蚁群算法在船舶分布式电源优化配置及并行计算中的应用

从节能减排的角度出发,对船舶分布式电源进行配置和运行调度。在此过程中,充分考虑船舶电网的损耗、储能、成本等因素,建立2层分布式电源优化模型,并且利用混合蚁群算法对其求解。最后进行对比实验,实验数据表明,本文算法在计算效率和全局搜索方面优越性突出。     

基于MPI环境的A-BSP模型的性能评测

针对一种异步的BSP模型(A-BSP),选用6种常用的通信模式代替随机h关系,在曙光集群MPI环境和不同的处理器数量条件下,对A-BSP模型的2个主要参数g和L进行评估,并根据快速傅立叶变换(FFT)的并行化方法,以一种基2并行FFT算法,验证利用A-BSP模型进行MPI程序代价分析的正确性和有效性。在曙光TC1700集群服务器上测得A-BSP模型的参数g为6.07×10-8s/byte,L为1.47×10-4s。在曙光集群上,A-BSP模型所有参数的变化范围基本被限定在某一区间内,且h关系时间受通信模式的影响要比受处理器数量的影响更为明显。A-BSP模型能够有效地指导MPI并行程序设计。     

轮轨系统动力学分析程序的并行算法研究

对原有轮轨系统动力学串行程序的结构进行了剖析,提出了多种并行处理方法。针对轮轨系统振动方程组系数矩阵的特点,采用循环带状划分、计算与通信重叠、合并通信等技术编制了并行计算程序,曙光2000机上的数值试验表明LU分解法具有较高的加速比,WZ分解法具有较快的计算速度。并行计算技术拓展了轮轨系统动力学理论的应用范围。     

异步分布式并行SRM算法

在基于网络环境的分布式并行计算中，因为一般情况下，局域网的底层通信协议多为以太网协议，而以太网采用的是总线通信和信道竞争两种技术，因此基于网络环境的分布式并行计算中最大的问题可能就是要解决好通信开销的问题。文中根据以太网的特性，提出了一种子任务计算和通信错开的解决方案，理论分析和实验均表明文中提出的方案效果非常显著。同时，在文中还引用了并行效率的概念，极大地方便了处理机的增加对加速比的影响的比较分析。     

最短路拍卖算法在交通流分配中的应用

拍卖算法是由Bertsekas教授提出的一种求解有向网络图最短路径的新算法,并已经发展成为求解线性网络流问题的综合算法.本文首先介绍了拍卖算法,分析了其特点,并将其与常用的标号设定算法和标号修正算法进行了对比.深入分析了交通路网的特点和交通分配中最短路求解的特性.研究结果表明,最短路拍卖算法特别适合于并行计算和大规模稀疏网络的求解,符合现实路网的特点和交通分配的要求.最短路拍卖算法应用于交通分配能避免大量不必要的计算,大大节省计算时间,在交通领域具有广阔的应用前景.     

大功率机车轮轨接触应力计算分析

轮轨关系是大功率机车车轮国产化的重要研究内容。轮轨接触应力分析是轮轨接触问题的基础。大功率机车轮对在运行过程中相对钢轨断面产生不同横移,直接影响轮轨接触应力。应用轮轨非线性接触理论及并行计算技术,构建大功率机车轮轨接触应力分析的大规模有限元模型,并在中国科学院研究生院计算地球动力学实验室的网络集群并行计算环境下完成有限元计算,研究了轮对横移量对大功率机车轮轨接触应力影响。计算结果表明,轮对不同横移时,车轮踏面内均出现塑性变形,塑性变形从车轮踏面内约6 mm处延伸至接触表面。轮轨接触斑的横向长度与接触面积随轮对横移量的变化有着相同的变化规律。随着横移量的改变,多数情况下的轮轨接触斑形态与Hertz理论的椭圆假设有较大差别。     

一种基于“并行计算”的组合安全设计方法

组合安全(composite fail-safety)是欧洲铁路安全标准EN50129:2003提出的一种实现故障-安全设计原则的安全设计方法。目前,大多数安全计算机平台中采用了2002技术,这是典型的组合安全设计。随着安全应用逻辑运算对系统资源要求的不断提高,既有的安全计算机平台的性能逐渐不能承载新的安全运算业务。提出一种类似"远程过程调用的并行处理"方法,采用外部扩充的高性能运算单元进行并行运算,既有的安全运算单元进行安全表决,从而实现高性能的组合安全设计。     

基于深度学习的文本情感分析并行化算法

在训练集和测试集数据量大的情况下,半监督递归自编码（semi-supervised recursive auto encoder,Semi-Supervised RAE）文本情感分析模型会出现网络训练速度缓慢和模型的测试结果输出速率缓慢等问题. 因此,提出采用并行化处理框架,在大训练集情况下,基于“分而治之”的方法,先将数据集进行分块划分并将各个数据块输入Map节点计算每个数据块的误差,利用缓冲区汇总所有的块误差,Reduce节点从缓冲区读取这些块误差以计算优化目标函数;然后,调用L-BFGS （limited-memory Broyden-Fletcher-Goldfarb-Shanno）算法调整参数,更新后的参数集再次加载到模型中,重复以上训练步骤逐步优化目标函数直至收敛,从而得到最优参数集;在测试集大的情况下,模型的初始化参数为上述步骤得到的参数集,Map节点对各句子进行编码得到其向量表示,然后暂存在缓冲区中;最后,在Reduce节点中分类器利用各语句的向量表示计算各自语句的情感标签. 实例验证表明:在标准语料库MR （movie review）下本文算法精确度为77.0%,与原始算法的精确度（77.3%）几乎相同;在大数据量训练集下,训练时间在一定程度上随着计算节点的增加而大量减少.      

并行有限元计算的一种新途径

在论述并行有限元技术现状和图形处理器（GPU）通用计算发展状况的基础上,通过分析对比并行有限元计算和可编程图形处理器的硬件软件结构,提出了在图形处理器上进行并行有限元计算的几个问题。文章认为,基于图形处理器的新一代开发环境CUDA完全可以实现高性能的并行有限元计算。这是一种新途径,也是一个很有潜力的发展方向。     

Fluent软件的多重网格并行算法及其性能

Fluent软件是目前国际上比较流行的通用CFD软件包,用于模拟从不可压缩到高度可压缩范围内的复杂流动,对大规模问题可用并行多重网格方法进行求解.为了找出Fluent软件的最佳解题规模和并行粒度,以期最大限度地发挥软件和硬件的效能,对Fluent软件采用的多重网格并行算法进行了理论分析,通过实验,重点讨论了在并行求解过程中,不同的多重网格循环方法、区域分裂方法、解题的规模和计算节点数对并行性能的影响.结果证明,Fluent软件采用V循环的并行性能最好,HPCC还有很大的升级空间.