基于MPI技术的FDTD网络并行计算研究

随着并行计算的发展,MPI作为一种重要的消息传递方式标准,被广泛地应用到科学计算中。将MPI技术与电磁场时域有限差分法结合,构建了用于高性能并行计算的PC集群环境,通过算例验证了这套系统具有强大的计算功能、准确的计算精度和很高的计算效率。     

线性方程组的解法在计算机上的实现

阐述通过EXCEL解决线性方程组的迭代方法,并在结果的基础上对Jacobi和Gauss-Sidel两种迭代方法进行比较。     

基于Linux集群的并行计算

简要论述了并行计算机体系结构、并行计算原理，并介绍了Linux集群并行计算平台的建立以及在此平台下的单一系统映像SSI和并行编译环境MPI．     

基于MPI与OpenMP混合并行计算技术的研究

针对多核机群系统的硬件体系结构特点,提出了节点间MPI消息传递、节点内部OpenMP共享存储的混合并行编程技术。该编程模型结合了两者的优点,更为有效地利用了多核机群的硬件资源。建立了单层混合并行的Jacobi求对称矩阵特征值算法。实验结果表明,与纯MPI算法相比,混合并行算法能够取得更好的加速比。     

基于MPI与OpenMP混合并行计算技术的研究

针对多核机群系统的硬件体系结构特点,提出了节点间MPI消息传递、节点内部OpenMP共享存储的混合并行编程技术。该编程模型结合了两者的优点,更为有效地利用了多核机群的硬件资源。建立了单层混合并行的Jacobi求对称矩阵特征值算法。实验结果表明,与纯MPI算法相比,混合并行算法能够取得更好的加速比。     

图像并行集群复原校正方法研究

论述了图像校正算法的并行集群实现方法。针对图像复原问题,对复原算法结构与流程的并行处理进行研究,提出了整体数据传输、按行分片计算复原的并行处理方法。该方法在基于MPI的计算机并行集群系统中的8个计算节点上通过了测试,给出了集群校正实验结果和MPI并行计算时空图。实验结果表明,基于集群计算的并行复原方法十分有效,可缩短计算时间,提高计算效率。     

一类非对称矩阵SAOR迭代方法收敛的充要条件

本文讨论了SAOR迭代方法的收敛性问题.得到了当系数矩阵为对角元素非零的相容次序矩阵,且Jacobi迭代矩阵的特征值都是纯虚数时SAOR方法收敛的充要条件.     

MPSD迭代矩阵与Jacobi迭代矩阵特征值关系研究

该文在陈恒新,Evans等前辈的基础上,证明了Jacobi迭代法与其他MPSD迭代法之间的收敛性关系.最后在此基础上,证明了P-循环矩阵情况下,Jacobi迭代矩阵与MPSD迭代矩阵的特征值关系.     

枚举排序方法在机群系统中的并行化实现

排序是数据处理中经常使用的一种重要运算,如何进行高效率的排序是计算机应用中的重要课题。本文将枚举排序方法和基于MPI的并行计算结合起来,实现了算法的并行化,有效的提高了算法的执行效率。     

基于VS2012的并行计算实验平台搭建与实现

结合最新的并行计算技术,基于VS2012搭建了Open MP、MPI、C++AMP、CUDA 6.0等四个并行实验平台,并对不同实验平台实现PI值计算。实验结果说明这种并行计算环境具有良好的性能与可扩展性;Open MP与MPI等CPU计算加速效果与CPU内核数目成比例,C++AMP与CUDA 6.0等GPU计算加速效果与GPU物理计算核心数目成正比;同等条件下GPU物理计算核心数目远多于CPU核心数目,用GPU进行计算往往可获得更高的性价比。     

基于MPI+FreeFem++的有限元并行计算

有限元方法是一种灵活而高效的数值求解偏微分方程的计算方法,是工程分析和计算中不可缺少的重要工具之一。在计算机技术的快速发展使得并行机的价格日益下降的今天,并行有限元计算方法受到了学术界和工程界的普遍关注。讨论了基于MPI+FreeFem++的有限元并行计算环境的构建,阐述了在该环境下有限元并行程序的编写、编译及运行等过程,并通过具体编程实例,说明了MPI+FreeFem++环境下的有限元并行编程的简单和高效。     

拟对角占优矩阵方程组迭代解法的收敛性

讨论了系数矩阵为拟对角占优矩阵的方程组迭代解法的收敛性，给出了解拟对角占优矩阵方程组Jacobi迭代法，G—S迭代法和SOR方法的收敛条件。     

SAOR方法收敛的充要条件

讨论了在系数矩阵为对角元素非零的相容次序矩阵的情况下SAOR方法的收敛性.得到了当Jacobi迭代矩阵的特征值都是纯虚数且模不小于1时SAOR方法收敛的充要条件.     

基于深度神经网络与MPI并行计算的人脸识别算法研究

针对实际环境中干扰因素多和计算量大,导致人脸识别准确度下降和系统算力不足的问题,提出了一种基于深度神经网络与MPI并行计算的人脸识别算法.首先,分析深度神经网络模型,设计关键训练步骤,同时收集各类人脸图像,建立训练样本库.然后,结合深度神经网络模型,对样本库数据进行训练,生成识别框架,并借助TensorFlow开源模型与Python来实现算法,进而达到识别人脸的目的.最后,基于MPI并行计算技术,搭建高性能并行计算平台,对所提算法进行分段优化与集成,实现识别系统的高速计算效率.实验测试结果显示:与已有的相关识别技术相比,所提算法具有更高的人脸识别准确度与抗干扰能力,从而可为高端智能监控系统提供技术基础.     

小型集群系统并行计算环境的实现

并行计算在各个领域的应用越来越广泛,基于Linux的PC集群系统是一个廉价、高效的并行计算系统。本文介绍了计算机集群搭建的软硬件环境,如节点的构建、操作系统的选择、SSI的构建、MPI并行环境的构建等。在实验室网络环境下,使用多台普通计算机完成了集群的构建,提供了软件的详细配置过程,为在集群上进行并行编程提供了一个实际的软硬件环境。     

MPI+OpenMP混合并行编程模型在分子动力学中的应用

针对分子动力学串行计算速度不足问题,设计一种基于MPI+OpenMP的并行编程模型,实现LAMMPS并行计算。从而满足在节点间采用MPI进行消息传递并行,在节点内采用OpenMP共享内存模式多线程并行;最后根据分子动力学自身计算特点,对近邻表的构建以及力的计算进行优化,同时将并行结果和串行结果以及纯OpenMP运行时间和混合模型运行时间作对比。实验结果表明,采用MPI+OpenMP混合并行编程模型不仅能够加快计算速度,而且具有很好的扩展性。     

迭代求解线性方程组的MPSD方法

本文提出了一个迭代求解线性方程组的MPSD方法,它包含了熟知的Jacobi,JOR,Gauss—Seidel,SOR,AOR,SSOR,PSD等数值解法作为其特殊情形,我们对系数矩阵是对角元非零的相容次序矩阵的情形,给出了MPSD方法的收敛性定理。     

求解非线性方程组的加速多步Levenberg-Marquardt算法

求解非线性方程组时,为了节省Jacobi矩阵的计算,在信赖域中提出一种加速多步Levenberg-Marquardt算法,该算法在每次迭代时不仅计算了经典的LM步,还使用先前计算过的Jacobi矩阵计算三步近似的LM步,节省了计算量,提高了计算效率,数值试验表明,该算法具有有效性.     

MapReduce迭代式计算发展与应用

MapReduce的优势集中体现在并行计算上,而在迭代计算上则存在诸多不足。科研人员不断对MapReduce并行计算模型进行迭代计算优化,使MapReduce可以支持显示迭代式计算。介绍了传统MapReduce框架与迭代式MapReduce框架,通过K-means算法测试了iMapReduce、Hadoop MapReduce的迭代性能,给出了实验结果及分析。     

解线性方程组的迭代方法之比较

主要讨论目前已有的解线性方程组迭代方法的优点及缺点．重点讨论解线性方程组的Jacobi迭代法（J法）、Gauss—Seidel迭代法（GS法）、逐次超松驰法（SOR法）和共轭梯度法（CG法）4种方法．针对这4种解线性方程组的迭代方法,从迭代法的收敛性、迭代法的收敛速度、每迭代一次所需的计算量及实际计算时需要的存贮量等四个方面进行了比较和误差估计,并根据比较和分析作了总结．