导读:本文包含了并行计算模式论文开题报告文献综述及选题提纲参考文献，主要关键词:数值模式,SSD,I,O,MPI
并行计算模式论文文献综述
邓平,张庆花,张玉龙[1]（2019）在《一个提高气象数值模式计算性能的并行I/O优化技术》一文中研究指出阐述了开展并行I/O研究对气象数值预报的重要意义,以及通过并行I/O技术充分发挥并行存储性能的必要性和迫切性,提出了并行文件系统底层优化策略及基于MPI-IO的高层I/O库的优化方法,优化后可支持气象要素的并行输出,试验测试数(本文来源于《气象科技进展》期刊2019年03期）
李申,柴志雷,严伟,夏珺,赵建斌[2]（2018）在《H.265帧内模式判决并行计算方法研究与实现》一文中研究指出针对H.265帧内编码算法编码速度慢的问题,基于现场可编程逻辑门阵列(FPGA)设计了一种并行帧内模式判决架构.首先通过理论推导,证明可以将多层次多尺度编码块的模式判决问题转化为单一层次多个小尺度编码块模式判决的迭加问题;其次,在编码块内部通过细粒度并行实现快速模式判决,在编码块之间通过窗口流水方式实现快速处理;最终在FPGA上设计并实现了该帧内快速模式判决架构.实验结果表明,本文算法最高可达到93.6x的加速比,且编码后的视频质量损失较小(PSNR平均降低0.71dB).(本文来源于《小型微型计算机系统》期刊2018年11期）
王嘉仪[3]（2018）在《大数据背景下MapReduce并行计算模式研究进展》一文中研究指出计算机技术的发展导致互联网中积聚了大量的信息,如何对这些大量数据进行搜集、筛选以及处理成为一个重要的课题。在此背景下,简单易用的Map Reduce成为目前大数据处理最成功的主流并行计算模式。本文对大数据背景下Map Reduce并行计算模式研究现状进行了分析,并且展望了该领域的发展态势。(本文来源于《电子技术与软件工程》期刊2018年09期）
洪宁波[4]（2018）在《基于网格的矿井通风计算并行处理模式》一文中研究指出介绍网格计算技术的思想和内涵、网格计算体系结构以及网格典型应用,并指出在当前情况下网格技术急待解决的问题及构建专业网格实现特殊行业应用的必要性和可能性。分析认为,对煤矿安全应用网格的构建需要更多科研人员的共同努力,这项技术必定会对煤矿的发展起到积极的促进作用。(本文来源于《机械管理开发》期刊2018年03期）
李涛,董前琨,张帅,孔令晏,康宏[5]（2018）在《基于线程池的GPU任务并行计算模式研究》一文中研究指出GPU已经成为具有高并发高内存带宽的通用协处理器,但是GPU与CPU在体系结构和编程模型上存在很大差异,导致CPU-GPU异构计算系统的编程复杂度提高,即使采用统一计算设备架构(CUDA)提供的kernel并发技术和多流技术也较难充分控制和利用GPU上的计算资源,难以有效地处理不规则的并行应用问题.为从体系结构角度探索GPU硬件支持的页锁定内存和统一虚拟地址空间等特征,该文提出了CPU辅助任务调度管理下的基于线程池技术的GPU任务并行计算模型CAGTP,实现了CPU-GPU异构计算系统上的共享内存式程序设计.提出并设计了CPU端的任务队列、计算线程块级任务调度器、任务槽和GPU端的任务复用kernel函数等机制,实现了CPU与GPU间的高效细粒度任务交互,避免了原生CUDA程序中多次启停kernel函数的开销,有效地支持了GPU上的细粒度不规则并行任务计算,而且利用模型API接口函数能够降低CPU-GPU异构计算系统的编程难度.实验结果表明,CAGTP模型中任务调度的开销是kernel函数调用的5%,有效提升了通用矩阵乘、乔列斯基分解和K均值、T近邻等典型线性代数和机器学习算法的计算性能;CAGTP模型易于扩展使用多块GPU,且在性能差异较大的多个GPU之间达到负载均衡,能够高效求解混合任务和具有不规则并行性的应用问题.(本文来源于《计算机学报》期刊2018年10期）
郝天鹏[6]（2017）在《基于同类项的多最小支持度和并行计算的频繁模式挖掘研究》一文中研究指出随着信息技术的飞速发展,信息量的爆炸式增长成为了人们必须要面对的机遇与挑战。因此,如何在这些庞大信息中获取对自己有用的信息便成为了一个值得研究和探讨的话题。数据挖掘算法是处理数据库中大量数据,并在这些数据中提取有价值信息的一项新技术。其中,频繁模式挖掘算法在数据挖掘中占有十分重要的地位。但是,传统的频繁模式挖掘算法在一定程度上都存在缺点与不足。本文针对这些问题,提出了两种改进算法。主要研究内容如下:1.简单介绍数据挖掘的相关概念,概述国内外对数据挖掘的研究现状,以及关联规则挖掘的相关概念和经典算法。2.为了解决频繁模式挖掘算法在挖掘过程中需要耗费大量的时间与内存的问题,首先借鉴了集合枚举树的结构,并从枚举树中使用多最小支持度来降低时间、内存消耗。但是,当事务数据库中事务项数特别庞大时,对每个项都定义一个唯一的最小支持度阈值显然是不科学的。针对上述问题,我们提出了基于同类项的多最小支持度频繁模式挖掘算法,该算法首先对数据库事务划分同类项,然后对划分的每个类赋予唯一的最小支持度阈值,最后使用向下封闭属性排序和LCMS(类的最最小支持度)概念来有效地修剪搜索空间,从而给出了FP-CME算法。该算法在挖掘过程中不需要生成条件候选树,并可以直接从集合枚举树中发现想要的频繁模式。经仿真实验,该算法在执行时间、内存使用方面较传统算法有较大的提高。3.频繁模式增长算法(FP-growth)是频繁模式挖掘中最经典的算法之一,但FP-growth算法也存在问题:当在大规模数据环境下挖掘时,它生成的FP树过于复杂,其结果就是构建FP-tree困难以及挖掘效率低下。针对上述问题,我们提出了基于多最小支持度的并行优化的POFP-growth算法。该算法共分为两个步骤,第一步,对原数据库事务项进行分类,划分出多个类并赋予类标号和唯一支持度阈值。然后对数据库数据进行共享前缀处理,接着将事务数据库水平分割为N部分,然后并行构建局部数据库的FP-tree,最后使用内部级联接方法组合所有局部FP-tree得到完整FP-tree。第二步,在多最小支持度阈值的约束下使用项合并策略挖掘完整FP-tree中的频繁项集。通过仿真实验可知,提出的算法在执行时间有一定的提高。(本文来源于《青岛理工大学》期刊2017-12-01）
周利,施亮,朱兰娟,许小青[7]（2017）在《云计算环境下频繁模式挖掘算法的并行化研究》一文中研究指出随着社会进入信息时代,数据呈几何级数增长,传统的数据挖掘算法在计算速度与处理资源的量上已不能满足要求,如何快速地针对海量数据进行数据挖掘显得非常重要。本文先分析了最具影响力的频繁模式挖掘算法Apriori的特点,然后提出在云计算平台使用并行化方案来优化该算法,最后使用Spark计算框架对所提出的优化方案进行了验证,并分析了该优化算法的可扩展性。(本文来源于《第28届中国过程控制会议（CPCC 2017）暨纪念中国过程控制会议30周年摘要集》期刊2017-07-30）
李维山[8]（2016）在《面向领域应用的空间域和频域分解模式并行计算》一文中研究指出数值计算在现代科学研究中发挥着重要作用,是帮助研究人员分析越来越复杂过程模型的重要手段。并行计算技术可以用来解决科学计算应用中耗时长和模拟模型规模受阻问题。这方面的研究包括基础计算平台和并行应用两个方面,并行应用是结合具体领域问题发挥并行计算效用的落脚点。开发一个并行数值计算软件,需要将原有串行计算模式转化为并行化计算模式。区域分解是最常见的并行化方法,区域在实际问题中分为空间域和频率域等。设计并实现相应的区域分解方法,是开发并行计算模式的基础。本文关注这两种并行模式的具体设计和并行计算的实际应用。分别面向有限体积法地下复杂环境耦合过程和电磁场谐波平衡有限元计算问题,设计了相应的并行计算方法并完成了实际领域的并行计算应用。本文在地下复杂环境并行数值计算的研究工作受到中国地质调查局计划项目“全国二氧化碳地质储存潜力评价与示范工程”的支持。以美国劳伦斯伯克利实验室(LBNL)TOUGHREACT叁场耦合模拟模型为基础,与吉林大学环境与资源学院课题组合作开发分布式内存平台上的高性能计算软件THC-MP。该软件同LBNL内部开发的基于共享内存并行模式的TOUGHREACT-OMP相比,在并行扩展度和计算效率方面有很多优势,在公开文献中首次实现了分布式内存平台上的耦合过程并行计算。该软件成功实现了鄂尔多斯盆地储层大型叁维模型的模拟计算,为二氧化碳地质封存示范性项目数值模拟工作提供了支持。本文在电磁场分析计算的研究工作受到博士研究生联合培养项目支持,与澳大利亚格里菲斯大学工学院合作解决了谐波平衡有限元方法的高效计算问题。通过在频率域上对多次谐波进行分解,设计了频域并行求解方法,并将该算法应用到变压器直流偏磁问题计算。为稳态电磁场复合频率问题和工业产品设计的高效模拟计算提供了一种快速解法。本文工作的主要贡献有:1.针对环境科学领域多相流体、溶质运移和化学反应耦合模拟过程,基于空间区域分解方法,完整实现了整个耦合过程的并行计算。将流体、运移、化学叁部分的数据按照子空间网格集合进行重组,设计了基于统一空间区域分解的耦合过程并行计算框架。在核心方程求解阶段实现了矩阵运算和网格处理计算的混合并行模式,优化了耦合过程并行计算的负载均衡。2.将耦合过程的并行计算框架实用化,开发了热-流体-化学叁场耦合的模拟器THC-MP。和二氧化碳封存模拟计算模块ECO2N结合,在松辽盆地储层模型上验证了并行计算的数值可靠性。并将该模拟器应用到了鄂尔多斯盆地石千峰组储层的二氧化碳地质封存过程模拟,在分布式内存并行平台上完成了场地大规模叁维模型的高效并行模拟。3.对电磁场计算中的谐波平衡有限元分析问题,在频率域上对数值模拟计算进行分解,设计了基于谐波分解的块矩阵类Jacobi迭代并行求解方法。并针对一个含有多次谐波的高频变压器直流偏磁问题,使用等同于谐波次数并行度的计算对该方法进行验证。实验结果显示,频率域并行计算方法减小了含有多次谐波的模型矩阵规模同时有效缩短了模拟计算时间。(本文来源于《吉林大学》期刊2016-06-05）
王同科,常慧宾,王彩华[9]（2016）在《信息与计算科学专业并行计算人才培养模式研究与实践》一文中研究指出论述了在信息与计算科学专业开展并行计算人才培养的必要性,明确人才培养定位,设计并行计算系列课程,介绍了课程主要内容及人才培养情况.实践证明,该并行计算人才培养模式是可行的.(本文来源于《高师理科学刊》期刊2016年02期）
邢威[10]（2015）在《全球数值天气预报谱模式众核并行计算与优化技术研究》一文中研究指出随着数值天气预报模式分辨率不断提升,计算量随之迅速增长,对超级计算机的计算性能需求也随之上升。而传统的CPU处理器架构由于摩尔定律的限制,计算性能的增长陷入瓶颈,针对这一问题的解决办法之一是使用新型架构的MIC众核处理器,这种架构也越来越多地应用于新型超级计算机中。本文针对这一背景,开展了全球数值天气预报谱模式在CPU+MIC混合异构平台上的并行算法研究。本文主要研究工作为以下两方面的内容。(1)根据混合异构平台的硬件特点,CPU与MIC之间可以组合成五种关系,从应用模式的角度,可以分为叁种模式:CPU为中心的模式、MIC为中心的模式和对等模式。为确定谱模式在CPU+MIC体系结构下的并行计算模型,对CPU+MIC叁种应用模式分别进行分析、测试和研究。结果表明,以MIC为中心的模式和对等模式,在计算性能、多节点扩展、通信开销等方面存在很多问题,不适合应用于数值天气预报领域。而通过分析可知,以CPU为中心的offload模式用用方式灵活、可调控性强,适合复杂软件在异构平台上运行。再根据谱模式的架构特点,确定了CPU上使用MPI/OpenMP,MIC上使用offload+OpenMP的并行编程模型。(2)确定了并行编程模型后,开展基于offload方式的谱模式并行计算研究。对谱模式的算法进行并行分析和设计,解决复杂软件在异构平台上实现过程中产生的一系列问题,并最终实现谱模式在异构平台上的并行计算。针对程序和硬件架构特点,采用几种并行优化技术,将不同优化版本的效果进行对比,并获得最优并行版本。本文通过分析和测试确定了谱模式在异构平台上的并行编程模型,解决了该模型下的工程难题,并对该模型进行了多重优化。为更高分辨率的气象软件在多节点异构平台上的应用奠定了基础。(本文来源于《国防科学技术大学》期刊2015-11-01）
并行计算模式论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对H.265帧内编码算法编码速度慢的问题,基于现场可编程逻辑门阵列(FPGA)设计了一种并行帧内模式判决架构.首先通过理论推导,证明可以将多层次多尺度编码块的模式判决问题转化为单一层次多个小尺度编码块模式判决的迭加问题;其次,在编码块内部通过细粒度并行实现快速模式判决,在编码块之间通过窗口流水方式实现快速处理;最终在FPGA上设计并实现了该帧内快速模式判决架构.实验结果表明,本文算法最高可达到93.6x的加速比,且编码后的视频质量损失较小(PSNR平均降低0.71dB).
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
并行计算模式论文参考文献
[1].邓平,张庆花,张玉龙.一个提高气象数值模式计算性能的并行I/O优化技术[J].气象科技进展.2019
[2].李申,柴志雷,严伟,夏珺,赵建斌.H.265帧内模式判决并行计算方法研究与实现[J].小型微型计算机系统.2018
[3].王嘉仪.大数据背景下MapReduce并行计算模式研究进展[J].电子技术与软件工程.2018
[4].洪宁波.基于网格的矿井通风计算并行处理模式[J].机械管理开发.2018
[5].李涛,董前琨,张帅,孔令晏,康宏.基于线程池的GPU任务并行计算模式研究[J].计算机学报.2018
[6].郝天鹏.基于同类项的多最小支持度和并行计算的频繁模式挖掘研究[D].青岛理工大学.2017
[7].周利,施亮,朱兰娟,许小青.云计算环境下频繁模式挖掘算法的并行化研究[C].第28届中国过程控制会议（CPCC2017）暨纪念中国过程控制会议30周年摘要集.2017
[8].李维山.面向领域应用的空间域和频域分解模式并行计算[D].吉林大学.2016
[9].王同科,常慧宾,王彩华.信息与计算科学专业并行计算人才培养模式研究与实践[J].高师理科学刊.2016
[10].邢威.全球数值天气预报谱模式众核并行计算与优化技术研究[D].国防科学技术大学.2015