是一種有效的并行算法[9-10],只針對(duì)單一平臺(tái),通用性有限。本研究通過(guò)并行化和優(yōu)化算法,提高了腐蝕膨脹算法的計(jì)算效率,并具備較好的通用性。本文提出了基于OpenCL的腐蝕膨脹快速并行算法,通過(guò)利用像素?zé)o關(guān)性和圖形處理器的分層存儲(chǔ)機(jī)制[11],優(yōu)化存儲(chǔ)結(jié)構(gòu)和訪存方式,以及合理劃分工作組和工作項(xiàng),提高算法的實(shí)現(xiàn)速度。同時(shí),還提出了基于OpenCL改進(jìn)的膨脹與腐蝕快速并行算法,通過(guò)存儲(chǔ)結(jié)果在共享內(nèi)存中,減少計(jì)算冗余,提高效率,顯著提高了腐蝕膨脹算法的效率。1

的最短路徑并行算法是一項(xiàng)有挑戰(zhàn)性且非常有意義的工作[4-5].本文利用OpenCL 架構(gòu)實(shí)現(xiàn)了一種高效的基于CPU+GPU 的全源對(duì)最短路徑并行算法（OCL_SP），解決了全源對(duì)最短路徑算法在不同異構(gòu)計(jì)算設(shè)備上快速處理大規(guī)模頂點(diǎn)集的問(wèn)題.OCL_SP 并行算法在各種設(shè)備上表現(xiàn)出良好的可移植性.1 相關(guān)研究最短路徑算法是許多復(fù)雜圖算法的一個(gè)重要組成部分，普遍應(yīng)用于科學(xué)研究和工程分析中.Jamour 等[6]將圖表分解為雙連通組件，圖形中的所有點(diǎn)對(duì)最短路徑的

研究生的課程并行算法與針對(duì)大氣科學(xué)（氣象海洋預(yù)報(bào)）專(zhuān)業(yè)本科生的課程并行計(jì)算技術(shù)，在基于知識(shí)點(diǎn)的模塊化基礎(chǔ)上，綜合考慮各方面因素的影響與需求，研究對(duì)課程內(nèi)容的優(yōu)化設(shè)計(jì)，以期能盡量減少內(nèi)容上的重復(fù)建設(shè)，提高不同層次與不同來(lái)源學(xué)員學(xué)習(xí)計(jì)劃規(guī)劃的針對(duì)性。一 并行計(jì)算類(lèi)課程模塊化組織現(xiàn)狀并行計(jì)算類(lèi)課程在國(guó)防科技大學(xué)（以下簡(jiǎn)稱(chēng)“我?！保╇m然都還是選修課，但隨著數(shù)值模擬作為第三種科學(xué)研究手段逐漸成為共識(shí)，在氣象海洋環(huán)境數(shù)值預(yù)報(bào)、數(shù)值氣候預(yù)測(cè)、計(jì)算流體力學(xué)和核科學(xué)等各個(gè)領(lǐng)

校正模型開(kāi)發(fā)并行算法具有重要意義。并行算法可以充分利用多核處理器和GPU等并行計(jì)算資源,顯著縮短遙感影像幾何校正的處理時(shí)間,提高數(shù)據(jù)處理效率[5-6]。采用并行算法可以克服單機(jī)內(nèi)存和計(jì)算能力的限制,支持大規(guī)模遙感數(shù)據(jù)的快速幾何校正,為遙感大數(shù)據(jù)時(shí)代的應(yīng)用需求提供技術(shù)支撐。隨著GPU和多核CPU技術(shù)的發(fā)展,它們?cè)谶b感影像處理中的應(yīng)用得到了廣泛的關(guān)注。研究人員在遙感影像分類(lèi)[7]、正射校正[8]、特征匹配[9]、特征檢測(cè)[10]、影像融合[11]等多個(gè)方面開(kāi)發(fā)

法的層面進(jìn)行并行算法設(shè)計(jì)，又需要面向高性能并行計(jì)算機(jī)進(jìn)行具體實(shí)現(xiàn)，其中涉及方方面面的理論與技術(shù)問(wèn)題。正是在這種時(shí)代背景下，中國(guó)科技大學(xué)、清華大學(xué)、加州大學(xué)伯克利分校、哈佛大學(xué)、普渡大學(xué)、斯坦福大學(xué)、北卡羅來(lái)納大學(xué)等國(guó)內(nèi)外眾多高校陸續(xù)開(kāi)設(shè)并行計(jì)算相關(guān)課程，國(guó)內(nèi)外不僅形成許多經(jīng)典教材①《并行計(jì)算：結(jié)構(gòu)·算法·編程》、《可擴(kuò)展并行算法的設(shè)計(jì)與分析》、《并行計(jì)算導(dǎo)論》、《數(shù)值并行算法與軟件》、Introduction to Parallel Computing(S

多核CPU 并行算法，在準(zhǔn)確識(shí)別含有錯(cuò)誤信息的敏感序列的同時(shí)，加速求解大規(guī)?；蚪M數(shù)據(jù)敏感序列識(shí)別問(wèn)題。關(guān)于基因組數(shù)據(jù)敏感序列識(shí)別并行算法的研究，文獻(xiàn)[6]基于STR 挖掘工具FLASH（fast length adjustment of short read）和PERF（Python exhaustive repeat finder），在Hadoop 平臺(tái)上開(kāi)發(fā)了CPU 并行加速的基因組數(shù)據(jù)短串聯(lián)重復(fù)序列識(shí)別算法BigFiRSt。文獻(xiàn)[7]采用劃分后綴分

法。2.2 并行算法由于串行算法要進(jìn)行三重循環(huán)，加大了數(shù)據(jù)的計(jì)算量，考慮到模型時(shí)單指令多數(shù)據(jù)流模型，利用G P U的體系結(jié)構(gòu)，對(duì)三維泰森串行算法進(jìn)行優(yōu)化，采用并行算法，算法流程如圖3所示。圖3 三維并行算法流程利用G P U中多個(gè)AL U的性質(zhì)，根據(jù)體素進(jìn)行并行計(jì)算，每個(gè)體素映射在三維計(jì)算單元內(nèi)，通過(guò)單獨(dú)的子線(xiàn)程進(jìn)行品位計(jì)算，將重復(fù)遍歷的數(shù)據(jù)放置在Thread中，在Thread中重復(fù)遍歷的部分就是在串行算法中空間點(diǎn)坐標(biāo)與已知點(diǎn)坐標(biāo)進(jìn)行遍歷后，求出的最小距離

高效傳遞閉包并行算法，并采用具有可移植性的OpenCL 架構(gòu)來(lái)實(shí)現(xiàn)該算法。對(duì)在不同數(shù)據(jù)集下和不同體系結(jié)構(gòu)下的算法和加速比進(jìn)行分析。1 相關(guān)研究近年來(lái)，很多學(xué)者對(duì)傳遞閉包運(yùn)算進(jìn)行了研究。文獻(xiàn)［17］用一階有界傳遞閉包模糊邏輯來(lái)刻畫(huà)模糊有窮自動(dòng)機(jī)。文獻(xiàn)［18］研究了稠密圖條件下采用XHop 方法，對(duì)傳遞閉包進(jìn)行高壓縮比存儲(chǔ)和有效查詢(xún)的算法。文獻(xiàn)［19］提出改進(jìn)的傳遞閉包求解方法，并在傳遞閉包改進(jìn)的求解方式基礎(chǔ)上，設(shè)計(jì)了傳遞閉包的增量式更新方法。文獻(xiàn)［20］證明

面料利用率;并行算法;CUDA中圖分類(lèi)號(hào)： TS943.68文獻(xiàn)標(biāo)志碼： A文章編號(hào)： 1001-7003（2021）12-0126-07引用頁(yè)碼： 121303DOI： 10.3969/j.issn.1001-7003.2021.12.020（篇序）Abstract： The warp-knitted jacquard shoe upper has been widely used in the upper of sports shoes due to

實(shí)效性。1 并行算法基本概念及其分類(lèi)1.1 并行算法基本概念并行算法是使用多個(gè)并行處理器實(shí)現(xiàn)大數(shù)據(jù)多次重復(fù)計(jì)算的手段，并且要求計(jì)算必須在一定的時(shí)間內(nèi)同時(shí)完成。其相關(guān)的性能定義主要包括：定義1 一個(gè)算法的并行度是算法中能用一個(gè)運(yùn)算步并行完成的運(yùn)算個(gè)數(shù)。假設(shè)算法運(yùn)算個(gè)數(shù)為r，利用s個(gè)運(yùn)算步完成，則r/s稱(chēng)為平均并行度。圖1 并行計(jì)算模型如圖1所示，并行計(jì)算有別于串行算法，將并行算法的設(shè)計(jì)與計(jì)算模型映射到并行機(jī)上進(jìn)行運(yùn)算，大大提高了運(yùn)算的速度與運(yùn)算之間的并行度。

熵矩陣，運(yùn)用并行算法對(duì)圖像樣本數(shù)據(jù)中的像素特征參數(shù)進(jìn)行計(jì)算，獲取圖像標(biāo)記參數(shù)的局部最大熵值，根據(jù)計(jì)算結(jié)果來(lái)設(shè)定圖像特征二階矩、熵、對(duì)比度以等多種特征自適應(yīng)參數(shù)歸一化處理，并據(jù)此求出圖像自適應(yīng)標(biāo)記點(diǎn)。實(shí)驗(yàn)結(jié)果證明，與傳統(tǒng)方法比較，所提方法圖像標(biāo)記耗時(shí)保持在40s以下，標(biāo)記出的特征識(shí)別率約為99%左右，性能均優(yōu)于傳統(tǒng)方法，能夠?qū)崿F(xiàn)圖像的自適應(yīng)標(biāo)記。關(guān)鍵詞：局部最大熵;并行算法;特征識(shí)別;圖像標(biāo)記中圖分類(lèi)號(hào)：TP391? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009

絡(luò)中心度及其并行算法設(shè)計(jì)實(shí)現(xiàn)是網(wǎng)絡(luò)研究的熱點(diǎn)。頂點(diǎn)的網(wǎng)絡(luò)中心度[1]是對(duì)頂點(diǎn)在網(wǎng)絡(luò)中的重要性的量化。數(shù)據(jù)隨科技發(fā)展呈指數(shù)增長(zhǎng)[2]，網(wǎng)絡(luò)的規(guī)模也日漸龐大。單機(jī)已難以實(shí)現(xiàn)大規(guī)模網(wǎng)絡(luò)的存儲(chǔ)和計(jì)算，多機(jī)分布式存儲(chǔ)[3]與并行計(jì)算[4]逐漸成為發(fā)展趨勢(shì)。因此，對(duì)網(wǎng)絡(luò)的研究重點(diǎn)不僅在于網(wǎng)絡(luò)中心度的研究，還在于網(wǎng)絡(luò)計(jì)算的并行算法設(shè)計(jì)實(shí)現(xiàn)。目前網(wǎng)絡(luò)中心度并行算法的設(shè)計(jì)和實(shí)現(xiàn)尚未完善。在提出新的網(wǎng)絡(luò)中心度時(shí)，研究者通常只實(shí)驗(yàn)于小型網(wǎng)絡(luò)，沒(méi)有考慮在大型網(wǎng)絡(luò)的應(yīng)用及并行算法的

件外，高效的并行算法更是不可缺少的重要組成部分，它無(wú)論是對(duì)N-S方程的高效數(shù)值模擬，還是對(duì)提高并行機(jī)的運(yùn)行效率，都起著至關(guān)重要的作用。近年來(lái)，盡管并行計(jì)算技術(shù)取得了長(zhǎng)足進(jìn)步，但并行編程軟件遠(yuǎn)遠(yuǎn)落后于并行計(jì)算機(jī)硬件的發(fā)展，使得并行編程的難度遠(yuǎn)遠(yuǎn)大于串行編程，制約了并行計(jì)算的發(fā)展。因此，一個(gè)并行算法除了應(yīng)具有一個(gè)數(shù)值方法所應(yīng)具有的數(shù)學(xué)特征(如穩(wěn)定性、收斂性、有效性)外，還需實(shí)現(xiàn)簡(jiǎn)單、通信需求少、具有良好的可擴(kuò)展性，才具有廣闊的應(yīng)用前景，這在多核處理器普及的今天

L設(shè)計(jì)思想的并行算法，相比CPU加速比可達(dá)77倍。文獻(xiàn)[11]利用OpenCL技術(shù)對(duì)SIFT 算法進(jìn)行加速，大大降低了原算法的耗時(shí)。文獻(xiàn)[12]提出了一種基于GPU 和CPU 異構(gòu)計(jì)算平臺(tái)的Canny并行算法，相比CPU加速比可達(dá)5.39倍。文獻(xiàn)[13]提出了一種基于GPU的HOG（Histogram of Oriented Gradient）特征提取與描述算法，相比CPU獲得了40 倍左右的加速。文獻(xiàn)[14]提出了一種基于DAGS+GPU的去塊濾波算法，

換多個(gè)圖像的并行算法，使用開(kāi)源地理空間數(shù)據(jù)抽象庫(kù)GDAL作為數(shù)據(jù)讀寫(xiě)和轉(zhuǎn)換的工具，針對(duì)影響并行算法性能的因素：線(xiàn)程數(shù)、任務(wù)調(diào)度策略，對(duì)傳統(tǒng)按行劃分的矢量化算法進(jìn)行并行優(yōu)化。【關(guān)鍵詞】柵格數(shù)據(jù)矢量化;并行算法;調(diào)度策略;OpenMP1. 引言矢量結(jié)構(gòu)和柵格結(jié)構(gòu)是地理信息系統(tǒng)（GIS）中兩種主要的空間數(shù)據(jù)結(jié)構(gòu)，矢柵數(shù)據(jù)間的轉(zhuǎn)換是GIS應(yīng)用中必不可少的，其中尤以柵格數(shù)據(jù)的矢量化過(guò)程應(yīng)用更為頻繁。隨著人類(lèi)獲取遙感數(shù)據(jù)的技術(shù)不斷提高，獲取柵格數(shù)據(jù)的數(shù)目和也急劇增加，

群優(yōu)化算法;并行算法;反向?qū)W習(xí);深度搜索中圖分類(lèi)號(hào)：TP301文獻(xiàn)標(biāo)識(shí)碼： A布谷鳥(niǎo)搜索（Cuckoo Search，CS）算法是在2009年開(kāi)發(fā)的自然啟發(fā)式算法。該算法基于布谷鳥(niǎo)育雛行為的寄生性，并包含鳥(niǎo)類(lèi)和果蠅的levy飛行行為[1]為雛形設(shè)計(jì)算法原理。由于其簡(jiǎn)單性和有效性，從誕生之日起，吸引了很多學(xué)者的關(guān)注，并成功應(yīng)用于工程優(yōu)化和函數(shù)優(yōu)化問(wèn)題[2-3]以及機(jī)器學(xué)習(xí)[4]等方面。但是，對(duì)于一些復(fù)雜的問(wèn)題，CS算法也存在著局部搜索能力較差、后期收斂速度慢

聯(lián)規(guī)則挖掘;并行算法;分析1 關(guān)聯(lián)規(guī)則挖掘并行算法及問(wèn)題說(shuō)明1.1簡(jiǎn)介Apriori算法是常用的用于挖掘出數(shù)據(jù)關(guān)聯(lián)規(guī)則的算法，它用來(lái)找出數(shù)據(jù)值中頻繁出現(xiàn)的數(shù)據(jù)集合，找出這些集合的模式有助于我們做一些決策。比如在常關(guān)聯(lián)規(guī)則挖掘的目的是找出事物之間的隱藏的關(guān)系，比如經(jīng)典的案例啤酒和尿布的的故事，通過(guò)對(duì)購(gòu)物數(shù)據(jù)進(jìn)行數(shù)據(jù)分析和挖掘，得到這樣一個(gè)結(jié)論，男性在買(mǎi)尿布的時(shí)候會(huì)買(mǎi)幾瓶啤酒。這二者并沒(méi)有什么因果關(guān)系，然而通過(guò)對(duì)海量數(shù)據(jù)進(jìn)行關(guān)聯(lián)分析，卻能夠發(fā)現(xiàn)這個(gè)有趣且有價(jià)值

串行算法? 并行算法中圖分類(lèi)號(hào)：TP301? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?文獻(xiàn)標(biāo)識(shí)碼：A? ? ? ? ? ? ? ? ? ? ? ? 文章編號(hào)：1674-098X（2019）05（c）-0004-05Abstract： This article chose a graph-based ant system （GBAS） optimization algorithm for serial & parallel coding

要共同促進(jìn)了并行算法的研究[1,2].算法是求解問(wèn)題的步驟和方法[3].簡(jiǎn)單的講,并行算法是用多臺(tái)處理器聯(lián)合求解問(wèn)題的方法和步驟[4,5].并行算法不能僅通過(guò)時(shí)間復(fù)雜度[6]來(lái)進(jìn)行評(píng)價(jià),因?yàn)槿藗冊(cè)趯?duì)計(jì)算速度的渴求的同時(shí),對(duì)于并行處理所需要的處理器數(shù)量急劇增長(zhǎng)的問(wèn)題也開(kāi)始關(guān)心.所以,評(píng)判并行算法綜合性能的指標(biāo)“成本”顯得格外的重要.并行算法的成本是指并行算法在并行機(jī)各處理器上運(yùn)行時(shí)間總和Cost=Tp?P[7],Tp代表每個(gè)處理器處理問(wèn)題的運(yùn)行時(shí)間,P代表處

下的圖像處理并行算法更具優(yōu)勢(shì)，值得大力推廣與應(yīng)用。關(guān)鍵詞：GPU ?圖像處理 ?并行算法中圖分類(lèi)號(hào)：TP391 ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ? ? ? ?文章編號(hào)：1672-3791（2019）06（c）-0033-021 ?GPU圖像處理技術(shù)分析1.1 GPU通過(guò)計(jì)算機(jī)CPU充分發(fā)揮其強(qiáng)有力的運(yùn)算能力，根據(jù)程序設(shè)計(jì)算法，便能夠?qū)崿F(xiàn)數(shù)字圖像模糊、合并等相關(guān)處理，把原始圖像轉(zhuǎn)變?yōu)樗鑸D像。而用戶(hù)對(duì)于應(yīng)用系統(tǒng)圖像處理質(zhì)量的要求不斷提高，雖然CPU速度通過(guò)摩爾定

KMP算法;并行算法中圖分類(lèi)號(hào)：TP301 ?文獻(xiàn)標(biāo)識(shí)碼：A ?文章編號(hào)：1673-260X（2019）05-0030-031 引言 字符串的模式匹配是對(duì)字符串的基本操作之一，廣泛應(yīng)用于生物信息學(xué)、信息檢索、拼寫(xiě)檢查、語(yǔ)言翻譯、數(shù)據(jù)壓縮、網(wǎng)絡(luò)入侵檢測(cè)等領(lǐng)域，如何簡(jiǎn)化其復(fù)雜性一直是算法研究中的經(jīng)典問(wèn)題.字符串的模式匹配實(shí)質(zhì)上就是尋找模式串P是否在主串T中，且其出現(xiàn)的位置.現(xiàn)如今我們對(duì)字符串匹配的效率的要求越來(lái)越高，應(yīng)不斷地改良模式匹配算法，減少其時(shí)間復(fù)雜度.

模式? ? 并行算法? ? 動(dòng)態(tài)調(diào)度? ? 分析隨著社會(huì)經(jīng)濟(jì)不斷發(fā)展，尤其是工業(yè)和商業(yè)經(jīng)濟(jì)的發(fā)展，數(shù)據(jù)挖掘重要性作用愈發(fā)凸顯，通過(guò)對(duì)可利用價(jià)值數(shù)據(jù)進(jìn)行挖掘，可以為各行業(yè)穩(wěn)定持續(xù)發(fā)展提供決策支持。但是在數(shù)據(jù)規(guī)模不斷擴(kuò)大背景下，如何持續(xù)提升數(shù)據(jù)挖掘質(zhì)量與效率，這一問(wèn)題也引發(fā)社會(huì)各界廣泛關(guān)注和思考[1]。尤其是在對(duì)有價(jià)值信息數(shù)據(jù)挖掘時(shí)，不僅需要先進(jìn)技術(shù)支撐，還需要耗費(fèi)大量計(jì)算資源。本文提出一種新型并行關(guān)聯(lián)規(guī)則挖掘算法，不僅可以降低通信成本，還能夠使挖掘效率得到提

矩陣-向量乘并行算法的優(yōu)化與實(shí)現(xiàn)將是一個(gè)研究的熱點(diǎn)[6].開(kāi)放式計(jì)算語(yǔ)言(Open Computing Language,OpenCL)不僅僅是一種編程語(yǔ)言,更是一個(gè)能幫助開(kāi)發(fā)者充分而合理的利用整個(gè)計(jì)算機(jī)系統(tǒng)的所有計(jì)算資源,并挖掘和發(fā)揮出其中計(jì)算能力的跨平臺(tái)異構(gòu)框架,即完整的在異構(gòu)平臺(tái)上并行編程的開(kāi)放框架標(biāo)準(zhǔn),它包括編程語(yǔ)言、API、函數(shù)庫(kù)以及運(yùn)行時(shí)系統(tǒng)來(lái)支持軟件在整個(gè)平臺(tái)上的開(kāi)發(fā).2 相關(guān)研究工作近年來(lái),關(guān)于矩陣-向量乘法算法的并行化處理和優(yōu)化已有許多工

向量1.2 并行算法的實(shí)現(xiàn)(1)對(duì)于每個(gè)數(shù)據(jù)組特征項(xiàng)，運(yùn)算其在并行處理時(shí)間T內(nèi)的值來(lái)表示評(píng)價(jià)其重要程度，選用余弦相似度來(lái)分別驗(yàn)算大數(shù)據(jù)占據(jù)的空間及其相似度數(shù)值.數(shù)據(jù)組di和dj的相似度表達(dá)式如下：S(i，j)i≠j=Sim(di，dj)=β·SimNE(di，dj)+(1-β)·SimO(di，dj)(2)式中，β為平滑系數(shù)且β>0.5.假如S(i≠j)的中值大小為η，第i個(gè)數(shù)據(jù)組d包含的待挖掘數(shù)據(jù)量為μ，數(shù)據(jù)組的平均可挖掘數(shù)據(jù)為ζ，使用Sigmoid函數(shù)

這其中PSO并行算法采用自適應(yīng)優(yōu)化搜索算法，模型尋優(yōu)求解精度較高，在目標(biāo)優(yōu)化求解領(lǐng)域中得到較為廣泛的應(yīng)用，但是傳統(tǒng)PSO算法在目標(biāo)加速尋優(yōu)存在局限，使得傳統(tǒng)方法的收斂速率較低，為此有學(xué)者對(duì)傳統(tǒng)PSO并行算法進(jìn)行改進(jìn)，并在一些水資源優(yōu)化領(lǐng)域中得到具體應(yīng)用[7- 9]，但是在梯級(jí)水庫(kù)生態(tài)聯(lián)合調(diào)度中還未得到相關(guān)應(yīng)用，為此本文引入改進(jìn)的PSO并行優(yōu)化算法，對(duì)遼寧中東部4座梯級(jí)水庫(kù)進(jìn)行生態(tài)聯(lián)合調(diào)度研究，研究成果可以為梯級(jí)水庫(kù)生態(tài)調(diào)度優(yōu)化提供方法參考。1 改進(jìn)PSO并

率低的問(wèn)題．并行算法為解決這一問(wèn)題提供了一個(gè)很好的技術(shù)途徑．并行算法一般可分為：空間并行算法、時(shí)間并行算法和時(shí)空并行算法．廣泛應(yīng)用的并行算法大多為空間并行算法，例如長(zhǎng)輸電線(xiàn)路解耦法、多端口戴維南等值電路法[6-8]、類(lèi)似節(jié)點(diǎn)分裂法的分網(wǎng)并行方法[9]等．在進(jìn)行大規(guī)模電力系統(tǒng)暫態(tài)數(shù)值計(jì)算時(shí)，空間并行算法不可避免地會(huì)因?yàn)榫W(wǎng)絡(luò)分塊數(shù)目的增多，而使得各子網(wǎng)間通信量增大，通信延時(shí)變高[10]．另外，網(wǎng)絡(luò)分割不均勻也會(huì)產(chǎn)生系統(tǒng)計(jì)算負(fù)荷不均、計(jì)算資源浪費(fèi)的情況．時(shí)間并行

速度，MPI并行算法由于自身所具有的優(yōu)越性而被廣泛地應(yīng)用?；诖耍瑢?duì)MPI并行計(jì)算的農(nóng)作物生長(zhǎng)環(huán)境的數(shù)據(jù)展開(kāi)分析。首先，概述MPI并行計(jì)算方法，然后分析MPI并行算法在農(nóng)作物生長(zhǎng)環(huán)境的數(shù)據(jù)應(yīng)用情況。關(guān)鍵詞 MPI；并行算法；農(nóng)作物；生長(zhǎng)環(huán)境；數(shù)據(jù)中圖分類(lèi)號(hào)：TP301.6 文獻(xiàn)標(biāo)志碼：B DOI：10.19415/j.cnki.1673-890x.2017.30.063最近幾年，作物模型的地區(qū)性運(yùn)用需求持續(xù)性遞增，被廣泛地運(yùn)用在地區(qū)性生產(chǎn)力預(yù)測(cè)與預(yù)警、氣候

行順序控制與并行算法的處理邏輯相分離。該方法通過(guò)任務(wù)分解的方式和自適應(yīng)的多資源精細(xì)匹配，利用DEM數(shù)據(jù)建立起十萬(wàn)量級(jí)柵格的大流域生態(tài)水文過(guò)程DAG任務(wù)調(diào)度模擬。在實(shí)驗(yàn)部分，用多重對(duì)比的方法評(píng)估在分辨率、數(shù)據(jù)規(guī)模、進(jìn)程數(shù)量以及本地資源管理器（LRM）不同條件情況下該方法的性能。實(shí)驗(yàn)結(jié)果表明，任務(wù)分解的自適應(yīng)多資源精細(xì)匹配DAG調(diào)度方法大幅度提高了并行性能和效率，具有較好的魯棒性和擴(kuò)展性。關(guān)鍵詞： DAG調(diào)度； 并行算法； 數(shù)據(jù)密集； 計(jì)算密集； 多資源匹配中

方程行波解的并行算法.我們?cè)贛aple 18上實(shí)現(xiàn)了該算法.通過(guò)設(shè)計(jì)并行算法并使用負(fù)載均衡技術(shù),其中的軟件PREM的計(jì)算效率明顯高于已有的串行軟件.且基于因式分解算法和運(yùn)行時(shí)間限制,PREM可以自動(dòng)推導(dǎo)出一些串行程序算不動(dòng)的復(fù)雜方程的部分精確解.相比于已有的其他程序,PREM可自動(dòng)推導(dǎo)出更多類(lèi)型的精確行波解.此外,PREM具有靈活的接口和輸出.非線(xiàn)性演化方程;行波解;Riccati方程方法;并行算法;負(fù)載均衡2016-09-28國(guó)家自然科學(xué)基金(11435

算；MPI；并行算法1 并行計(jì)算簡(jiǎn)介并行計(jì)算與串行計(jì)算的區(qū)別在于，串行計(jì)算只在單個(gè)CPU上進(jìn)行求解，而并行計(jì)算則是同一個(gè)時(shí)間段內(nèi)在多個(gè)CPU上求解；從硬件角度上來(lái)講，串行計(jì)算就是在普通計(jì)算機(jī)上求解，并行計(jì)算則是于并行計(jì)算機(jī)上求解。需要并行計(jì)算求解的問(wèn)題須能分成很多并行子問(wèn)題[1]。在20世紀(jì)50年代之后，日益提升的計(jì)算速度逐漸成為互聯(lián)網(wǎng)、娛樂(lè)游戲、科學(xué)計(jì)算領(lǐng)域的決定因素。例如畫(huà)面優(yōu)美反應(yīng)靈敏的電腦游戲、精確及時(shí)的引擎搜索、清晰明了的醫(yī)學(xué)成像等方方面面都離不

中的圖像處理并行算法主要包括彩色負(fù)片處理算法、透明合并處理算法等，并且與GPU實(shí)現(xiàn)相同效果的性能進(jìn)行相互對(duì)比，以此來(lái)證明基于GPU的圖像處理并行算法的高效性。【Abstract】In the process of computer technology rapidly develop， people need to deal with all kinds of complex images. Image processing method presents

y四面體剖分并行算法。同時(shí)在Linux+MPI平臺(tái)上實(shí)現(xiàn)上述并行算法，取得了良好的計(jì)算效率?！娟P(guān)鍵詞】Delaunay三角剖分 網(wǎng)格生成 并行算法 并行策略1 引言隨著大型并行計(jì)算機(jī)軟硬件技術(shù)的快速發(fā)展，網(wǎng)格剖分并行技術(shù)已成為科學(xué)工程計(jì)算領(lǐng)域研究的熱點(diǎn)之一。Delaunay三角剖分是三維空間數(shù)值模擬階段最基本的逼近單元和3D復(fù)雜對(duì)象可視化處理中最佳離散形式，剖分得到Delaunay三角網(wǎng)格具有良好的數(shù)學(xué)特性與優(yōu)化特性?；谥瘘c(diǎn)插入思想的Delaunay三角

；迭代算法；并行算法；本地計(jì)算中圖分類(lèi)號(hào)：TP311 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2016）28-0006-03Abstract： In the information system construction in colleges and universities focus on information portal construction and optimization of two aspects. Use Web data

聯(lián)規(guī)則挖掘的并行算法分析2.1 并行算法的基本概念所謂并行算法，即對(duì)可同時(shí)執(zhí)行的進(jìn)程集合，通過(guò)進(jìn)程的協(xié)調(diào)作用，達(dá)到求解問(wèn)題的目的。并行算法的設(shè)計(jì)是為了使并行機(jī)的眾多處理機(jī)作用得到最大程度的發(fā)揮，這樣就能更加快速有效解決問(wèn)題。一般而言，并行算法對(duì)并行機(jī)存在非常強(qiáng)的依賴(lài)性。并行機(jī)的不同算法對(duì)其有效性會(huì)產(chǎn)生影響。2.2 并行計(jì)算模型要想對(duì)一個(gè)應(yīng)用問(wèn)題進(jìn)行求解，那么設(shè)計(jì)良好的并行算法極為重要。如果想讓并行算法作為一個(gè)由程序?qū)崿F(xiàn)結(jié)構(gòu)依賴(lài)的算法，那么抽象的并行計(jì)算機(jī)結(jié)

影像正射校正并行算法，以滿(mǎn)足獲取光學(xué)航空影像對(duì)實(shí)時(shí)性的要求并提高對(duì)海量影像數(shù)據(jù)在CPU上串行正射校正的效率。介紹了光學(xué)影像正射校正算法原理以及正射校正算法的并行化處理。為減少GPU執(zhí)行的計(jì)算負(fù)載，引入“有效像素區(qū)域”概念，設(shè)計(jì)了改進(jìn)的GPU并行校正算法。通過(guò)配置選擇以及存儲(chǔ)器訪問(wèn)優(yōu)化進(jìn)一步提高了算法的執(zhí)行效率。最后，分析了GPU并行算法的精度，并驗(yàn)證了噪聲干擾對(duì)算法的影響。實(shí)驗(yàn)結(jié)果表明，優(yōu)化的改進(jìn)GPU并行算法顯著提高了正射校正的速度，影像大小為5 000

二、該問(wèn)題的并行算法描述2.1基于API的多核并行算法的設(shè)計(jì)Windows系統(tǒng)提供很多API接口，可以利用WINAPI定義線(xiàn)程函數(shù)，函數(shù)內(nèi)部設(shè)計(jì)好改線(xiàn)程所要進(jìn)行的工作，然后主函數(shù)里創(chuàng)建線(xiàn)程，將線(xiàn)程函數(shù)導(dǎo)入創(chuàng)建好的線(xiàn)程中運(yùn)行，計(jì)算根據(jù)創(chuàng)建的線(xiàn)程數(shù)目，調(diào)用相應(yīng)數(shù)目的CPU進(jìn)行計(jì)算，保證每個(gè)CPU運(yùn)行一個(gè)線(xiàn)程，最終計(jì)算結(jié)束后將結(jié)果合并可得到正確結(jié)果。2.2基于OpenMP的多核并行算法的設(shè)計(jì)利用編譯指導(dǎo)語(yǔ)句parallelfor并行原理采用工作分配的執(zhí)行方式，將

桁架結(jié)構(gòu)； 并行算法1　研究背景及問(wèn)題的提出1.1背景介紹隨著計(jì)算機(jī)科學(xué)的迅速發(fā)展，計(jì)算科學(xué)、分析理論和物理實(shí)驗(yàn)構(gòu)成了現(xiàn)代科學(xué)發(fā)展的三大支柱.在建筑工程領(lǐng)域，結(jié)構(gòu)力學(xué)、有限元理論是目前主流的分析架構(gòu)，這種架構(gòu)主要包括兩部分：為了描述結(jié)構(gòu)體的性質(zhì)和物理行為設(shè)定一組描述參數(shù)；為了進(jìn)行數(shù)值分析而提出的一組行為變化準(zhǔn)則及簡(jiǎn)化假設(shè).依據(jù)此架構(gòu)，工程師們可以通過(guò)數(shù)學(xué)方法來(lái)模擬一個(gè)結(jié)構(gòu)，規(guī)劃計(jì)算流程，得到結(jié)構(gòu)上任意一點(diǎn)的位置變化，以及其他力學(xué)參數(shù).向量式有限元(VFIF

的一種高精度并行算法倪詩(shī)浩，田振夫(復(fù)旦大學(xué) 航空航天系，上海 200433)摘要：采用一階投影法，建立了一種基于MPI求解非定常不可壓N-S方程的高精度并行算法.該算法在空間上可達(dá)到4階精度，其中，對(duì)流項(xiàng)中的1階導(dǎo)數(shù)和粘性項(xiàng)中的2階導(dǎo)數(shù)分別采用WENO格式和4階對(duì)稱(chēng)型寬格式進(jìn)行離散，而Poisson方程則采用4階精度的緊致格式進(jìn)行迭代求解.通過(guò)對(duì)2維Taylor渦列和雙周期雙剪切邊界層流動(dòng)問(wèn)題及3維回轉(zhuǎn)體繞流問(wèn)題的數(shù)值計(jì)算，驗(yàn)證了算法的可靠性及其并行效率

解方法、高效并行算法與先進(jìn)計(jì)算方法等方面，開(kāi)展系統(tǒng)深入的研究，突破核心算法與關(guān)鍵技術(shù)，研究成果集成于JASMIN框架。關(guān)鍵詞：JASMIN框架 并行算法 數(shù)據(jù)結(jié)構(gòu) 負(fù)載平衡方法 快速算法 先進(jìn)算法Abstract：This report illustrates the annual progress of the program “parallel adaptive structured mesh applications infrastructure”

粒計(jì)算決策樹(shù)并行算法魏小燕(湖北經(jīng)濟(jì)學(xué)院 統(tǒng)計(jì)學(xué)院，武漢430205)摘要：作為占據(jù)世界21%人口的農(nóng)業(yè)大國(guó)，中國(guó)要發(fā)展先進(jìn)的現(xiàn)代農(nóng)業(yè)，需要合理使用化學(xué)肥料，提高肥料的使用效率。與固態(tài)肥料相比較，液態(tài)更容易被作物吸收，肥料利用更直接，效率較高，經(jīng)濟(jì)成本更低。在國(guó)際上，俄羅斯、美國(guó)、澳大利亞等國(guó)家已經(jīng)率先使用了液態(tài)肥料。為了節(jié)省肥料、提高農(nóng)作物對(duì)肥料的吸收利用率、節(jié)省經(jīng)濟(jì)成本及降低對(duì)土壤的污染，基于粒計(jì)算決策樹(shù)并行算法，設(shè)計(jì)了非規(guī)則齒輪行星系扎穴機(jī)構(gòu)。該扎穴

；數(shù)據(jù)分析;并行算法;共享信息素矩陣中圖分類(lèi)號(hào)：TP311文獻(xiàn)標(biāo)志碼：A文章編號(hào)：1008-5564(2015)03-0009-06收稿日期：2015-02-10作者簡(jiǎn)介：謝鳴鳳(1990—)，女，安徽宿州人，南京航空航天大學(xué)理學(xué)院數(shù)學(xué)系碩士研究生，主要從事偏微分方程研究.A Clustering Algorithm for Irregular DistributionXIE Meng-yan, HUANG Xu, ZHAO Qing, WANG Jun-

；數(shù)據(jù)挖掘；并行算法Things cloud computing data mining techniques for Applied Systems AnalysisLi Hu-qun（Handan Purification Equipment Research Institute Handan Hebei 056107）【Abstract】In this paper， data mining model based on cloud computing

驗(yàn)結(jié)果驗(yàn)證了并行算法的有效性。關(guān)鍵詞：DBSCAN； MapReduce； 聚類(lèi)算法； 并行算法； 數(shù)據(jù)挖掘中圖分類(lèi)號(hào)：TP391 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2015）10-0161-04DBSCAN[1]于1996年被提出以后便被廣泛使用。DBSCAN基本時(shí)間復(fù)雜度是（n*找出樣本點(diǎn)的Eps鄰域中的點(diǎn)所需要的時(shí)間），其中n是樣本點(diǎn)的大小。低維數(shù)據(jù)空間下，利用一些空間索引結(jié)構(gòu)，如kd樹(shù)[2]、R樹(shù)[3]、R*樹(shù)[4]等，時(shí)間復(fù)雜度可以降

務(wù)級(jí)調(diào)度2種并行算法，并以此進(jìn)行圖像二值化算法的并行化研究。試驗(yàn)結(jié)果分析表明，該設(shè)計(jì)能夠支持2種并行化算法，成倍減少圖像處理的時(shí)間。關(guān)鍵詞：嵌入式系統(tǒng)；多處理器系統(tǒng)；FSMC總線(xiàn)；二值化算法；并行算法0引言導(dǎo)彈成像制導(dǎo)中空間導(dǎo)航、目標(biāo)定位均涉及大量圖像處理和計(jì)算，一般系統(tǒng)實(shí)現(xiàn)多以高性能CPU，F(xiàn)PGA或DSP等單核處理器或微控制器作為處理核心，例如文獻(xiàn)[1]利用DSP實(shí)現(xiàn)成像制導(dǎo)；文獻(xiàn)[2]圖像在精確制導(dǎo)中的應(yīng)用；文獻(xiàn)[3]電視制導(dǎo)武器系統(tǒng)圖像跟蹤；文獻(xiàn)[

詞：云計(jì)算;并行算法;離散粒子群優(yōu)化隨著系統(tǒng)虛擬化和網(wǎng)絡(luò)技術(shù)的發(fā)展,云計(jì)算已經(jīng)成為一種新的計(jì)算平臺(tái).云計(jì)算作為一種新興的并行計(jì)算技術(shù),是分布式計(jì)算、網(wǎng)格計(jì)算和并行計(jì)算等計(jì)算機(jī)技術(shù)的商業(yè)實(shí)現(xiàn),從其誕生開(kāi)始就具有巨大的商機(jī)[1-2].云計(jì)算的主要目的是為了更好地利用分布式資源和解決大規(guī)模計(jì)算問(wèn)題.在“云”中如何對(duì)任務(wù)進(jìn)行高效合理的調(diào)度,實(shí)現(xiàn)系統(tǒng)全局最優(yōu)化,成為云計(jì)算研究的重點(diǎn)與難點(diǎn)[3].一般來(lái)說(shuō),云計(jì)算可以分為3種主要類(lèi)型的服務(wù):基礎(chǔ)設(shè)施、平臺(tái)和軟件,這些服

一個(gè)數(shù)據(jù)劃分并行算法;文獻(xiàn)［8］將功能劃分優(yōu)化方法應(yīng)用到了圖像檢索，加快了圖像檢索系統(tǒng)的響應(yīng)速度;文獻(xiàn)［9－11］分別將數(shù)據(jù)劃分優(yōu)化方法應(yīng)用到神經(jīng)網(wǎng)絡(luò)算法、SIFT算法和二維傅里葉變換，都取得了可觀的加速比?；谏鲜鰞?yōu)化方法，結(jié)合運(yùn)動(dòng)目標(biāo)檢測(cè)和特征提取描述具體算法特點(diǎn)，本文提出了一種多核CPU平臺(tái)上的三層雙模塊并行算法，并在OpenMP［12］和四核CPU平臺(tái)上利用該并行算法實(shí)現(xiàn)了對(duì)監(jiān)控視頻目標(biāo)檢測(cè)與特征提取的實(shí)時(shí)處理。本文提出的多層次并行優(yōu)化方法對(duì)分析串

熱傳導(dǎo)GPU并行算法研究孟小華a,b，黃叢珊a，朱麗莎a,b(暨南大學(xué) a. 計(jì)算機(jī)科學(xué)系；b. 天體測(cè)量、動(dòng)力學(xué)與空間科學(xué)中法聯(lián)合實(shí)驗(yàn)室，廣州 5 10632)在熱傳導(dǎo)算法中，使用傳統(tǒng)的CPU串行算法或MPI并行算法處理大批量粒子時(shí)，存在執(zhí)行效率低、處理時(shí)間長(zhǎng)的問(wèn)題。而圖形處理單元(GPU)具有大數(shù)據(jù)量并行運(yùn)算的優(yōu)勢(shì)，為此，在統(tǒng)一計(jì)算設(shè)備架構(gòu)(CUDA)并行編程環(huán)境下，采用CPU和GPU協(xié)同合作的模式，提出并實(shí)現(xiàn)一個(gè)基于CUDA的熱傳導(dǎo)GPU并行算法。根

PI的FCM并行算法使人對(duì)遙感影像進(jìn)行模糊聚類(lèi)分析獲得了令人滿(mǎn)意的線(xiàn)性加速比［6］；Petcu等針對(duì)多光譜遙感影像，提出了一種基于MPI的FCM并行算法，也得到較好的線(xiàn)性加速比［7］。但是這些方法只適合于規(guī)則的柵格數(shù)據(jù)。Liu等提出了一種基于圖形處理器（Graphics Processing Unit，GPU）的FCM 并行算法［8］。由于地學(xué)應(yīng)用研究區(qū)域的不規(guī)則性，并行算法采用按區(qū)域大小均勻劃分（如按行、列劃分和棋盤(pán)式劃分［9］）方法導(dǎo)致各節(jié)點(diǎn)負(fù)載不均衡

種不同CRC并行算法，及仿真和綜合結(jié)果的分析。2 適用于RDS基帶信號(hào)的誤碼校驗(yàn)RDS數(shù)據(jù)格式使用了一種縮短循環(huán)的塊編碼，它是由原始長(zhǎng)為341 bit的循環(huán)碼315 bit而得到的（26,16）分組糾錯(cuò)碼. 所用編碼是一種最佳的糾正突發(fā)誤碼的縮短循環(huán)碼，其生成多項(xiàng)式為[7]：為了使接收機(jī)的解碼器能檢測(cè)出并糾正傳送中的誤碼，故在發(fā)送端每發(fā)送一個(gè)26 bit塊就含有10 bit校驗(yàn)字，這正是選擇（1）式所示的生成多項(xiàng)式的原因。下面介紹以信息字生成的校驗(yàn)字的形成

OpenMP并行算法在衛(wèi)星重力場(chǎng)模型反演中的應(yīng)用*周 浩1)鐘 波1，2)羅志才1，2)張 坤1)(1)武漢大學(xué)測(cè)繪學(xué)院，武漢 4300792)地球空間環(huán)境與大地測(cè)量教育部重點(diǎn)實(shí)驗(yàn)室，武漢430079)利用衛(wèi)星重力數(shù)據(jù)反演地球重力場(chǎng)需要解決重力場(chǎng)模型的高效計(jì)算問(wèn)題。分析了最小二乘直接法求解重力場(chǎng)模型涉及的密集型計(jì)算任務(wù)，基于OpenMP實(shí)現(xiàn)了衛(wèi)星重力場(chǎng)模型直接求解的并行算法。利用30天、5秒采樣間隔的沿軌擾動(dòng)位T和徑向擾動(dòng)重力梯度Trr數(shù)據(jù)，分別反演了60

OpenMP并行算法3種數(shù)值方法進(jìn)行比較與分析。研究表明，在計(jì)算機(jī)硬件資源有限的情況下，傳統(tǒng)的Cholesky分解法已經(jīng)無(wú)法滿(mǎn)足求解要求;預(yù)條件共軛梯度法的求解效率較之Cholesky分解法有改進(jìn)，但其以損失小量精度為代價(jià);OpenMP并行算法在不損失求解精度的條件下，可提高求解的效率。衛(wèi)星重力梯度;Cholesky分解;預(yù)條件共軛梯度;OpenMP并行算法;數(shù)據(jù)處理1 引言地球重力位模型一般采用球諧系數(shù)進(jìn)行表達(dá)。基于空域最小二乘法或時(shí)域最小二乘法［1-5

陣，因此采用并行算法實(shí)現(xiàn)實(shí)對(duì)稱(chēng)陣特征值分解能顯著縮短算法時(shí)間。Jacobi算法是對(duì)稱(chēng)陣特征值分解的常用算法，該算法為串行算法，需要時(shí)間隨矩陣階數(shù)增長(zhǎng)迅速增長(zhǎng)。David J. Kuck和Ahmed H. Sameh提出了一種基于Jacobi算法的并行算法[3]，但由于算法對(duì)矩陣元素重復(fù)操作，使得算法在實(shí)際實(shí)現(xiàn)后，效率不是很高。在分析了串行算法和David J. Kuck和Ahmed H. Sameh的并行算法的優(yōu)缺點(diǎn)后，本文實(shí)現(xiàn)了一種更為高效的實(shí)對(duì)稱(chēng)矩陣特

析與優(yōu)化設(shè)計(jì)并行算法的國(guó)內(nèi)外研究狀況,并對(duì)結(jié)構(gòu)分析與優(yōu)化設(shè)計(jì)的并行算法進(jìn)行了概括及對(duì)其未來(lái)發(fā)展做了展望。關(guān)鍵詞并行算法 有限元法 優(yōu)化設(shè)計(jì)中圖分類(lèi)號(hào):TP3文獻(xiàn)標(biāo)識(shí)碼:A1引言針對(duì)在現(xiàn)有硬件和軟件條件,不降低求解精度求解復(fù)雜結(jié)構(gòu)問(wèn)題,要么耗時(shí)巨大,要么無(wú)能為力。應(yīng)用于并行的集群和并行編譯算法和環(huán)境就是在這種情況下產(chǎn)生的,并取得了長(zhǎng)足的發(fā)展,如并行數(shù)值算法的開(kāi)發(fā)。傳統(tǒng)的有限元和優(yōu)化算法都是基于串行,為了適用并行求解,有必要對(duì)串行算法進(jìn)行添加并行形語(yǔ)句或者重新