行时调度、增量式调度、集中式调度、结点间并行式负载交互。NRICS中,在一个阶段中由于对各任务的粒度和各结点执行能力估计不足所造成的负载失衡将在下一个阶段中得到改进和纠正,从而使各结点的负载不断趋于平衡。该方法具有良好的可伸缩性,文末给出了部分实验结果。     

一种新的分“档”快速排序算法

本文提出了一种由分“档”、整体置换和局部快速排序所组成的新排序算法-分“档”快速排序法,算法分析和实验结果都表明,在待排序数据均匀分布或正态分布的情况下,分“档”快速排序算法的时间复杂度可以达到O（n),而附加存储空间开销却仅仅为[（n 1)/2],同时排序速度明显优于Quick Sort[2]、快速分组排序[5]、分“档”统计插入排序[1]和Proportion Split Sort[4]等算法。     

基于BSP并行计算模型的并行微粒群算法

在对标准微粒群算法分析的基础上,将它与BSP并行计算模型相结合,设计并实现了一种基于BSP并行计算模型的并行微粒群算法.这种基于BSP并行计算模型的并行微粒群算法改变了标准微粒群算法的结构,提高了算法求解效率.实验结果表明,该并行算法的性能比标准微粒群算法有了很大的提高.     

网络并行计算中矩阵QR分解的并行算法

随着高速网络技术（如ＡＴＭ）的出现,网络并行计算系统（ＮＯＷ）已成为并行处理的主要平台,由于它的高通信延迟,某些在并行机上实现的细粒度并行算法已不适合在该环境下运行。为此,有必要对算法重新进行任务划分,研究它在网络环境中的并行实现。基于这一点,本文对矩阵的ＱＲ分解提出了一种新的任务划分策略,并由此得到了它的一种粗粒度并行算法,实验结果表明,设计的并行算法在网络并行计算环境中具有较高的加速比。     

分布存储系统上一种新的并行调度算法

在一般的分布存储系统上各个处理器可能不同且资源共享,导致了并行任务在各个处理器上的执行时间具有很大的随机性,主要根据系统及并行任务特性等引进特征参数,采用计算与通信重叠等方法设计出了一种新的并行调度算法,即使在多用户环境下应用此算法不仅能达到极高的负载平衡,充分利用系统资源而且能有效地提高并行效率及加速比。实验结果表明,提出的新的并行调度算法与已有的类似调度算法相比能更加有效地利用系统资源及提高并行效率。     

多重链路网络分区与QoS度量两级并行QoSR算法

在多重链路上联网络环境下,采用并行路由搜索的思想寻找最优路径,能够获得较好的路径寻优结果,并且算法的时间复杂度较低.给出一种两级并行QoSR算法,将多重链路环境按一定规则划分为若干分区,为每个分区分配一定数量的QoS度量并行处理器和1个分区处理器,在各个分区分别采用QPAS算法,由QoS度量并行处理器并行计算出各分区内的QoS度量Pareto最佳路径,最终由分区处理器调用最短路径并行算法完成分区间代价最小路径的计算.     

并行计算环境与数值并行算法研究

本文介绍并行计算环境的一些最新进展，探讨我国当前数值并行算法研究的技术路线，特别强调高水平的基础研究与解决科学工程计算中重大挑战问题的结合。