导读:本文包含了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:算法,路径,重力场,卷积,参量,启发式,数据。
并行算法论文文献综述
肖汉,李彩林,李琦,周清雷[1]（2019）在《CPU+GPU异构并行的矩阵转置算法研究》一文中研究指出针对当前算法优化研究一般局限于单一硬件平台、很难实现在不同平台上高效运行的问题,利用图形处理器(GPU)提出了基于开放式计算语言(OpenCL)的矩阵转置并行算法.通过矩阵子块粗粒度并行、矩阵元素细粒度并行、工作项与数据的空间映射和本地存储器优化方法的应用,使矩阵转置算法在GPU计算平台上的性能提高了12倍.实验结果表明,与基于CPU的串行算法、基于开放多处理(OpenMP)并行算法和基于统一计算设备架构(CUDA)并行算法性能相比,矩阵转置并行算法在OpenCL架构下NVIDIA GPU计算平台上分别获得了12.26,2.23和1.50的加速比.该算法不仅性能高,而且实现了在不同计算平台间的性能移植.(本文来源于《东北师大学报(自然科学版)》期刊2019年04期）
汪丽娟,钱育蓉,侯海耀,张晗,赵京霞[2]（2019）在《基于k-d树分区的聚类算法并行加速策略》一文中研究指出针对传统K-Means算法存在准确率低、聚类速度慢的问题,从K-Means算法优化和Flink框架并行层面对K-Means算法优化。为避免算法陷入局部最优解,采用质心间最大距离原则选出k个质心;为提高大数据量下的K-Means聚类速度,提出用k-d树算法划分数据集实现操作算子并行化,设置多个TaskManager数目和CPU核数加速F-KMeans算法的执行。实验结果表明,较K-Means算法,F-KMeans算法的准确率提高了约3.6%;F-KMeans算法在DataSource耗时降低了45.45%,在其余阶段耗时平均降低了约28.57%。(本文来源于《计算机工程与设计》期刊2019年12期）
崔家武,周波阳,罗志才,张兴福[3]（2019）在《利用MPI并行算法实现球谐综合的效率分析》一文中研究指出分析了求解地球重力场参量的球谐综合计算公式,引入数组预存再调用方法来避免传统算法中对cos(mλ)、sin(mλ)及勒让德函数的递推系数的重复计算问题,并结合MPI(message passing interface)并行技术来提高计算效率。实验采用2 160阶次的EGM2008模型,以DELL PowerEdge R730服务器和超算"天河二号"为计算平台,计算了分辨率1°和5'的网格重力异常。结果表明,数组预存再调用的方式减少了中央处理器(central processing unit,CPU)的计算工作量,但同时增加了内存的访问次数,适用于CPU性能一般而内存频率较高的计算平台。MPI并行技术可充分发挥计算机的多核优势,并在进程个数等于逻辑CPU的个数时获得最大加速比。(本文来源于《武汉大学学报(信息科学版)》期刊2019年12期）
吴东林,张玉华[4]（2020）在《收割机远程监测系统的设计——基于云平台数据挖掘并行算法》一文中研究指出随着农业自动化技术的不断发展,无人驾驶收割机被逐渐应用到农业生产中,由于其远程监测和控制技术还不成熟,还无法达到完全无人化作业的水平。为了实现收割机的完全无人化作业,需要提高远程监测系统的实时监测效率。为此,将云平台数据挖掘和并行算法引入到了远程监测系统的设计上,通过对漏收率、破损率的实时监测来提高收割机自主作业水平。为了验证方案的可行性,对收割机远程监测系统的性能进行了测试,结果表明:收割机远程监测系统可以有效地提高播种机的作业效率和质量,对于提高其无人化作业的自动化程度具有重要的意义。(本文来源于《农机化研究》期刊2020年06期）
霍丽娜[5]（2019）在《基于粗粒度-主从式并行遗传算法的换热管最优清洗路径规划》一文中研究指出针对清洗机器人清洗路径冗余耗时等问题,提出基于粗粒度-主从式并行遗传算法策略获取最优清洗路径。采用多核CPU+GPU与算法相结合方法最大程度加速最优路径计算过程,充分利用了多核CPU和GPU协作并行计算潜力,充分发挥了粗粒度-主从式并行遗传算法的计算优势。实验结果表明,相比传统简单遗传算法计算时间缩短了62.4%,总合成位移减少11.9%。(本文来源于《自动化技术与应用》期刊2019年11期）
苏静[6]（2019）在《多船并行航行轨迹精准控制算法研究》一文中研究指出传航行轨迹精准控制算法在多船并行情况下,由于计算中没有区分航线航向,造成航行精准度较低,为此提出多船并行航行轨迹精准控制算法。构建船舶轨迹精准控制模型,根据船舶航行目的生成船舶运行轨迹,以实际航行轨迹为基础计算船舶定位航线,分别计算船舶直线航行控制轨迹以及曲线航行控制轨迹,完成多船并行航行轨迹精准控制算法设计。设计仿真实验,通过模拟使用环境,将提出算法与传统算法进行比较,实验结果表明提出方法计算的航行精准度更高,证明研究方法具备有效性。(本文来源于《舰船科学技术》期刊2019年22期）
刘佳耀,王佳斌[7]（2019）在《Slope One-BI算法的改进及其在大数据平台的并行化》一文中研究指出针对大数据时代下Slope One算法推荐效率不高的问题,提出结合聚类和动态K近邻的双极Slope One推荐算法.首先,结合Canopy和K-medoids的聚类算法把相似的用户汇聚到一起.然后,在所属聚类中,根据用户之间相似度的具体情况动态地寻找最近邻,并用Slope One-BI算法推荐预测.最后,在Spark平台上实现并行化.在电影数据集上的实验结果表明:基于Spark平台的优化算法与其他协同过滤算法相比,推荐精度具有明显优势.(本文来源于《华侨大学学报(自然科学版)》期刊2019年06期）
吴桐,樊志强,徐珞[8]（2019）在《基于并行遗传算法的军事运输路径优选》一文中研究指出针对实现军事运输路径优选的目的,本文分析了遗传算法的优点,并对遗传算法进行了并行化处理,最终采用了并行遗传算法结合军事运输路径模型的方法,通过假设实际场景中军事运输路径优选问题的实验,得到求解军事运输路径优选问题的一个新模型,提高了运算速度,同时得到一组满意解,以便于指挥员对于军事运输路径的决策选择。(本文来源于《电子设计工程》期刊2019年22期）
苏庆华,付景超,谷焓,张姗姗,李奕飞[9]（2019）在《前列腺癌辅助诊断GPU并行算法设计》一文中研究指出在癌症高发的当代,前列腺癌作为男性特有的疾病,其发病率逐年升高。卷积神经网络因其在图像识别领域的强大性能而倍受关注,也非常适用于计算机辅助诊断(Computer Aided Design,CAN)领域。由于神经网络模型中通常包含大量参数,因此训练一个卷积神经网络十分耗时。如何加快神经网络的训练成为了深度学习领域中一个十分重要的问题。为了解决这个问题,一般采用多GPU并行方案。其中,数据同步在GPU性能均衡的情况下表现更佳。因此,文中借鉴已有的基于数据并行算法对前列腺叁维卷积网络进行加速。(本文来源于《计算机科学》期刊2019年S2期）
朱超,吴素萍[10]（2019）在《并行Harris特征点检测算法》一文中研究指出针对叁维重建大数据量问题中的特征点提取算法,存在运算量大、耗时多、效率低等问题,文中对Harris特征点检测算法进行改进,提出了基于OpenMP的多核CPU和基于CUDA及OpenCL框架的GPU下的Harris特征点检测并行算法。在不同实验平台进行对比实验,实验结果表明,基于CUDA及OpenCL框架的GPU并行特征点检测算法具有良好的数据和平台可扩展性,基于GPU并行特征点检测算法的加速比最高可达91.19,加速效果显着。基于OpenMP的多核CPU特征点检测算法具有良好的多核可扩展性。(本文来源于《计算机科学》期刊2019年S2期）
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：
针对传统K-Means算法存在准确率低、聚类速度慢的问题,从K-Means算法优化和Flink框架并行层面对K-Means算法优化。为避免算法陷入局部最优解,采用质心间最大距离原则选出k个质心;为提高大数据量下的K-Means聚类速度,提出用k-d树算法划分数据集实现操作算子并行化,设置多个TaskManager数目和CPU核数加速F-KMeans算法的执行。实验结果表明,较K-Means算法,F-KMeans算法的准确率提高了约3.6%;F-KMeans算法在DataSource耗时降低了45.45%,在其余阶段耗时平均降低了约28.57%。
（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。
并行算法论文参考文献
[1].肖汉,李彩林,李琦,周清雷.CPU+GPU异构并行的矩阵转置算法研究[J].东北师大学报(自然科学版).2019
[2].汪丽娟,钱育蓉,侯海耀,张晗,赵京霞.基于k-d树分区的聚类算法并行加速策略[J].计算机工程与设计.2019
[3].崔家武,周波阳,罗志才,张兴福.利用MPI并行算法实现球谐综合的效率分析[J].武汉大学学报(信息科学版).2019
[4].吴东林,张玉华.收割机远程监测系统的设计——基于云平台数据挖掘并行算法[J].农机化研究.2020
[5].霍丽娜.基于粗粒度-主从式并行遗传算法的换热管最优清洗路径规划[J].自动化技术与应用.2019
[6].苏静.多船并行航行轨迹精准控制算法研究[J].舰船科学技术.2019
[7].刘佳耀,王佳斌.SlopeOne-BI算法的改进及其在大数据平台的并行化[J].华侨大学学报(自然科学版).2019
[8].吴桐,樊志强,徐珞.基于并行遗传算法的军事运输路径优选[J].电子设计工程.2019
[9].苏庆华,付景超,谷焓,张姗姗,李奕飞.前列腺癌辅助诊断GPU并行算法设计[J].计算机科学.2019
[10].朱超,吴素萍.并行Harris特征点检测算法[J].计算机科学.2019
论文知识图
