电信社群网络中介度的网格并行算法及调度算法

为了解决电信社群网络中介度(图的一个几何量)计算中的海量计算问题，研究并实现了高性能网格并行计算方法。该算法采用层次性的二分法分割数据，能在较短的时间内完成大规模社群网络图的各个顶点中介度计算。为了提高计算的加速比，还提出了一种改进的网格并行调度算法，采用动静态结合的方法来平衡负载。论证表明，改进算法的加速比、并行效率和平衡度都有提高，计算用时与网格上并行计算处理器数目成近似线形关系。     

面向服务的有限元并行计算网格系统设计

为了提高有限元法计算的速度和共享网络资源,结合目前主流的网格系统体系结构和有限元并行求解算法,提出了面向服务的有限元并行计算网格系统的总体框架,讨论了有限元并行计算基本理论和基于Web Services技术的计算网格系统设计方法．     

直接数值模拟中三对角方程组并行算法研究

为了提高大规模直接数值模拟（DNS）中三对角方程组的并行求解效率，提出了一种并行分裂算法.
该算法基于Wang的分裂算法，采用平均分配策略划分三对角方程组，利用非阻塞通信模式取代阻塞通信模
式，以原有空间存储新的计算结果.在Linux集群服务器上进行了两种不同规模三对角方程组的实现，并研
究了不同节点数目与计算规模下的计算时间和加速比.结果表明，该算法的计算与通信重叠度高，计算步
骤和存储开销小，具有较高的并行计算效率.在百兆网络条件下，从1×105规模矩阵开始具有明显并行优
势，并且随矩阵规模增大，加速比不断提高.该算法适用于大规模三对角矩阵的并行计算.     

基于网络并行计算的分布式并行遗传算法的结构优化

网络并行计算是当今并行计算发展的新方向．在网络并行环境下探讨了并行遗传算法进行结构优化设计及其算法的实现方法．并在四台PC机组成的网络平台上,进行了桁架结构优化设计的数值测试．计算结果表明,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和效率,同时验证了并行遗传算法用于结构优化是可行的和有效的．     

大规模矩阵乘积的几个并行算法

给出了微机网络并行计算环境和拥有共享内存的并行计算环境下大规模矩阵相乘的几种并行算法,分析了这些算法的计算和通讯时间复杂性,在多台微机上安装并行消息传递机制MPI(message passing interface),构成微机网络并行计算环境,在该环境下对所给算法作了数值试验,结果表明所给出的算法非常有效,同时在程序没有改动的条件下,将微机网络并行环境下的程序移植到具有共享内存的并行计算机IBMP650上,结果表明,所给算法具有更高的加速比和并行效率。     

Level set函数快速步进重构并行算法的改进

为提高level set函数快速步进重构过程的并行计算效率,本文提出一种改进的分区并行重构算法。与原有分区并行算法相比,优化了子区域间的同步方案,缩短了level set函数并行重构的计算时间。运用OpenMP多线程技术,建立了相应的并行计算模型,实现了圆球、圆环管和哑铃等值面并行重构。并行重构数值结果表明:只要子区域均分初始表面边界,level set函数全局或局部并行重构均具有良好加速比,8线程的最大加速比可接近6。     

并行多重网格方法在CFD中的应用

对于SIMPLE系列算法,共轭梯度法求解压力修正方程收敛慢,占用大量CPU时间,尤其对长宽比例较大的算例,其收敛速度大约比多重网格算法低一个量级.为了减少计算时间和提高整体计算性能,研究并开发了基于MPI的多重网格并行算法.将计算网格文件转化为图形格式文件,利用图形分割工具METIS进行分割,根据分割结果建立子区文件,从而实现对任意非结构化混合网格的区域分解.给出了一个混合网格的二维叶栅分区结果,并对几个典型的二维和三维算例进行计算以此来验证算法的正确性.对不同网格类型和网格数目的划分进行了并行计算,计算结果显示此算法具有较高的并行效率和线性加速比.     

分蓄洪区洪水演进的并行计算方法研究

通过网络计算机群,采用信息传递接口(MPI)为通讯库,建立了分蓄洪区洪水演进计算的并行数值模拟方法.以荆江分洪区为对象,模拟计算了实施分洪后洪水的演进过程.计算表明,网络并行计算系统机群的计算速度与计算规模、进程数等因素有关;并行计算相对于单机计算能够提高计算速度,并且加速比及并行效率会随着计算规模的加大而加大;同时,加速比会随着进程数的增加而先增加后减小,存在着一个最优的进程数.     

基于Hadoop平台的改进KNN分类算法并行化处理

首先利用K-medoids聚类算法对训练样本集进行剪裁,去除相似度程度较低的样本。结合Hadoop平台的MapReduce框架,采用改进KNN分类算法对数量不等的测试样本集在不同节点上进行了加速比并行化计算。实验结果表明,该方法的计算时间和分类效率均有改善。     

三维阻抗方法及并行实现（增刊）

为了拓展阻抗方法在生物电磁学中的应用，重新推导了三维阻抗方法，并给出了三维阻抗方法的并行实现方式。首先基于Maxwell方程，通过离散化网格推导了三维阻抗方法，得到了可计算的电磁波波长和计算网格解析度之间的关系。然后给出了阻抗方法的并行实现的通信方式并建立了并行计算系统平台。最后，计算了暴露在高压输电线下解析度是3mm含196×114×626个网格的人体模型体内的感应电流。计算结果验证了并行阻抗方法的有效性和计算效率。     

并行最小割算法及其在金融社交网络中的应用

有效实施金融监管已成为金融健康发展的必要保证. 若能够在金融社交网络中,找到一部分承载网络中所有信息流动的关键节点,便能实现整个金融社交网络的有效监管. 金融社交网络图规模通常较大,须开发大规模图处理并行算法. 本文提出基于分布式图处理平台Pregel的并行最小割算法. 实验基于Apache Spark平台开展,所用数据均来自BoardEx数据库. 实验结果表明,在大规模社交网络图的处理中,该算法具有良好性能. 利用该并行算法得到金融社交网络图的最小割,便可有效实施金融监管.     

无人值守传感器网络的高性能分布式存储算法

为解决无人值守传感器网络的数据存储可靠性问题,提出了一种具有低通信成本和低访问成本的分布式存储算法．算法采用步数为cn的并行定向随机游走机制,将网络中的k个源数据包按照一定的接收概率分散存储到网络中所有的n个节点,在每个节点形成一个存储数据包．理论分析和实验结果表明,基于该算法的存储过程完成之后,即使有部分传感器节点损坏,Sink节点只要随机收集到k+ε,ε大于等于11个存储数据包,就能成功地计算出原来的k个源数据包．与具有代表性的基于LT码的算法相比,文中算法将存储每个源数据包的通信次数从约3nlnn降至约3n;将读取源数据包的节点访问次数从大于k+100降至约k+11．     

工程结构优化计算中的网络并行算法

由于现代结构计算耗时之长常常使得计算半途而废,因此充分利用微机资源、减少计算时间的网络并行算法成为研究的热点。本文在结构的大型动力优化计算中引入并行算法,对传统的复形法进行并行化处理,并分析计算了具体的工程实例,获得了满意的优化结果和并行效果。     

无线传感器网络快速数据收集的聚集调度方法

为了快速收集传感器节点数据,研究了最短时间聚集汇播的传输调度问题. 针对聚集调度中的传输链路选择问题,提出了对数聚集树构造方法,仿照理想情况下的最优聚集树结构对传输链路进行了优化选择;针对聚集调度中的时间片分配问题,提出了基于链路效用的时间片分配方法,以发送节点对其竞争节点的影响作为链路效用,优先为效用值较大的链路分配时间片,增加并行传输. 对比实验结果显示,该算法得到的数据收集时延在多数网络部署场景下比现有算法降低10%以上,且在网络密度较大、半径较小的场景中具有更好的相对性能. 实验结果表明,新提出的算法是一种有效的快速聚集汇播调度算法.     

并行遗传算法在粗糙集属性约简中的应用

遗传算法是一种全局优化的数值计算方法，它存在自然并行性．给出一种求解粗糙集属性约简问题的并行遗传算法，并在普通网络环境下实现．结果表明，并行遗传算法适合于求解问题规模较大及大数据样本点的数据约简问题．     

天气雷达回波数据的并行自适应编码

研究基于小波的并行自适应天气雷达回波数据有损压缩算法。根据回波数据的特点,提出了回波数据的坐标转换算法、矢量场保持算法及标量场滤波算法等有效的预处理算法;利用并行自适应压缩算法对预处理后的雷达回波数据进行压缩实验。实验结果表明,该算法具有较好的并行性和自适应性,在低比特率情况下,能获得较高的功率信噪比值和满意的主观效果。     

一种新的并行分类算法

提出一种建立在由独立的处理器构成的计算机网络（例如由Ｔｒａｎｓ－ｐｕｔｅｒ构成的计算机网络）上的并行分类算法，用以解决分布式数据库的分类计算问题。本文基于并行算法应与并行计算的拓扑结构相匹配的思想，设计了一种旨在减小处理器之间通讯开销的网络结构。在这样一种并行计算环境中，每个处理器运行同样的程序，计算负载均匀分布在每个处理器中，因而算法具有高度的并行性。同时这种基本结构还可以灵活地不断扩展，且随着网络的不断扩大，该并行算法的并行加速性更高。     

一种基于网格计算的农业遥感数据快速分类算法

针对农业遥感数据分类速度慢的问题,本文对K-means算法的并行化方法进行了研究,提出了一种基于网格计算的快速分类算法.在实现K-means并行算法过程中,通过调整通信数据的存储方式,使该算法每次迭代的通信次数降低为一次全收集操作.该算法节点数的选取是根据数据规模和分类需求确定的,而不是节点数越多算法效率越高.实验结果表明,这种方法具有较好的加速比.     

基于拟蒙特卡罗方法的供水管网抗震可靠性分析并行化研究

为了提高基于蒙特卡罗（Monte Carlo）方法的供水管网抗震可靠性分析效率,以低偏差Sobol点列替代伪随机数序列对供水管网节点和管段破坏概率进行抽样,结合宽度优先搜索算法,提出基于拟Monte Carlo方法和统一计算设备架构（CUDA）的供水管网抗震可靠性分析并行算法,并从内存、执行配置和指令等方面优化并行算法. 以某城市供水管网系统为例,对比串行和并行计算方法的精度及效率,分析Sobol点列和伪随机数序列对管网可靠性分析的影响. 结果表明,并行和串行方法计算结果的误差最大为0.52%,并行方法最高加速比为串行算法的96倍,在保证结果精度的同时大幅度提高计算效率. 基于Sobol点列进行1 000次并行模拟及基于伪随机数序列进行5 000次并行模拟,2种模拟结果与基于模糊数学法的解析值的最大误差分别为0.2%、0.4%,表明基于拟Monte Carlo的并行方法具有更高的精确度,更快的收敛速度.