论文部分内容阅读
高性能计算能力已成为衡量一个国家高科技水平的一个标志。用基于局域网络的机群来进行大规模的数值计算为并行仿真解决大规模连续系统的实时性仿真问题提供了一条有效的途径。 本文在分析研究国内外有关并行系统的最新研究状况的基础上,进行了如下主要的工作: ①利用模块化的思想,提出了一种基于局域网络机群的并行仿真平台的中粒度分割模型。 分别从划分、通信、组合和映射模块入手,详细分析了中粒度分割模型中的各个模块的功能和相应的算法。此中粒度分割模型具有两个重要作用。 (1)这个模型具有“承上”作用:即能把当前所进行的并行系统研究与以前做过的并行系统的研究融为一体,使研究者对并行系统有更深刻的认识。 (2)这个模型具有“启下”作用:能为以后的并行系统研究提供理论指导作用。通过研究此中粒度分割模型可知,当前并行系统的研究难点在于划分。因而下面将对循环的划分问题进行深入研究。 ②通过引入“相关集、非相关集、直接相关链和直接相关链组”的思想,同时基于GCD原理,提出了二个循环分割新算法并已用程序实现。通过实例分析,表明这两个新循环分割算法具有以下一些优点: (1)对“基于GCD的循环分割新算法”而言,其优点包括:可以完全消除冗余相关点的计算;可以获得更好的负载平衡;可以极大地扩展GCD测试方法的适用范围,这是本算法的最大特点;此算法简单、快捷、性能稳定,具有很强的实用性和可扩展性,适用于多重循环的并行分割。 (2)对“循环的深层次并行划分算法”而言,由于此算法实现了对循环的相关集的并行分割,所以本算法的并行分割的效率要提高很多,这是本算法的最大特点;另外,这个循环分割算法可以与基于GCD的循环分割新算法联合使用。 ③利用两个循环分割新算法对传统的R-K法进行分割并运行,表明其运行效率可以提高,约在[29%,58%]。 所有的这些研究成果都是对基于机群的并行仿真研究的有益探索。