朱金凤[1]2007年在《基于MPI的P-Q法潮流计算及暂态稳定的并行方法研究》文中研究说明电力系统是一个复杂的非线性时变系统,随着电网规模的不断扩大和对在线分析要求的不断提高,传统的分析计算方法受到了前所未有的挑战。电力系统计算往往是解一组代数方程或联解代数方程与微分方程,为了提高计算速度,将并行处理技术引入电力系统分析计算领域,为从根本上解决电力系统实时分析的难题提供了一种有效途径。本论文首先介绍了并行计算的基本理论和并行算法基础,并介绍了MPI及其并行程序设计。在此基础上,针对电力系统中最基本的潮流计算进行了分析,提出了一种基于矩阵求逆的P-Q法潮流计算空间并行方案。为了提高并行化程度,从系数矩阵的形成和利用因子表求解修正方程式两方面寻找并行化方案,设计了基于MPI的高斯消去并行潮流算法,通过若干个电力系统的算例分析证明了该算法的有效性。电力系统的暂态稳定问题相对来说要复杂得多。本论文对电力系统的主要元件发电机、负荷及电力网络进行了数学模型分析。针对暂态稳定计算中的故障或操作,提出了一种基于分解故障线路的故障处理方案。考虑到故障或操作的不对称性,建立了叁序导纳矩阵形式的电力网络模型。之后对简化模型下的暂稳计算进行了流程分析与算法设计。为了加快计算速度,借鉴潮流并行算法的设计经验,提出了一种基于MPI的代数-微分方程组求解的空间并行算法方案。
冯小丹[2]2008年在《基于MPI的海量数据拟合并行算法研究》文中指出随着计算机技术在各学科领域中的广泛应用,尤其是在天体物理、地质、石油、气象、医学等领域产生了大量的科学数据,为了解释这些数据或者根据这些数据做出预测、判断,需要寻找一个反映数据变化规律的函数;另外,随着现代计算机技术的发展,更多的领域需要对海量数据进行处理,并对计算机处理精度和处理速度提出了更高的要求。对于给定的一批离散海量数据,如何快速得到具有最佳逼近关系的函数模型是本课题的研究重点。面对多种多样的数学模型和海量数据,进行数据拟合时都需要计算机的大量计算和内存容量,在计算机单机系统中,相对的存在内存资源不足和计算速度慢的问题,使得现有的计算机处理能力不能满足实际的需要;而并行计算能够降低单个问题求解的时间,增加问题求解规模、提高问题求解精度,是进行大规模数值计算发展的必然趋势,故本文进行数据拟合并行算法的研究,具有一定的研究意义和较大的应用价值。近年来,集群系统以其低成本、高性能的特性提供了强大的并行计算能力和批处理能力,代表了高性能计算机发展的新方向。消息传递是目前集群系统广泛使用的一种程序设计模式,MPI则是其中最受欢迎的设计平台,被应用在各个领域中。本文基于MPI在集群环境下对数据拟合并行算法进行研究和实现。本文首先通过研究基于MPI和Linux的集群系统的构建和应用,在Red Hat Linux环境下,实现了基于MPICH集群系统的构建;其次给出了线性模型数据拟合的并行算法描述,分析了该并行算法的任务分配、通信开销、负载平衡等问题。对于给定的函数集合,将该集合中的元素以全组合方式线性生成不同的函数模型,把不同的函数拟合作为不同的子任务分摊到各个节点上,每个节点独立地进行拟合求解,再把拟合结果汇集,根据一定标准选择出最佳模型,并且采用接收者启动算法——动态负载平衡策略以实现模型的分配;通过多项式拟合在PC集群环境下的实现,比较串行多项式拟合与并行多项式拟合运算时耗的差别,并分析并行算法的性能,从而探索建立集群环境对于解决海量数据多项式拟合次数范围大、运算速度过慢等问题的可行性;最后从数据的预处理及数据分割、输入输出层的确定、隐含层数及隐含层节点数的确定等方面讨论了单节点BP网络模型的构建,进行并行BP神经网络算法的研究,并分析了算法性能,给出了一定的改进设想。
张建文, 徐琼, 王强[3]2007年在《基于MPI环境的并行程序设计》文中研究表明MPI(Message Passing Interface)是消息传递并行程序设计的标准之一,概述了MPI的概念和组成,着重介绍了支持并行程序设计的消息传递接口(MPI)以及在MPI环境下的并行程序设计方法,并给出一个MPI并行程序设计实例,说明了MPI的程序设计流程和主从并行计算流程,由此提出了一个Master/Slave结构的设计模式。
侯振隆[4]2016年在《重力全张量梯度数据的并行反演算法研究及应用》文中研究指明重力全张量梯度数据是一种近年来被广泛应用于资源与地质勘探中的高精度数据,较传统重力异常数据包含更多的信息,且信噪比更高。尤其是随着对地壳勘探深度的不断增加,探测难度也在不断增大,这就要求数据的精度和数据量都要提高,通过更先进的处理与解释的方法和手段获取地下信息。为了能充分地发挥重力全张量梯度数据的精度优势,解决大数据量的地球物理反演带来的计算耗时长、占用计算机内存资源等问题,应联合计算机科学与地球科学,从利用并行计算的角度进行研究。地球物理反演是通过观测面上记录的地球物理场数据计算和求解地下地质构造的一种解释方法。通过反演,将重力全张量梯度数据中包含的物性信息反映出来;对于大规模的海量数据,使用并行计算来提高速度、解决内存问题,进而实现反演。因此,反演算法的有效性决定了其并行算法的作用。本文基于重力全张量梯度数据的反演原理,针对算法中的上述问题,研究并设计了多种并行算法及程序,取得了理想的结果。首先从地质体产生的重力异常及其梯度数据正演原理出发,选择基于长方体划分的方式将正演公式离散化,以此作为反演的理论基础。重加权聚焦反演和相关成像反演是用于计算地下密度的两种常用算法,目前基于这两种算法的研究通常只使用单一类型的数据,结果的空间分辨能力有待提升;计算中存在正演矩阵消耗大量内存、反演迭代停止难以控制等问题。本文提出了对重加权聚焦反演使用全张量、对相关成像反演使用叁分量联合的方式,并改进了算法,提高解的唯一性,使改善的密度分布更加接近地下真实情况,包括:先验密度约束、多分量联合反演,使用决定系数作为迭代停止条件,以及为相关成像反演重新计算密度变化量和使用深度加权矩阵等。通过理论模型试验发现,和其他算法相比,基于重力全张量梯度数据的重加权聚焦反演和基于叁分量梯度数据的相关成像反演的空间分辨能力均有所提高,二者在纵向、横向分辨率上各具优势,能更准确识别地质体边界并对相邻地质体进行划分;使用决定系数后,迭代计算能够在得到理想结果后停止,改善了结果的数值精度。在实测数据试验中,利用美国文顿盐丘地区的航空实测数据对算法进行检验,反演结果与其他学者的研究一致,符合地震、测井资料。以上试验证明了改进后的两种反演算法具有良好的可行性和可靠性,均具备一定的抗噪能力。其次,通过对并行计算技术基础的研究,阐述了涉及的并行计算机体系结构类型和并行程序设计模型和编程语言,为并行算法的设计提供理论参考。消息传递接口(MPI)和计算统一设备架构(CUDA)是两种目前主流的并行模式,且广泛应用于地球物理反演的并行算法中。现有的重加权聚焦反演和相关成像反演并行算法缺少关于联合反演的研究,通常只使用单GPU进行并行计算,使算法的加速能力和处理的数据规模有限。根据对两种反演的分析,计算中耗时的部分包括矩阵元素的计算与矩阵-向量乘法,反演中的迭代计算增加了这些耗时部分在总运行时间的比例。在以往的研究及应用中,缺少对大规模正演矩阵引起的内存占用、迭代计算中的内存优化等问题的考虑和程序性能的分析。本文针对上述问题,为重加权聚焦反演使用MPI实现并行计算,利用多节点的内存优势解决了正演矩阵的内存消耗问题,取得了良好的并行效率和可扩展性,最大加速比远高于100;相关成像反演算法的计算量较前者小,为其正演矩阵元素选择即时计算的方式,分别采用基于单GPU和多GPU的CUDA方法进行并行计算,获得了良好的加速效果,当数据量为100?100?20时,最快运行时间小于30分钟,并证明采用多GPU的算法相比单GPU具有更强的加速能力和处理更大数据量的能力;并行算法中采用了按行列划分的方式计算矩阵-向量乘法与矩阵元素,结合改进的反演算法,可减少不必要的进程间通信开销或GPU显存与计算机内存的数据传输;在性能测试中,根据各并行反演算法的特点,分别进行性能指标分析和相关公式推导,使分析的准确性得到提高,同时规范了分析的方法。为了进一步发挥计算机性能,使不同的并行算法均能在相应的计算机硬件上实现、打破单一模式的并行程序在加速性能上存在的瓶颈,联合多种不同的并行方法进行混合编程应成为解决海量数据反演问题的主要手段。本文选取MPI和CUDA以及开源多处理(Open MP)进行混合编程,对相关成像反演分别设计了基于MPI-Open MP、MPI-CUDA和Open MP-CUDA的并行程序,通过性能分析证明了上述混编程序均具有良好的加速能力,混合编程有助于进一步提高处理海量数据反演问题的能力;总结和对比了各并行算法的特点,为以后的研究和应用提供了分析依据。最后,依据文中反演算法及其并行程序各自的特点,选择重加权聚焦反演的MPI程序和相关成像反演的Open MP-CUDA程序构建了混合并行反演系统;该混合系统以集群机的图形处理节点和普通计算节点为平台,能够自动实现数据的输入输出与并行计算,可为输入数据智能地选择反演算法,充分发挥了高精度数据与改进的反演算法的空间分辨率的优势。综上,本文针对基于重力全张量梯度数据的反演算法进行改进,旨在改善密度分布的结果,提高空间分辨率,为并行计算提供准确的算法基础;设计的不同并行算法及程序具有良好的加速能力,能够解决大规模数据量引起的问题,满足深部勘探的高精度海量数据处理与解释的需要;经测试与分析,验证了改进的反演算法及其并行程序的有效性,具有理论意义和实际应用价值,为未来的研究提供了重要参考依据。
李玲[5]2011年在《基于MPI的可视化并行程序开发平台的研究与实现》文中指出随着社会发展对高性能计算的需求越来越大,要求越来越高,并行计算成为解决高性能计算问题的必然途径。但是与并行计算技术的发展进步相比,并行计算在具体应用和编程环境方面远远落后。并行计算的应用和推广需要并行程序设计环境作为平台支撑,所以对高效、简易的并行程序开发环境的研究具有非常重要的意义。为了促进并行计算的推广普及,本文对当前并行程序开发环境的现状、困境和发展趋势进行了研究。针对当前并行程序开发环境存在的问题,从普适性和方便用户使用的角度出发,基于控件和可视化、界面友好化思想,提出了适用于Windows环境的基于MPI的可视化并行程序开发平台。通过对MPI的并行编程中的相关元素进行抽象,设计出相关可视化控件。通过对MPI并行编程流程、MPI程序基本框架和MPI设计模式的研究,抽象出叁级并行代码框架模板。平台后台使用数据库作为存储支撑平台,方便用户对并行问题解决方案进行更改或查看,使平台具有可再现性。本可视化并行程序开发平台实现了开发过程可视化和任务分配可视化,并且具有可再现性。使用该平台的用户不必非常熟悉并行编程的底层通信语句,仅仅只需要将并行任务以图形化的方式描述出来,给出任务分配策略,由该开发平台将图形化的描述自动转化为并行程序。实践证明,本可视化并行程序开发平台既能为用户提供友好的开发界面,降低并行程序设计门槛,又能有效的简化并行程序的编写流程,提高程序设计效率。
谷源[6]2005年在《基于MPI的电力系统潮流并行计算实现》文中提出随着社会的发展,现代电力系统已发展成为大容量、超高压、跨区域、结构复杂的大规模电力网络。对于电力系统计算最基本的潮流计算,传统的计算分析方法无法自如地实现如此大量数据的实时分析,对快速处理和计算提出了新的要求。与此同时,随着计算机技术的不断发展,高性价比计算机的出现和高速网络的迅速发展,并行计算机开始出现并投入使用,因此并行处理技术也开始引入电力系统分析计算这一研究领域,为解决一系列问题提供了一种途径。由于电网规模越来越大,考虑的因素越来越多、方程数目巨大,因此并行潮流计算是解决大数据量潮流计算耗时过多的重要途径之一。而且在PC 机群上实现并行潮流计算是一种低成本、高效率的解决方案。本论文首先介绍了并行计算的基本理论、并行计算机概况以及并行算法基础;然后介绍了PC 机群系统和MPI(Message Passing Interface)消息传递机制。在此基础上,介绍了建立基于Windows XP 和MPI 的PC 机群实验环境。MPI并行程序设计与传统程序设计存在显着差异。本文讨论了在机群系统上进行MPI并行程序设计的过程和方法,并且进一步用于实现MPI 并行潮流计算。在所实现的PC 机群环境下采用IEEE14 和IEEE118 母线系统的并行潮流计算来进行验证,并对该算法的性能进行了测试。同时,也比较了在并行算法设计中网络通信(消息传递)因素对并行算法效果的影响。最后,根据理论研究和实际测试的结果,总结了利用PC 机群系统进行并行潮流计算的可行性,得出了一些有意义的结论。
张治宏[7]2006年在《基于MPI的并行计算研究》文中认为现代计算机技术极大地促进了计算科学的发展。但同时,由于科学的发展,科学对计算的要求的不断提高。但是,即使在现在PC机的性能有极大的提高的时代,由于受到物理器件极限速度和技术水平的限制,使得单处理机远远满足不了现代许多领域中具有挑战性的大规模计算课题对计算资源的需求。这个时候,有两种解决办法,一是继续提高单机的运算能力,二是利用并行计算来提高计算能力。并行计算机分为专用并行计算机和机群两种,由于专用的并行计算机价格昂贵,一般用户很少使用,转而使用便宜的机群技术。由于机群技术依赖于网络,早期网络速度非常慢的时候,网络速度常成为机群计算不可克服的颈瓶。由于近年来网络技术的飞速发展,网络速度有很大的提升,也加快了机群技术的应用。利用网络把各个PC联接起来形成的机群可以部分替代昂贵的专业并行计算机。近年来,国外开发了不少的利用机群进行并行计算的标准,并成功应用于科学试验。常用的并行编程标准有MPI, PVM等,其中消息传递接口MPI(MessagePassing Interface)更以其移植性好、功能强大、效率高等优点而成为目前最重要的并行编程工具。本论文就是以MPI为基础,对并行计算进行研究的。在论文的写作过程中采用了MPICH作为一个MPI标准的实现,并结合VC++.NET进行并程序的编写。本文介绍了机群的构建,以及并行计算的基本理论,然后详细的介绍了MPI并行程序设计方法和编程实现。针对大地电磁正演方法推导的出的大量带状矩阵进行并行求解。在实现过程中使用的是C++语言,并利用了C++的面向对象技术。最后对并行程序进行测试分析,并总结了本论文所做的工作中的经验与不足,并指出需要继续研究的问题。
付朝江[8]2006年在《集群MPI环境下有限元结构分析并行计算研究》文中认为网络并行计算是当前国内外并行计算领域中最引人注目的前沿课题之一,有限元法是当今用于结构分析问题的有效方法。将并行计算技术引入结构有限元分析,可以增大结构分析的规模,提高分析的速度,从而促进有限元在大型结构工程中的应用。本文结合上海市教委重点科研基金项目开展了网络机群并行计算环境下的结构有限元并行算法及其实现的研究,并应用于实际结构分析。本文在基于MPI集群环境下,所做工作的主要内容如下:(1)利用工作站构建了网络机群并行计算环境,阐述了并行计算的基本概念,介绍了MPI编程方法。(2)考虑在工作站机群上实现大型稀疏矩阵和向量乘的负载平衡。提出了一个快速负载平衡和有效的消息传递技术相结合的方法,来缓解计算和节点间通信,并且,通过I/O延迟隐藏和整体负载平衡使I/O开销能有效地分摊。预处理共轭梯度法(PCGM)是求解线性方程组的有效迭代方法。本文对预处理共轭梯度并行算法进行研究。对存储方式进行详细分析。编程中采用了稀疏矩阵向量相乘的优化技术。数值结果表明设计的并行算法具有良好的加速比和并行效率。(3)提出了粗细网格与预处理共轭梯度法结合的并行有限元算法。从多重网格刚度矩阵推导出有效的预处理子。实现了对矩形网格的线弹性力学问题的并行求解,对其并行性能进行详细讨论。计算结果表明该算法具有良好的并行加速比和效率,是一种有效的并行算法。(4)将采用区域分解技术的并行有限元方法应用于工作站机群的分布式并行环境。提出了基于单元区域分解的共轭梯度并行算法,对坝体结构进行求解,对其并行性能进行分析。(5)以子结构模态综合分析为基础,提出一种求解大型结构特征值问题的并行解法。采用子结构模态综合算法,结构特征模态采用子空间迭代方法并行求解。这种子空间迭代法的子结构并行计算的实施是利用子结构的刚度阵和质量阵而不必完全组集系统刚度阵和质量阵求解综合系统的特征值问题。数值结果表明
付延友[9]2007年在《PC机群环境下蚁群算法的并行化研究》文中研究说明随着计算机技术的不断发展,高性价比计算机的出现和高速网络的迅速发展,并行计算机开始出现并投入使用,因此并行处理技术也开始引入各个研究领域,为解决一系列问题提供了一种途径。并行蚁群算法是解决大规模TSP问题耗时过多的重要途径之一。在PC机群上实现并行蚁群算法是一种低成本、高效率的解决方案。本论文首先介绍了并行计算的基本理论,然后介绍了PC机群系统和MPI (Message Passing Interface)消息传递机制以及蚁群算法及TSP(Traveling Salesman Problem)问题。在此基础上,建立了基于Windows和MPI的PC机群实验环境。MPI并行程序设计与传统程序设计存在显着差异。本文讨论了在机群系统上进行MPI并行程序设计的过程和方法,并且进一步用于实现MPI并行蚁群算法。利用建立的平台,对该并行算法进行了测试,比较了该并行蚁群算法和传统串行蚁群算法耗时的差异。同时,也比较了在并行算法设计中网络通信(消息传递)因素对并行算法效果的影响。最后,根据理论研究和实际测试的结果,总结了利用PC机群系统实现并行蚁群算法的可行性,得出了一些有意义的结论。
熊中华[10]2004年在《PC机群环境下电力系统MPI并行潮流计算的研究》文中认为并行潮流计算是解决大数据量潮流计算耗时过多的重要途径之一。在PC机群上实现并行潮流计算是一种低成本、高效率的解决方案。本论文首先介绍了并行计算的基本理论,然后介绍了PC机群系统和MPI(Message Passing Interface)消息传递机制。在此基础上,建立了基于WINDOWS2000和MPI的PC机群实验环境。MPI并行程序设计与传统程序设计存在显着差异。本文讨论了在机群系统上进行MPI并行程序设计的过程和方法,并且进一步用于实现MPI并行潮流计算,具体实现了PC机群环境下IEEE30和118节点系统的并行潮流计算。利用建立的平台,对该并行算法进行了测试,比较了该并行潮流计算和传统串行潮流计算耗时的差异。同时,也比较了在并行算法设计中网络通信(消息传递)因素对并行算法效果的影响。最后,根据理论研究和实际测试的结果,总结了利用PC机群系统进行并行潮流计算的可行性,得出了一些有意义的结论。
参考文献:
[1]. 基于MPI的P-Q法潮流计算及暂态稳定的并行方法研究[D]. 朱金凤. 浙江大学. 2007
[2]. 基于MPI的海量数据拟合并行算法研究[D]. 冯小丹. 云南师范大学. 2008
[3]. 基于MPI环境的并行程序设计[J]. 张建文, 徐琼, 王强. 东华理工学院学报. 2007
[4]. 重力全张量梯度数据的并行反演算法研究及应用[D]. 侯振隆. 吉林大学. 2016
[5]. 基于MPI的可视化并行程序开发平台的研究与实现[D]. 李玲. 吉林大学. 2011
[6]. 基于MPI的电力系统潮流并行计算实现[D]. 谷源. 电子科技大学. 2005
[7]. 基于MPI的并行计算研究[D]. 张治宏. 中国地质大学(北京). 2006
[8]. 集群MPI环境下有限元结构分析并行计算研究[D]. 付朝江. 上海大学. 2006
[9]. PC机群环境下蚁群算法的并行化研究[D]. 付延友. 河北工业大学. 2007
[10]. PC机群环境下电力系统MPI并行潮流计算的研究[D]. 熊中华. 西南交通大学. 2004
标签:计算机软件及计算机应用论文; 并行计算论文; mpi论文; 潮流计算论文; 并行处理论文; 相关性分析论文; 矩阵乘法论文; 集群技术论文; 数据拟合论文; 相关矩阵论文; 矩阵分解论文; 网络结构论文; 线性拟合论文; pc机论文;