多重网格方法的并行化及其在传热数值分析中的应用

网络并行计算是当前国内处计算机科学研究与应用领域中最引人注目的前沿课题之一．多重网格算法的并行化研究对于大规模工程数值计算问题具有广泛的应用背景．本文面向网络并行计算与分布式编程环境,结合传热问题的物理背景,研究多重网络算法及其并行化,并且将这些算法应用到传热问题的数值分析中,取得了明显的效果。     

基于动态学习的泊位调度方案优化

泊位调度方案的制定要依据在泊船舶的占用泊位情况及预计在泊时间,确定其他待泊船舶的靠泊位置与靠泊时间.然而,预计在泊时间受水文气象等多种复杂因素的影响,且影响程度是随时间动态变化的,给泊位调度方案的制定增加了难度.对此,本文采用动态学习方法对在泊时间计算函数进行更新,再基于所得函数对泊位调度方案进行优化.并设计了包含船舶在泊时间动态学习及泊位调度方案优化的并行算法,前者为后者提供更新的在泊时间计算函数,后者的实际执行结果为前者提供学习样本.通过算例对模型有效性进行了验证,结果表明：加入动态学习过程,船舶在泊时间的计算偏差得以降低;优化方案的平均在泊时间缩短2.4 h,总成本降低11.1%.     

机群环境下二维傅立叶变换的并行算法研究

并行2D-FFT是解决大数据量2D-FFT运算耗时过久的重要途径,在PC机群上实现并行2D-FFT是一种低成本、高效率的解决方案.本文讨论了PC机群环境下MPI并行二维FFT实现,并利用建立的平台,对并行算法进行了测试,得出了一些有意义的结论和方法.     

并行机,并行算法及其应用

介绍了并行机，并行算法及其在国内的应用现状，指出了并行机，并行算法在汽车产品研制与开发中的应用前景。     

基于计算机模拟的动态交通分配模型的分布式并行算法

动态交通分配是智能交通系统中重要的核心理论模型。计算机模拟是求解动态交通分配问题的一种有效方法。本文给出了一种基于计算机模拟的动态交通分配模型的分布式并行算法，以求动态交通分配模型能够在智能交通系统的实时调度和运营方面得到应用。并且，基于面向对象的设计技术，本文给出了该算法的实现框架和流程。提出的模型可以作为先进的交通管理系统和先进的出行者信息系统的核心理论模型。     

基于SSE的线性方程组并行计算

Intel处理器(PentiumⅢ，Pentium4)提供了SSE(Streaming SIMD Extensions：单指令多数据流扩展指令集)，支持指令级SIMD(单指令多数据)操作。线性方程组求解具有很高的内在SIMD并行性，通过将数据按SSE数据类型组织及对主要计算过程进行SIMD并行化，设计了基于SSE的算法，在PC机上予以实现并对代码进行了优化。测试结果表明：SSE大大加速了线性方程组的求解速度，与传统计算方式相比运算速度提高了约3—4倍。     

舰载软件无线电中频模块多DSP平台并行算法

在舰船上设计并使用软件无线电是下一代舰船通信的主要方向.在软件无线电平台上,应用并行处理方式提高数字信号处理速度的算法研究得到了越来越多的重视.文章提出了一种适合在该平台上并行运算的算法,并以多阶FIR滤波器为例,验证了该算法,探讨了算法的性能;给出了该算法在多处理器条件下,与单处理器处理结果的比较.     

系统最优的动态交通网络流分配模型的分批并行算法

智能交通系统是一个复杂的综合系统,动态交通流分配是它的一个关键问题,是运输科学的一个前沿和热点。对于已经建立的系统最优的动态交通流分配模型,根据非线性规划问题的Kuhn-Tucker条件求解出问题的解。由于交通网络是一个大系统,结合分批调度理论将交通网络进行分批处理后简化了配流过程中的寻径,最后设计出分批并行调度算法。