导读:本文包含了最短路径并行算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:最短,算法,路径,网络,模糊,神经元,神经网络。
最短路径并行算法论文文献综述
张晗,钱育蓉,王跃飞,陈人和,田宸玮[1]（2019）在《CUDA下单源最短路径算法并行优化》一文中研究指出为设计基于固定序的Bellman-Ford算法在CUDA平台下并行优化方案,结合算法计算密集和数据密集的特点。从核函数计算层面,提出访存优化方法和基于固定序优化线程发散;从CPU-GPU传输层面,提出基于CUDA流优化数据传输开销方法。对不同显卡进行测试,参照共享内存容量划分线程块、缩减迭代后向量维度并使用CUDA流缩短首次计算时延,相比传统算法,改进后并行算法加速比在200倍左右。该并行优化方案验证了固定序在CUDA平台具有可行性和可移植性,可作为多平台研究参照。(本文来源于《计算机工程与设计》期刊2019年08期）
梁倬豪[2]（2016）在《最短路径的并行算法研究》一文中研究指出最短路径算法一直都是地理信息科学和计算机科学、交通运输方面中研究的重点技术内容,目前讨论的最短路径算法可以分为单源最短路径和多源多汇问题,最短路径问题作为图论中的重点问题广泛应用在各个领域内,比如城市规划、交通运输和电子导航等方面,本文主研究最短路径的并行算法相关的问题,为最短路径在不同领域中的运用提供一定的技术支撑。(本文来源于《电子制作》期刊2016年13期）
闫春望,黄玮,王劲松[3]（2016）在《一种并行模糊神经网络最短路径算法》一文中研究指出给出了模糊网络期望最短路径问题的定义,提出一种并行模糊神经网络最短路径(PFNNSP)算法解决模糊网络最短路径问题。PFNNSP算法通过模糊模拟对网络中的边权进行估计,脉冲波在神经元之间的并行传播,相互激活搜寻任意一对节点之间的最短路径,算法回溯输出路径表示和路径长度。在随机生成的小规模数据集上的仿真实验表明,PFNNSP算法在边权服从叁角模糊分布的网络中执行时间优于Dijkstra算法,在大规模路网信息数据集上的仿真实验表明,PFNNSP算法能够有效求解网络中的最短路径,并且算法在迭代次数和收敛速度上要优于Dijkstra算法和A*搜索算法。(本文来源于《计算机应用研究》期刊2016年11期）
闵思晗,付逸飞[4]（2015）在《最短路径算法并行化策略的研究与实现》一文中研究指出现阶段,随着我国智能交通系统与通信系统的不断发展完善,网络新特性的出现,对于网络中最短路径问题研究具有非常重要的意义。本文主要选取几种最短路径标号串行算法,并在此基础上分别通过网络复制与网络分割策略,对其最短路径进行求解,从而实现最短路径算法并行策略的研究。(本文来源于《电子测试》期刊2015年19期）
李莹[5]（2015）在《并行K最短路径搜索算法研究》一文中研究指出最短路径搜索不仅在城市交通路网规划和人工智能等领域被广泛应用,而且是现阶段智能交通行业研究的焦点。城市的发展使得城市规模不断扩大,城市路网变得越来越复杂,路网节点数目也迅速增加,从时间代价和计算量等多方面因素考虑,传统串行算法无法达到期望的求解结果。因此,伴随着并行技术发展,并行算法出现能够有效减少最短路径搜索时间,方便我们在大规模路网中求解最短路径。一般求解最短路径的算法存在一些问题,例如,采用Dijkstra算法在大规模城市交通路网中搜索最短路径,面对用户并发的出行请求,容易造成交通拥堵,降低了城市交通的运行效率。K最短路径(K Shortest Paths,KSP)算法是路径搜索算法的另一个应用形式,区别于其他算法的是它可以搜索出路网中两点间的最短路径集合,能够尽可能的满足出行者的需求。实际中,路网规模越复杂,KSP算法需要计算的数据量就越大,占用计算机存储空间也就越多。文中提到的KSP算法具有O(n2+n+m)的时间复杂度,程序执行消耗时间较长,导致算法效率和实时性不高。本文从最短路径问题入手,结合城市路网交通流状况,分析了城市交通网络中最短路径算法发展现状,重点描述了KSP算法。针对传统算法存在的问题,本文提出将KSP算法并行化的思想来搜索最短路径。首先,分析城市道路网络的拓扑结构,根据路网的网络结构特点,确定网络分解的基本要求、网络划分方法以及交通网络分割算法。其次,本文以方格式路网模型为基础进行研究,按照网络分割原则划分网络,选择路径的源点和终点,运用并行K最短路径(Parallel K Shortest Paths,PKSP)算法搜索路径,能够得到一个最短路径集合。最后,对PKSP算法的指标体系进行了评估,运用PKSP算法既降低了搜索路径的时间,提高了算法的搜索效率,又能获得较好的加速比。同时,将PKSP算法在城市路网交通流分配方面做了应用,结果证明:在大规模路网中,如果同时出现多个出行请求,PKSP算法能够搜索出多条符合K最短路径集合选择要求的最短路径,扩大了路段交通流的分布范围,降低了发生交通堵塞的频率。(本文来源于《长安大学》期刊2015-05-26）
张文金,许爱军[6]（2015）在《基于云计算的混合并行遗传算法求解最短路径》一文中研究指出为提高最短路径求解问题的效率,提出一种基于云计算的细粒度混合并行遗传算法求解最短路径的方法。方法采用云计算中H adoop的Map Reduce并行编程模型,提高编码效率,同时将细粒度并行遗传算法和禁忌搜索算法结合,提高了寻优算法的计算速度和局部寻优能力,进而提高最短路径的求解效率。仿真结果表明,该方法在计算速度和性能上优于经典遗传算法和并行遗传算法,是一种有效的最短路径求解方法。(本文来源于《电子技术应用》期刊2015年03期）
冷勋泰,孙广中[7]（2014）在《路网上异步并行加权A*最短路径算法》一文中研究指出图上最短路径问题是一个经典问题,应用广泛.对于路网路径的计算,要求程序能够在有限的时间内找到一条尽量短的路径,且允许运行的时间越长,找到的路径越短.由于传统的最短路径算法在设计时未考虑这一约束条件,故不能满足应用需求.为此提一种APWA*(asynchronous parallelism weighted A*)算法,该算法能够响应用户的中断信号并返回当前找到的最短的路径.在多个地图数据上的实验表明,APWA*能够很好地满足实际需求.(本文来源于《中国科学技术大学学报》期刊2014年10期）
孙文彬,谭正龙,王江,周长江,何俊芳[8]（2013）在《最短路径算法的并行化策略分析》一文中研究指出常见的最短路径算法多是研究单源多汇或多源多汇问题,针对单源单汇最短路径并行算法的研究较少。为此,该文探讨基于并行Boost库、网络分割、对向搜索的最短路径并行算法;并应用DIMAS提供的路网数据进行了相关实验。结果表明:对向搜索的并行算法效率较高,算法耗时为串行Dijkstra算法的1/4～1/2。(本文来源于《地理与地理信息科学》期刊2013年04期）
卢照,王铭[9]（2012）在《MPI与OpenMP的并行最短路径算法分析与设计》一文中研究指出随着当前城市规模的不断扩大,交通网络变得越来越复杂,最短路径问题的求解会花费更多的时间资源。为了提高最短路径求解的实时性,分别在MPI和OpenMP环境下设计了并行的最短路径求解算法,在结点数众多的大规模路网中能够明显地提高运行效率,减少路径查询计算时间。(本文来源于《廊坊师范学院学报(自然科学版)》期刊2012年06期）
张清华,李鸿,沈文[10]（2012）在《基于点割集的并行最短路径算法》一文中研究指出在研究和分析了Dijkstra算法的基础上,在Dijkstra算法中通过引入点割集和割点的思想来改进Dijkstra算法,该方法首先利用点割集或割点把原问题分解成多个子图,然后对每个子图并行求最短路径,最后通过点割集或割点求出整个原问题的最短路径,从而降低算法的时间复杂度,提高算法的效率.(本文来源于《郑州大学学报(工学版)》期刊2012年05期）
最短路径并行算法论文开题报告
（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：
最短路径算法一直都是地理信息科学和计算机科学、交通运输方面中研究的重点技术内容,目前讨论的最短路径算法可以分为单源最短路径和多源多汇问题,最短路径问题作为图论中的重点问题广泛应用在各个领域内,比如城市规划、交通运输和电子导航等方面,本文主研究最短路径的并行算法相关的问题,为最短路径在不同领域中的运用提供一定的技术支撑。
（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。
最短路径并行算法论文参考文献
[1].张晗,钱育蓉,王跃飞,陈人和,田宸玮.CUDA下单源最短路径算法并行优化[J].计算机工程与设计.2019
[2].梁倬豪.最短路径的并行算法研究[J].电子制作.2016
[3].闫春望,黄玮,王劲松.一种并行模糊神经网络最短路径算法[J].计算机应用研究.2016
[4].闵思晗,付逸飞.最短路径算法并行化策略的研究与实现[J].电子测试.2015
[5].李莹.并行K最短路径搜索算法研究[D].长安大学.2015
[6].张文金,许爱军.基于云计算的混合并行遗传算法求解最短路径[J].电子技术应用.2015
[7].冷勋泰,孙广中.路网上异步并行加权A*最短路径算法[J].中国科学技术大学学报.2014
[8].孙文彬,谭正龙,王江,周长江,何俊芳.最短路径算法的并行化策略分析[J].地理与地理信息科学.2013
[9].卢照,王铭.MPI与OpenMP的并行最短路径算法分析与设计[J].廊坊师范学院学报(自然科学版).2012
[10].张清华,李鸿,沈文.基于点割集的并行最短路径算法[J].郑州大学学报(工学版).2012
论文知识图
