利用PVM实现电荷量变化的并行计算

介绍了并行计算的基本概念,利用局域网和PVM构成并行计算环境,实现了对电荷量变化的并行计算.改进了传统的隐式龙格库塔方法,在实际计算中取得良好效果.最后讨论了与并行计算效率有关的因素.     

利用PVM实现电荷量变化的并行计算

介绍了并行计算的基本概念，利用局域网和PVM构成并行计算环境，实现了对电荷量变化的并行计算，改进了传统的隐式龙格库塔方法，在实际计算中取得良好效果，最后讨论了与并行计算效率有关的因素。     

网络并行计算环境PVM

网络并行是近年来并行计算的一个重要方向，本文从组成、工作模式和特点介绍了支持网络并行计算的环境PVM(parallel Virtural Machine)，并对使用PVM进行程序设计进行了探讨。     

PVM并行计算(处理)的基础方法

网络并行计算是利用已有的小资源实现大规模、高性能计算的技术。本文介绍PVM的概念、特点、配置及在此环境下编写并行程序的几种方法。在PVM的支持下，进程间以消息方式建立联系，因此通讯是并行程序设计的基础，本文还讨论通讯程序的C语言实现，以此作为网络并行计算的基础。     

二网格法网上并行求解有限元特征值

针对基于pvm的桌面PC机联网而成的网络并行计算环境中,处理机的运算速度较快而处理机间的通信相对较慢,以及微机的内存有限的实际情况,从实用的角度出发,给出了基于PVM的网上并行实现特征值问题的二网格法,实现过程中矩阵和向量采用分块储存方式,运用行元素单元贡献法实现了有限元总体刚度矩阵、总体质量矩阵、总体荷载向量的生成,并在1-8台桌面PC机连接成的局域网,PVM3.4 on Win-dowXP,VC 6.0并行计算平台上编程对该算法进行了数值试验,得到了较理想的结果.     

在Linux下构造并行计算平台及开发并行程序

Linux是一个非常优秀的操作系统，其上的PVM也是目前最流行的并行编程语言之一．借助Linux构建并行计算系统，以及在Linux平台下开发PVM并行程序．     

并行计算中组合空间问题的均衡划分研究

针对含组合空间划分的并行计算问题,为了均衡负载以缩短计算时间,通过分析组合空间的分布规律,在常规划分方案的基础上提出了两种改进的划分方案,应用两方案于交巡警平台增设问题中并行计算,运行统计结果显示改进方案具有更好的负载均衡性,且加速比分别为常规方案的2.40倍和3.35倍.实验结果表明,最终改进方案更适合应用于有组合空间划分问题的并行计算中.     

并行计算集群在经济学实验室中的应用

现代经济学研究的最新特征对经济研究中所使用的计算方法与速度提出了更高的要求,并行计算方法的引入成功地解决了许多传统PC难以解决的运算问题.介绍了并行计算在经济学研究中的作用,并结合国外研究型大学经济学实验室并行计算集群建设的经验,提出在我国研究型大学经济学实验室中建设高性能计算集群的必要性与可行性.最后,结合实际建设经验提出建设方案及使用效果评价.     

光子晶体时域有限差分方法并行化研究

光子晶体的设计和模拟所需的计算量非常大,受到现有计算机计算能力的限制,对复杂系统的研究更是无法进行.研究PC-cluster体系结构上的大规模并行计算方法,建立时域有限差分方法光子晶体的并行计算程序,对透射穿过光子带隙材料的电磁波进行计算,这种方法对计算光子带隙和解决杂质问题效果较好.     

基于MPI的网络并行计算实验系统构建

随着网络的普及和应用,网络并行计算已成为并行计算的一个重要发展方向.利用PC构建的网络并行计算系统价格低廉,具有较高的性价比.介绍了在现有的实验室条件下,利用16台PC构建小型网络并行计算实验系统的详细过程,同时对矩阵乘法进行了算法测试.测试结果表明系统的构建是成功的,是低成本获得高效计算性能的有效途径.     

解对称矩阵特征值问题的并行SM—APA算法

在二分法和APA算法的基础上,给出了一种求实对称矩阵特征值问题的并行SM-APA算法,理论分析和在PVM下的数值结果表明,我们的算法比二分法快,而且有较高的加速比.     

解非对称矩阵特征值问题的并行NSM-APA算法

在矩阵特征值分布理论和APA算法的基础上,给出了一种求非对称实矩阵特征值问题的并行NSM-APA算法,理论分析和在PVM下的数值结果表明,该算法比基于矩阵特征值分布理论的二分法收敛快,而且有较高的加速比.     

一个面向大规模BP神经网络并行算法

BP神经网络是在数据挖掘、语音识别和文本语言转换等领域最为广泛使用的网络之一。但也有其不足之处，主要表现在收敛速度慢和学习时间长。并行是解决这一问题的可行方案。本文提出了一种利用微机机群来实现并行处理，在并行编程环境PVM中实现BP神经网络的并行学习算法。即主要采用将大量计算由主控节点转移到从结点上、设置逻辑锁和粗粒度任务划分等方法以减少计算和通信时间，有效实现学习过程的并行处理。在微机机群系统下的PVM环境中实现该算法。结果表明改进后的算法不仅大大减少了学习时间，提高了学习效率，而且能够很好面对大规模BP神经网络的学习。     

Design and Implementation of Parallel Virtual Machine on GM

1.1 BackgroundThe SU'HPCS (Shanghai Ufllverslty HighPerfor-mance Computing System) Is a 144-processorLlnux cluster constricted from commodity personalcomputer teChnology it is designed tO be dedicated tOhigh performance computing for computationalenglneenng and scientific problems We have nowconstructed many parallel environmentS m SUHPCS,such as MPll'], PVMI"'], BSP14], and DSMI'], as well asHPFI61, tO help users enroll their aPPlications intOParallel comPUting system But o…     

基于PVM的并行计算

利用PvM（Parallel Virtual Machine）并行计算环境,使用Visual C＋＋为开发工具,针对大型矩阵的运算开发了并行处理系统,解决了机械、数学等领域对大型矩阵运算处理时耗时时间长,界面交互性差等问题。     

基于Myrinet上消息传递系统GM的并行虚拟机的设计与实现

Parallel virtual machine(PVM) has been a prevalent parallel computing environment for heterogeneous systems. The generic portion of PVM is implemented on the basis of TCP/IP in result of high cost and low performance in communication. This paper describes the design and implementation of GMPVM(parallel virtual machine based on Myrinet message passing system), a PVM portion based on Myrinet's GM API(message passing system on Myrinet). The goal of this work is to make the maximum use of the high bandwidth and low latency of Myrinet; to provide PVM portion with a user-level, light weighted communication subsystem. GMPVM is developed on ZiQiang-2000 (SUHPCS). The difference between PVM and GMPVM is figured out here, and also some optimization technique discussed.